文献

J-GLOBAL ID：202202231975284422   整理番号：22A2917400

オルタナティヴICT 早稲田大学理工学術院 360度カメラと深層学習を活用した歩行者レーダーマップシステム

著者 (6件)： 村山知輝 (早稲田大 理工学術院 基幹理工学研究科) ,  金井謙治 (早稲田大 理工学術院 総合研) ,  孫鶴鳴 (早稲田大 理工学術院 総合研) ,  甲藤二郎 (早稲田大 理工学術院 基幹理工学研究科) ,  甲藤二郎 (早稲田大 理工学術院 総合研) ,  甲藤二郎 (早稲田大 国際情報通信研究セ)
資料名： 電波技術協会報FORN  (電波技術協会報フォルン)
号： 349  ページ： 8-11  発行年： 2022年11月10日 
JST資料番号： F2122A  ISSN： 0910-593X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・都市モニタリングや群衆エリアの特定に向けた歩行者密度の推定に対し,360度カメラと深層学習を用いたコンピュータビジョンベースの可視化手法を提案し,また効率的なリソース割り当てを評価。
・歩行者位置の360度レーダーマップを生成するプロトタイプシステムに搭載した2次元画像への変換,人物検出,距離推定,角度推定および可視化の各処理を説明。
・本システムに対し,データセットを用いた評価実験により群衆レベルの傾向を大まかに把握できる精度を確認し,また実環境での計測結果を解説。
・本システムを6つの処理ブロックに分割し,それらをMicroservice(並列処理)とMonolith(逐次処理)の2手法でクラウドに実装して行ったリソース割り当ての評価実験を解説。

シソーラス用語： 地図 ,  *密度分布 ,  物体認識 ,  *歩行者 ,  カメラ ,  ディジタル画像 ,  機械学習 ,  計算機利用 ,  測定精度 ,  資源割付 ,  *画像処理 ,  距離測定 ,  クラウドコンピューティング ,  深層学習 ,  全天カメラ ,  歩行者検出
準シソーラス用語： レーダーマップ ,  全周囲画像

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  交通調査  (TB01031B)

引用文献 (7件)：

• K. Murayama, et al.: ′′Deep Pedestrian Density Estimation for Smart City Monitoring,′′ IEEE ICIP 2021, Sep. 2021.
• J. Redmon and A. Farhadi: ′′YOLOv3: An Incremental Improvement,′′ https://arxiv.org/abs/1804.02767, Apr. 2018.
• M. A. Haseeb, et al.: ′′Disnet: A Novel Method for Distance Estimation from Monocular Camera,′′ PPNIV 2018, Oct. 2018.
• M. Kashiwagi, et al.: ′′Deep Depth from Aberration Map′′, IEEE CVPR 2019, June 2019.
• K. Simonyan, et al.: ′′Very Deep Convolutional Networks for Large-scale Image Recognition,′′ ICLR 2015 May 2015.

タイトルに関連する用語 (6件)： ICT ,  学術 ,  360度カメラ ,  深層学習 ,  活用 ,  歩行者