論文の概要: Drishti AI-Event Guardian: An Intelligent Real-Time Crowd Monitoring and Emergency Response System for Mass Gathering Events

• arxiv url: http://arxiv.org/abs/2606.05185v1
• Date: Sun, 26 Apr 2026 11:27:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.64078
• Title: Drishti AI-Event Guardian: An Intelligent Real-Time Crowd Monitoring and Emergency Response System for Mass Gathering Events
• Title（参考訳）: Drishti AI-Event Guardian: 大量収集イベントのためのインテリジェントなリアルタイムクラウド監視と緊急応答システム
• Authors: Ritabrata Roy Choudhury, Arkajyoti Karmakar, Rudra Pratap Mitra,
• Abstract要約: 本稿では、深層学習による公共安全向上のためのインテリジェントなクラウドマネージメントフレームワークであるDrishti AI-Event Guardianを提案する。 Drishtiは、Google Vertex AIインフラストラクチャ上のモデルによって処理される、CCTVネットワークとUAVプラットフォームからのデータを組み合わせたものだ。 Kumbh Mela と Victory Parade の2つのシナリオで評価され、群衆密度推定MAEは3.2人/m2、異常検出F1スコアは0.91、顔認識精度は0.93、警告レイテンシは111msである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mass gathering events are associated with critical safety incidents caused by insufficient crowd monitoring and inadequate emergency response coordination. Traditional surveillance systems lack intelligent analytics, resulting in delayed threat identification, poor resource deployment, and weak support for vulnerable individuals during dense public assemblies. This paper presents Drishti AI-Event Guardian, an intelligent crowd management framework using deep learning for public safety enhancement. The architecture combines multimodal data from CCTV networks and UAV platforms, processed by models on Google Vertex AI infrastructure. Core methods include real-time crowd density estimation using YOLOv8, spatiotemporal anomaly detection, and predictive crowd-flow modeling through gradient-boosted regression. Drishti also integrates four modules: (i) facial recognition for missing person identification with crowd-wide notification; (ii) medical emergency reporting with automated dispatch; (iii) a conversational AI chatbot for reports and complaints; and (iv) an intelligent guard reallocation engine that dynamically reassigns personnel in response to crowd density changes. The system is evaluated on two scenarios: the Kumbh Mela gathering and the RCB Victory Parade event, achieving crowd density estimation MAE of 3.2 persons/m2, anomaly detection F1-score of 0.91, facial recognition precision of 0.93, and median alert latency of 111 ms. Predictive congestion modeling provides five-minute forecasts with MAPE of 8.3%, enabling preemptive intervention. The chatbot resolved 89% of incident filings without human operators, while guard reallocation reduced responder deployment latency by 34% versus manual reassignment. Results demonstrate a shift from passive surveillance toward active crowd intelligence and scalable foundation for events from local gatherings to mega festivals.
• Abstract（参考訳）: 集団集会は、群衆の監視が不十分なことや、緊急対応の調整が不十分なことによる、重大な安全事故と関連付けられている。 従来の監視システムにはインテリジェントな分析が欠如しており、結果として脅威の特定が遅れ、リソースの配置が貧弱で、人口密集時に脆弱な個人のサポートが弱い。 本稿では、深層学習による公共安全向上のためのインテリジェントなクラウドマネージメントフレームワークであるDrishti AI-Event Guardianを提案する。 このアーキテクチャは、CCTVネットワークとUAVプラットフォームからのマルチモーダルデータを組み合わせて、Google Vertex AIインフラストラクチャのモデルによって処理される。 中心となる手法は, YOLOv8を用いたリアルタイム群集密度推定, 時空間異常検出, 勾配ブースト回帰による予測的群集フローモデリングなどである。 Drishtiは4つのモジュールも統合している。 一 群集通告による行方不明者識別のための顔認識 二 自動送達による救急医療報告 三 報告及び苦情のための会話型AIチャットボット (四)群集密度の変化に応じて人員を動的に再配置するインテリジェントガード再配置エンジン。 このシステムは,クンバメラの集まりとCBビクトリーパレードのイベント,3.2人/m2の集団密度推定MAE,異常検出F1スコア0.91,顔認識精度0.93,警告遅延中央値111msの2つのシナリオで評価されている。予測的混雑モデリングは,MAPE8.3%の5分間の予測を提供し,プリエンプティブ介入を可能にする。 チャットボットは、人間オペレータなしでのインシデント処理の89%を解決した。 その結果、受動的監視からアクティブなクラウドインテリジェンスへのシフトと、地元の集会からメガフェスティバルへのイベントのスケーラブルな基盤が示された。

