文献

J-GLOBAL ID：201602275576119901   整理番号：16A0654160

GLMP-大域的および局所的移動パターンを用いた実時間歩行者経路予測【Powered by NICT】

GLMP- realtime pedestrian path prediction using global and local movement patterns

著者 (5件)： Bera Aniket (Department of Computer Science, University of North Carolina at Chapel Hill, USA) ,  Kim Sujeong (Department of Computer Science, University of North Carolina at Chapel Hill, USA) ,  Randhavane Tanmay (Department of Computer Science, University of North Carolina at Chapel Hill, USA) ,  Pratapa Srihari (Department of Computer Science, University of North Carolina at Chapel Hill, USA) ,  Manocha Dinesh (Department of Computer Science, University of North Carolina at Chapel Hill, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICRA  ページ： 5528-5535  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 雑然とした環境における歩行者の経路を予測するための新しい実時間アルゴリズムを提案した。著者らのアプローチは,歩行者運動または群集密度に関する仮定をしないと,短期および長期予測に有用である。Bayes推論を用いた2D軌道からの歩行者運動と運動パターンの特性を学習対話。これらは流入点と移動特性のような電流と優先速度と全体的特性に対応した局所運動パターンを含んでいる。著者らのアプローチは事前計算を含まない,緻密な屋内および屋外群衆ビデオから抽出した粗いおよびノイジー軌道データに関する著者らの予測アルゴリズムの実時間性能を実証した。局所的および大域的な運動パターンの組み合わせは高密度ビデオにおける以前の方法よりも長期予測の精度を12-18%改善できる。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： Bayes推定 ,  電流 ,  アルゴリズム ,  学習 ,  録画装置 ,  長期予測 ,  会話 ,  *歩行者
準シソーラス用語： 高密度 ,  予測アルゴリズム ,  屋内 ,  運動パターン ,  *実時間 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 実時間 ,  歩行者 ,  経路 ,  予測