文献

J-GLOBAL ID：201802274816378512   整理番号：18A1255376

マルチモーダルデータ融合による監視を用いた車両追跡【JST・京大機械翻訳】

Vehicle Tracking Using Surveillance With Multimodal Data Fusion

著者 (4件)： Zhang Yue (State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an, China) ,  Song Bin (State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an, China) ,  Du Xiaojiang (Department of Computer and Information Sciences, Temple University, Philadelphia, PA, USA) ,  Guizani Mohsen (Department of Electrical and Computer Engineering, University of Idaho, Moscow, ID, USA)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 19  号： 7  ページ： 2353-2361  発行年： 2018年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  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： 車両位置予測または車両追跡は,接続車両内の重要な話題である。しかし,このタスクは,ただ一つのモードデータが利用可能で,おそらくバイアスを引き起こし,精度を妨害する場合には困難である。接続車両におけるセンサネットワークの開発により,多モードデータがアクセス可能になっている。そこで,マルチモーダルデータ融合による車両追跡のためのフレームワークを提案した。具体的には,この車両追跡タスクにおいて,画像と速度の2つのモダリティの結果を融合した。車両検出のモジュールで処理されている画像は,車両の特徴に関する視覚情報を提供するが,速度推定は,目標車両の可能な位置をさらに評価することができる。それは,比較される候補の数を減少させて,時間消費と計算コストを減少させる。筆者らの車両検出モデルは,色が速いR-CNNで設計されており,その入力は車両のテクスチャと色の両方である。一方,速度推定はKalmanフィルタによって達成される。それは追跡のための古典的な方法である。最後に,マルチモーダルデータ融合法を適用して,これらの結果を統合して,車両追跡作業を達成することができた。実験結果は,著者らの方法の効率性を示唆して,それは都市区域において一連の調査カメラを使用して車両を追跡することができた。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： *データ融合 ,  Kalmanフィルタ ,  画像 ,  カメラ ,  都市 ,  センサネットワーク ,  *多モード ,  予測
準シソーラス用語： 質感 ,  計算コスト ,  速度推定 ,  視覚情報 ,  車両検出 ,  モダリティ , 【Automatic Indexing@JST】

分類 (3件)： 交通調査  (TB01031B) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： マルチモーダル ,  データ融合 ,  追跡