文献

J-GLOBAL ID：202202238199989821   整理番号：22A1040953

深いマルチインスタンスソーティングモデルに基づく作業人間異常動作認識アプローチ【JST・京大機械翻訳】

A working human abnormal operation recognition approach based on the deep multi-instance sorting model

著者 (3件)： Chen Liang (School of Computer Science, Xian Polytechnic University, Xian, China) ,  Du Lu (School of Computer Science, Xian Polytechnic University, Xian, China) ,  Liu Qiang (School of Mechatronics Engineering, Guangdong University of Technology, and State Key Laboratory of Precision Electronics Manufacturing Technology and Equipment, Guangzhou, China)
資料名： Proceedings of the Institution of Mechanical Engineers. Part C. Journal of Mechanical Engineering Science  (Proceedings of the Institution of Mechanical Engineers. Part C. Journal of Mechanical Engineering Science)
巻： 236  号： 4  ページ： 1986-1993  発行年： 2022年 
JST資料番号： H0720A  ISSN： 0954-4062  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： 特別な事象の認識または検出のためのインテリジェントビデオ監視システムにおける異常な挙動検出のモデリングは,近年,重要な研究興味を引きつけた。インテリジェントビデオ監視システムの異常行動検出のより効果的な認識を達成するために,本論文は,深いマルチインスタンスソーティングモデルに基づく作業人間異常操作認識方式を提案した。最初に,非カット長ビデオは,正常および異常挙動ビデオセグメントを得るためにスパースであり,そして,セグメントにおけるRGBおよび光学的流れ特徴を,深い畳込みネットワークによって抽出した。ビデオ特徴ベクトルをコンセンサス関数と特徴抽出器によって得た。次に,マルチインスタンスソーティング学習を用いて,特徴ベクトルの0と1の間の異常スコアを割り当てた。異常パケットの異常値が正常パケットのものより高いとき,異常スコアは戻って,高い異常スコアは異常な挙動として決定される。公開THUMOS14データセットとCUDA GPUを用いた著者らのXAGCWDデータセットに関する実験は,著者らのアプローチが認識精度を約10.8%と異常検出の高精度を改善することを実証するために計算を加速した。本研究の主目的は,ワークショップ職員の安全管理を効果的に実現するために,知的ワークショップ行動監視システムに本論文で提案したモデルを適用することである。Copyright IMechE 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  ベクトル ,  学習 ,  ネットワーク ,  特徴抽出 ,  監視装置 ,  *ソーティング ,  録画装置 ,  *モデル ,  安全管理 ,  異常値 ,  パケット
準シソーラス用語： 異常行動 ,  特徴ベクトル ,  *動作認識 , 【Automatic Indexing@JST】

著者キーワード (4件)： 知的ビデオサーベイランス ,  異常行動検出 ,  特徴抽出器 ,  畳込みニューラルネットワーク

分類 (2件)： 軸受  (QB01020W) ,  設備管理  (KB02020X)

タイトルに関連する用語 (2件)： 人間 ,  動作認識