論文の概要: Unsupervised Detection of Entry and Exit Regions from Vehicle Trajectories for Camera-Agnostic Turning Movement Counts

• arxiv url: http://arxiv.org/abs/2607.10949v2
• Date: Wed, 15 Jul 2026 13:41:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 12:21:59.375265
• Title: Unsupervised Detection of Entry and Exit Regions from Vehicle Trajectories for Camera-Agnostic Turning Movement Counts
• Title（参考訳）: カメラ非依存回転数に対する車両軌道からの入出力領域の教師なし検出
• Authors: Parikshit Singh Rathore, Vishwajeet Pattanaik, Punit Rathore,
• Abstract要約: 教師なしパイプラインは 原車軌道から直接 進入領域と出口領域を識別する パイプラインクラスター 初期および終点位置 永続的な空間領域を生成する パイプラインは、高い中央値エラーを犠牲にして、カメラビュー全体の安定性と計算コストの低下を示す。
• 参考スコア（独自算出の注目度）: 2.0689823177950397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Turning movement counts are essential for intersection-level traffic management, yet their collection remains predominantly manual due to the cost of per-camera region annotation. This paper presents an unsupervised pipeline that identifies entry and exit regions directly from raw vehicle trajectories extracted via object detection and multi-object tracking, requiring no manual annotation, camera calibration, or prior knowledge of intersection geometry. Unlike trajectory clustering methods that classify individual trajectories using pairwise similarity and must be re-executed on every new batch, the proposed pipeline clusters initial and terminal point locations to produce persistent spatial region polygons that classify future trajectories by point-in-polygon containment at linear cost. The pipeline comprises six sequential steps, five of which introduce configurable parameters evaluated through a systematic statistical analysis spanning 17,100 pipeline executions across 9 surveillance cameras capturing dense heterogeneous traffic in Bengaluru, India, and 10 sequences from the UA-DETRAC benchmark dataset. Both parametric and nonparametric testing frameworks identify three consistently significant parameters and yield an empirically grounded recommended configuration. Under this configuration, the pipeline achieves a median classification error of 3.4% across all 25 Bengaluru cameras, including 16 held-out locations, with a median per-turning-movement GEH of 2.43. Compared with two trajectory clustering baselines, the proposed pipeline exhibits greater stability across camera views and lower computational cost, at the expense of higher median error. Extended evaluation demonstrates that calibration clips of at least 60 minutes and peak-traffic selection further improve region estimation quality.
• Abstract（参考訳）: 交差点レベルの交通管理には移動回数が不可欠であるが、カメラごとのアノテーションのコストのため、その収集は手作業で行われている。 本稿では,物体検出や複数物体追跡によって抽出された生車軌道から,手動のアノテーションやカメラキャリブレーション,あるいは事前の交叉形状の知識を必要とせず,直接の進入領域と出口領域を識別する無教師パイプラインを提案する。 一対の類似性を用いて個々の軌跡を分類し、新しいバッチ毎に再実行する必要があるトラジェクトリクラスタリング法とは異なり、提案したパイプラインクラスタの初期および終点位置は、線形コストでポイント・イン・ポリゴンの包含によって将来の軌跡を分類する永続的な空間領域ポリゴンを生成する。 パイプラインは6つのシーケンシャルステップで構成されており、そのうち5つは、インド・ベンガルの密集した異種トラフィックをキャプチャする9つの監視カメラで17,100のパイプライン実行にまたがる、体系的な統計分析によって評価される構成可能なパラメータを導入している。 パラメトリックテストと非パラメトリックテストの両方のフレームワークは、3つの重要なパラメータを一貫して識別し、経験的に根拠づけられた推奨設定を生成する。 この構成下において、パイプラインは25台のベンガルルカメラの中央値の3.4%の分類誤差を達成しており、その中には16箇所のホールトアウト位置が含まれており、1ターン当たりのGEHは2.43である。 2つの軌道クラスタリングベースラインと比較して、提案パイプラインは、高い中央値誤差を犠牲にして、カメラビュー間の安定性と計算コストの低下を示す。 拡張評価により、少なくとも60分間のキャリブレーションクリップとピーク-トラフィック選択により、地域推定品質が向上することが示されている。

