論文の概要: Smartphone-Based Method for Automated Speed Enforcement
- arxiv url: http://arxiv.org/abs/2609.30107v1
- Date: Thu, 24 Sep 2026 16:49:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:10.129508
- Title: Smartphone-Based Method for Automated Speed Enforcement
- Title（参考訳）: スマートフォンによる自動高速化手法
- Abstract要約: この研究は、自動速度推定と車両識別のためのスマートフォンベースの手法を設計し、テストする。
CVコードはブラジルのオープンソースデータセットから1,800枚の画像に対して、ライセンスプレートのテキストのほぼ半分(46%)を正確に認識している。
- 参考スコア（独自算出の注目度）: 2.232275601754469
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smartphone cameras and computer vision (CV) hold significant promise in assisting public agencies with enforcing traffic laws and enhancing road safety. This work designs and tests a smartphone-based method for automated speed estimation and vehicle identification (license plate, make/model, and color recognition) via an automated pipeline to assist enforcement agencies in reliably identifying speeders. The CV code accurately recognizes nearly half (46%) of the license plates' text on 1,800 images from a Brazil open-source dataset, called UFPR-ALPR. Code tests on daytime recordings from hand-held smartphone videos (n = 73) and roadside cameras (n = 42) in Austin, Texas yield 60.8% accuracy for color detection (among all possible RGB color categories), 48.6% on vehicle make/manufacturer identification, and 16.89% on vehicle make and model identification. Prediction accuracy for speed estimation (within a 20% range), vehicle make (within the top 3 predictions), and license plate recognition (within the top 10 predictions) are 16.3%, 16.9%, and 29.7%, respectively. This paper also illuminates the legal, technological, and practical aspects of using smartphones for enforcement, including the potential use of recordings for enforcement purposes, emphasizing the need to transform the potential of smartphone-based CV technologies into practical tools for vital information on traffic violations.
- Abstract（参考訳）: スマートフォンカメラとコンピュータビジョン(CV)は、公共機関が交通法を施行し、道路の安全を高めることを支援するという大きな約束を持っている。
この研究は、自動的な速度推定と車両識別(ライセンスプレート、メイク/モデル、色認識)のためのスマートフォンベースの手法を自動パイプラインを介して設計し、テストし、機関が確実にスピード器を識別できるようにする。
CVコードは、UFPR-ALPRと呼ばれるブラジルのオープンソースデータセットから1,800枚の画像に対して、ライセンスプレートのテキストのほぼ半分(46%)を正確に認識している。
テキサス州オースティンのハンドヘルド・スマートフォン・ビデオ(n = 73)とロードサイド・カメラ(n = 42)による昼間の録画のコードテストでは、色検出の精度が60.8%(RGBのすべてのカテゴリを含む)、自動車製造/製造者識別の48.6%、車両製造およびモデル識別の16.89%が得られた。
速度推定の精度(20%の範囲)、車両メーキング(トップ3の予測)、ナンバープレート認識(トップ10の予測)はそれぞれ16.3%、16.9%、29.7%である。
また,本論文は,スマートフォンを施行するための法的,技術的,実践的な側面を照らし出し,また,スマートフォンベースのCV技術の可能性を交通違反の重要情報化のための実用的なツールに転換する必要性を強調した。
関連論文リスト
- Intelligent Traffic Surveillance for Real-Time Vehicle Detection, License Plate Recognition, and Speed Estimation [0.0]
