研究紹介RESEACH
ホーム  >  研究紹介  >  研究詳細

映像サーベイランス

監視シナリオにおけるオープンセット認識を採用した人間介在型アノテーションフレームワーク

近年、監視カメラ映像の利用が増加していますが、ラベリングの高いコストが課題です。提案されたフレームワークは、既存手法の改良により、高精度を保ちつつ作業負荷を最小限に抑えることを目指しています。

本研究では、人間の作業負荷と分類ネットワークYOLOv3の再学習精度を測定しました。提案手法が作業量と再トレーニング精度の両方で有効であることが示されました。今後の展望として、より堅牢な背景変化検出モデルの開発と、DBScanに代わるより安定したクラスタリング手法の改善が期待されます。
Photo

国際会議 (査読有)

  1. Dao Zhou, Tsubasa Minematsu, Cheng Tang, Yuta Taniguchi, Fumiya Okubo, Atsushi Shimada
    A Human-in-the-Loop Annotation Framework for Surveillance Scenarios with Enhanced Overlapping Object Detection
    The 30th International Workshop on Frontiers of Computer Vision 2024 (IW-FCV2024), 2024.02
    BibTeX

Attention 機構を用いた背景変動に頑健な変化検出手法の分析

都心部や大型施設などの人口密集地での防犯カメラ監視の需要が高まり、高精度な異常検知が求められています。

本研究では、Attention機構を利用した背景差分アルゴリズムTransCDにおいて、各構造の特徴表現とAttention機構の役割を分析しています。Attention機構は背景特徴を補正し、残差接続によって背景グリッドの特徴が補正されるが、前景グリッドは保持されることを示しました。
これにより、異なる背景間の比較では変化が検出されず、前景を検出することができます。
Photo

国内学会 (査読無し)

  1. 濵田 龍之介, 峰松 翼, 谷口 雄太, 大久保 文哉, 島田 敬士
    Attention機構を用いた背景変動に頑健な変化検出手法の分析
    第29回画像センシングシンポジウム(SSII2023), 2023.06
    BibTeX