関連論文リスト

• FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
  FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。 ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。 ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
  論文  参考訳（メタデータ） (2026-07-13T14:10:01Z)
• A Geometry-Informed Computer Vision Method for Detecting and Examining Overtaking Vehicles From A Bicycle [0.0]
  本稿では,自転車に搭載された1台のカメラからのイベント検出を自動で行う,幾何学インフォームドコンピュータビジョンパイプラインを提案する。 パイプラインは97.8%のリコールを達成し、偽陽性はゼロとなり、車両通過の2.44秒前の平均を達成した。
  論文  参考訳（メタデータ） (2026-06-03T17:41:00Z)
• Mobile Traffic Camera Calibration from Road Geometry for UAV-Based Traffic Surveillance [0.1019561860229868]
  視線画像座標で車両の動きが観察されるため、交通分析にUAVビデオを使用するのは困難である。 本稿では,単眼のUAVトラヒック映像を局所的な視線表示に変換するための軽量パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-05-12T10:14:43Z)
• Ozone: A Unified Platform for Transportation Research [19.072804811705684]
  Ozoneは、ハードウェア、データ、モデル、評価、プロトタイプという5つの相互接続されたレイヤを中心に組織された、輸送研究のための統一されたプラットフォームである。 既存のトラジェクトリデータセットは、座標系、オブジェクト表現、メタデータフィールドの非互換な規約に従っている。 オゾンは実験のセットアップ時間を85%削減し、安全モデルの都市間移動効率91%を達成し、データセット間の分散を3%以内に改善する。
  論文  参考訳（メタデータ） (2026-04-13T03:55:39Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• Cross3DReg: Towards a Large-scale Real-world Cross-source Point Cloud Registration Benchmark [57.42211080221526]
  異なるセンサーからのポイントクラウドデータを整列することを目的とした、クロスソースのポイントクラウド登録は、3Dビジョンの基本的なタスクである。 ディープ登録モデルをトレーニングするための大規模な実世界のデータセットが公開されていないことや、複数のセンサーによってキャプチャされたポイントクラウド固有の違いが課題となっている。 現在世界最大のマルチモーダル・クロスソース・クラウド登録データセットであるCross3DRegを構築している。 クロスソース・ポイント・クラウド機能の整合性を高めるために,ビジュアル・ジオメトリ・アテンションガイド付きマッチングモジュールを提案する。
  論文  参考訳（メタデータ） (2025-09-08T09:01:13Z)
• DELTAv2: Accelerating Dense 3D Tracking [79.63990337419514]
  本稿では,ビデオ中の高密度3次元点追跡を高速化するための新しいアルゴリズムを提案する。 極小点の小さな部分集合で追跡を開始し、トラックされた軌道の集合を段階的に拡大する粗大な戦略を導入する。 新たに追加されたトラジェクトリは学習可能なモジュールを使用しており、トラッキングネットワークとともにエンドツーエンドでトレーニングされている。
  論文  参考訳（メタデータ） (2025-08-02T03:15:47Z)
• InterLoc: LiDAR-based Intersection Localization using Road Segmentation with Automated Evaluation Method [10.561470037080177]
  オンライン車両中心の交差点位置決めのための新しいLiDAR方式を提案する。 我々は,鳥の視線(BEV)表現における交叉候補を,意味的道路スキャンを連結して検出する。 セマンティックKITTITIデータセットの実験から,本手法は最新の学習ベースラインよりも精度と信頼性が優れていることが示された。
  論文  参考訳（メタデータ） (2025-05-01T13:30:28Z)
• Automatic vehicle trajectory data reconstruction at scale [2.010294990327175]
  本稿では,視覚に基づく車両軌道データにおける共通誤差を補正する自動軌道データ照合法を提案する。 本手法により, 実験対象の入力データの精度が向上し, 広い範囲で精度が向上することを示す。
  論文  参考訳（メタデータ） (2022-12-15T15:39:55Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。