本研究では,発展途上国に適したリアルタイム交通監視システムを提案する。
YOLOv8を用いたナンバープレート検出は平均平均精度(mAP)が97.9%に達した。
速度推定はソース領域とターゲット領域を使用しており、良い性能は10km/hの誤差である。
論文 参考訳（メタデータ） (2026-01-01T13:54:29Z) - A Novel AI-Driven System for Real-Time Detection of Mirror Absence, Helmet Non-Compliance, and License Plates Using YOLOv8 and OCR [0.8921166277011348]
道路安全は重要な世界的な問題であり、ヘルメット法や車両安全基準のマニュアルが資源集約的で矛盾している。
本稿では,交通違反検出を自動化し,実施効率と道路安全を著しく向上するAIを利用したシステムを提案する。
論文 参考訳（メタデータ） (2025-11-15T13:18:17Z) - DAVE: Diverse Atomic Visual Elements Dataset with High Representation of Vulnerable Road Users in Complex and Unpredictable Environments [60.69159598130235]
Vulnerable Road Users (VRU) の高表現による認識手法の評価を目的とした新しいデータセット DAVE を提案する。
DAVEは16種類のアクターカテゴリー(動物、人間、車など)と16種類のアクションタイプ(カットイン、ジグザグ運動、Uターンなど、複雑で稀なケース)を手動でアノテートしたデータセットである。
実験の結果,既存の手法はDAVEで評価すると性能の劣化に悩まされ,将来的なビデオ認識研究のメリットを浮き彫りにしていることがわかった。
論文 参考訳（メタデータ） (2024-12-28T06:13:44Z) - Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data [57.22545280370174]
On Path Diagnostic - Intrusion & Inference (OPD-II) は物理カーモデルとマップマッチングアルゴリズムを利用した新しい経路推論攻撃である。
我々は4台の異なる車両と41トラックの道路および交通シナリオに対する攻撃を実行した。
論文 参考訳（メタデータ） (2024-06-30T04:21:46Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
本稿では,自動車用レーダセンサの自動校正手法を提案する。
本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。
実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
論文 参考訳（メタデータ） (2023-06-23T07:01:10Z) - Automated Static Camera Calibration with Intelligent Vehicles [58.908194559319405]
自動ジオレファレンスカメラキャリブレーションのためのロバストキャリブレーション法を提案する。
本手法では, フィルタ/RTK受信機と慣性測定ユニット(IMU)を組み合わせたキャリブレーション車両が必要である。
我々の手法は、インフラと車両の両方で記録された情報と人間との相互作用を一切必要としない。
論文 参考訳（メタデータ） (2023-04-21T08:50:52Z) - Suspicious Vehicle Detection Using Licence Plate Detection And Facial
Feature Recognition [0.0]
本論文の主目的は,走行中の犯罪者や盗難車両の車両の安全とリアルタイム追跡を確保するために,顔認識とナンバープレート認識を組み合わせたモデルを開発することである。
論文 参考訳（メタデータ） (2023-04-18T06:44:08Z) - Vehicle-counting with Automatic Region-of-Interest and
Driving-Trajectory detection [0.0]
この研究は、カメラの関心領域を自動的に識別する交通ビデオから車両をカウントする方法を導入している。
この方法は、発展途上国で頻繁に使用されるPan-Tilt-Zoomカメラでの使用が可能である。
論文 参考訳（メタデータ） (2021-08-16T15:13:06Z) - Universal Embeddings for Spatio-Temporal Tagging of Self-Driving Logs [72.67604044776662]
我々は、生のセンサデータから、自動運転シーンの時間的タグ付けの問題に取り組む。
提案手法では,全てのタグに対する普遍的な埋め込みを学習し,多くの属性を効率的にタグ付けし,限られたデータで新しい属性を高速に学習する。
論文 参考訳（メタデータ） (2020-11-12T02:18:16Z) - Deep Learning Based Traffic Surveillance System For Missing and
Suspicious Car Detection [0.0]
本稿では,盗難・盗難車検出のためのディープラーニングに基づく自動交通監視システムを提案する。
Select-Detector, Image Quality Enhancer, Image Transformer, Smart Recognizerの4つの部分で構成されている。
提案手法の有効性は、政府のCCTVカメラの映像で検証され、盗難・盗難車両を87%の精度で識別する結果となった。
論文 参考訳（メタデータ） (2020-07-17T07:18:12Z)
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。