文献

J-GLOBAL ID：201802234018069052   整理番号：18A0725391

低フレーム速度ビデオによるトラフィック解析【JST・京大機械翻訳】

Traffic Analytics With Low-Frame-Rate Videos

著者 (5件)： Luo Zhiming (Department of Cognitive Science, Xiamen University, Xiamen, China) ,  Jodoin Pierre-Marc (Department of Computer Science, University of Sherbrooke, Sherbrooke, QC, Canada) ,  Su Song-Zhi (Department of Cognitive Science, Xiamen University, Xiamen, China) ,  Li Shao-Zi (Department of Cognitive Science, Xiamen University, Xiamen, China) ,  Larochelle Hugo (Google Brain, Montreal, QC, Canada)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 28  号： 4  ページ： 878-891  発行年： 2018年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  資料種別： 逐次刊行物 (A)
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： 本論文では,フレーム速度が低すぎるビデオに基づいて高速道路交通を監視する可能性を検討し,動きの特徴を正確に推定する。提案した方法の目標は,通常事例のように,それらを測定する代わりに交通条件を認識することである。著者らのアプローチの主な利点は,運動特徴が推定できない低フレームレートビデオを処理する能力に由来する。この方法は,背景物体によって囲まれた支配的なアスファルト道路上の車両を示すトップダウンの視点からpicされる交通シーンの非常に冗長な性質を利用する。交通シーンにおいて画像化された限られた多様な物体のために,著者らの方法はそのような画像に特異的な特徴を学習することができる。これらの特徴により,本手法は,トラヒック画像を分割し,トラヒックシーンを分類し,運動特徴を必要とせずにトラヒック密度を推定することができる。異なる畳込みニューラルネットワークモデルを提案し,3つの異なるクラス(Road,Car,およびバックグラウンド)におけるトラフィック画像をセグメント化し,トラフィック画像を異なるカテゴリ(経験,流体,重み,およびJam)に分類し,トラヒック密度を予測した。また,これらのモデルの移動学習を新しいトラヒックシーンに実行する手順を提案した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 道路 ,  冗長性 ,  学習 ,  画像処理 ,  画像 ,  高速道路 ,  アスファルト ,  セグメンテーション ,  *録画装置 ,  モデル
準シソーラス用語： 畳込みニューラルネットワーク ,  画像化 ,  トップダウン ,  *フレームレート , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： フレーム速度 ,  ビデオ ,  トラフィック解析