文献

J-GLOBAL ID：201902257790863591   整理番号：19A0623935

深層学習に基づくダッシュボードカメラを用いた歩道レベルの人々の流れ推定【JST・京大機械翻訳】

Sidewalk-level People Flow Estimation Using Dashboard Cameras Based on Deep Learning

著者 (4件)： Hara Yusuke (Graduate School of Information Science and Technology, Osaka University, Suita, Osaka, 5650871, Japan) ,  Uchiyama Akira (Graduate School of Information Science and Technology, Osaka University, Suita, Osaka, 5650871, Japan) ,  Umedu Takaaki (Faculty of Data Science, Shiga University, Hikone, Shiga, 5228522, Japan) ,  Higashino Teruo (Graduate School of Information Science and Technology, Osaka University, Suita, Osaka, 5650871, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICMU  ページ： 1-6  発行年： 2018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： 将来のスマート都市において,人々の流れを理解することは,都市計画やイベント検出のような広範な応用にとって不可欠である。本論文では,歩道上の歩行者歩行の低さを推定する方法を提案した。著者らの目標は,低コストで広い範囲被覆率で高精度を達成することである。この目的のために,著者らは,事故などの証拠を提供するために,最近広く普及しているダッシュボードカメラ(ダッシュカム)を使用する。著者らの方法は,Deep学習ベースの歩行者検出とモデルベースの追跡を組み合わせて,頻繁なオクルージョン(画像における物体の重なり)と偽陽性の難問を克服する。歩行者の検出において,頭部の顔と背を別々に検出して,CNN(Convolutional Neural Network)とLSTM(Long-Short-Tem-Memory)を適用することによって,歩行者の移動方向とそれらの存在を理解した。次に,車両と歩行者の移動速度に関する知識との位置と色の類似性に基づいて,検出された境界ボックスの軌跡を推定した。実際のdashcamビデオを用いた評価により,この方法が良好に動作することを確認し,双方向人の低い推定の±13.6%の平均絶対誤差率を示した。Copyright 2019 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： 都市 ,  *学習 ,  *カメラ ,  歩行 ,  録画装置 ,  画像 ,  類似性 ,  歩行者 ,  オクルージョン ,  *歩道 ,  軌跡 ,  誤検出 ,  歩行者検出 ,  高精度 ,  *深層学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 深層学習 ,  ダッシュボード ,  歩道 ,  流れ ,  推定