2024-03-29T16:28:04Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:001819522024-03-29T05:26:34Z01164:03865:09090:09156
深層学習による頭部検出に基づいた車載カメラ映像からの人流推定法の提案Proposal of Pedestrian Flow Estimation from Drive Recorders Based on a Head Detection Method by Deep Learningjpn車車間通信と応用http://id.nii.ac.jp/1001/00181864/Technical Reporthttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=181952&item_no=1&attribute_id=1&file_no=1Copyright (c) 2017 by the Information Processing Society of Japan大阪大学大学院情報科学研究科大阪大学大学院情報科学研究科滋賀大学経済学部大阪大学大学院情報科学研究科原, 佑輔内山, 彰梅津, 高朗東野, 輝夫本研究では,都市部における人流を歩道ごとに把握する目的で,深層学習による頭部検出に基づく手法を提案する.車載カメラ映像では歩行者や障害物による遮蔽が頻発するため,常に全ての歩行者を捉えられるとは限らない.そのため,連続する複数フレームでの頭部検出結果に対し,時空間的な位置関係及び画像特徴量による人物の同定を行い,映像中の歩行者の移動軌跡を推定する.歩道上に存在する歩行者の移動方向は車の進行方向に対して前方と後方に大別されるため,2 種類に分けて頭部を検出する.頭部検出では遮蔽が頻発する環境でも堅牢性の高い LSTM (Long Short-Term Memory) に基づく手法を適用する.提案手法の有効性を確認するため,実際に収集した車載カメラ映像に対し評価実験を行った.その結果,方向別頭部検出の F 値は前方,後方ともに約 0.8 となり,高い性能を達成できることが分かった.AA11851388研究報告モバイルコンピューティングとパーベイシブシステム(MBL)2017-MBL-8314162017-05-252188-88172017-05-24