文献

J-GLOBAL ID：202002269148022396   整理番号：20A2276384

時空間バッグ-オフ-特徴およびプロフェッショナル畳込みニューラルネットワークに基づく煙車両検出【JST・京大機械翻訳】

Smoke Vehicle Detection Based on Spatiotemporal Bag-Of-Features and Professional Convolutional Neural Network

著者 (2件)： Tao Huanjie (School of Automation, Southeast University, Nanjing, China) ,  Lu Xiaobo (School of Automation, Southeast University, Nanjing, China)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 30  号： 10  ページ： 3301-3316  発行年： 2020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： 既存の煙車両検出法は,誤警報に対して脆弱である。この問題を解決するため,本論文は,時空間バッグ特徴(S-BoF)と専門的畳込みニューラルネットワーク(P-CNN)に基づく2つの自動煙車検出法を提示した。第1の方法では,視覚バックグラウンド抽出器(ViBe)アルゴリズムによって検出されるキー領域を特徴付けるために,S-BoFモデルを提案した。S-BoFモデルは,3つの直交平面上の色モーメント(CM-TOP),三つの直交平面上のロバスト局所二値パターン(CRLBP-TOP),および3つの直交平面上の配向勾配のヒストグラム(HOG-TOP)を含む3つのグループの特徴を含む。抽出した特徴を,サポートベクトルマシン(SVM)に供給し,煙車をさらに検出するために,煙領域または非煙領域への主要領域を分類した。第2の方法では,3つの直交平面上のキー領域シーケンスにおける異なる種類の特徴を分析するために,3つの専門的モデルを設計することによって,よりロバストで相補的な時空間特徴を抽出するためのP-CNNモデルを提案した。カラーCNN(CCNN),テクスチャCNN(TCNN)および勾配CNN(GCNN)を含む3つの専門モデルは,異なる入力を有する3つの独立したCNN128モデルに基づいている。実験結果は,提案方法が既存の煙検出法より高い検出率とより低い誤警報率を達成することを示した。Copyright 2020 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： アルゴリズム ,  視覚 ,  *煙 ,  検出法 ,  抽出装置 ,  モーメント ,  ヒストグラム ,  直交性 ,  ロバスト性 ,  サポートベクトルマシン
準シソーラス用語： *車両検出 ,  脆弱性 ,  誤警報 ,  誤警報率 ,  *畳込みニューラルネットワーク , 【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 (5件)： 時空間 ,  バッグ ,  畳込みニューラルネットワーク ,  煙 ,  車両検出