関連論文リスト

• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• An Edge-Cloud Collaborative Architecture for Proactive Elderly Care: Real-Time Risk Assessment and Three-Level Emergency Response [2.2917707112773598]
  既存のクラウド中心のプラットフォームは、緊急対応に適さない高レイテンシなど、重大な制限に直面している。 本稿では,リアルタイムマルチモーダルセンサ融合により,これらの課題に対処するエッジクラウド協調アーキテクチャを提案する。 3段階の緊急対応システムは、家族、地域医師、および近隣のボランティアの対応を調整する。
  論文  参考訳（メタデータ） (2026-03-20T03:00:12Z)
• Complementary Learning System Empowers Online Continual Learning of Vehicle Motion Forecasting in Smart Cities [50.14230518748104]
  本稿では、ディープニューラルネットワーク(DNN)に基づくモーション予測のためのタスクレスオンライン連続学習パラダイムであるDual-LSを紹介する。 3つの国にまたがる自然主義的なデータ、772,000台以上の車両、11,187kmの累積的な試験マイルは、Dual-LSが74.31%の破滅的な忘れを緩和していることを示している。
  論文  参考訳（メタデータ） (2025-08-27T06:19:21Z)
• TeD-SPAD: Temporal Distinctiveness for Self-supervised Privacy-preservation for video Anomaly Detection [59.04634695294402]
  人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。 VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。 本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
  論文  参考訳（メタデータ） (2023-08-21T22:42:55Z)
• A Cloud-based Deep Learning Framework for Early Detection of Pushing at Crowded Event Entrances [0.0]
  混み合ったイベント入口におけるプッシュの自動早期検出のためのクラウドベースのディープラーニングフレームワークを提案する。 5つの実世界の実験と関連する地上真実データに基づいて、新しいデータセットを生成する。 提案手法では, 適切な遅延時間内に, 87%の精度でプッシュ動作を同定した。
  論文  参考訳（メタデータ） (2023-02-16T11:39:32Z)
• Practitioner-Centric Approach for Early Incident Detection Using Crowdsourced Data for Emergency Services [2.5328886773979375]
  Wazeのようなクラウドソーシングプラットフォームは、インシデントを早期に特定する機会を提供する。 クラウドソースデータストリームからのインシデントを検出することは,このようなデータに関連するノイズや不確実性の難しさから難しい。 本稿では,クラウドソーシングデータを用いた実践者中心インシデント検出のための新しい問題定式化と解法を提案する。
  論文  参考訳（メタデータ） (2021-12-03T16:51:41Z)
• Towards Adversarial Patch Analysis and Certified Defense against Crowd Counting [61.99564267735242]
  安全クリティカルな監視システムの重要性から、群衆のカウントは多くの注目を集めています。 近年の研究では、ディープニューラルネットワーク(DNN)の手法が敵の攻撃に弱いことが示されている。 群衆カウントモデルのロバスト性を評価するために,Momentumを用いた攻撃戦略としてAdversarial Patch Attackを提案する。
  論文  参考訳（メタデータ） (2021-04-22T05:10:55Z)
• Emergency Incident Detection from Crowdsourced Waze Data using Bayesian Information Fusion [4.039649741925056]
  本稿では,ノイズの多いクラウドソーシングWazeデータを用いた緊急インシデント検出手法を提案する。 本稿では,クラウドレポートの信頼性の不確かさをモデル化するための観測理論に基づく計算手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T22:45:03Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。