WEKO3
アイテム
ブロブ特徴を用いた実時間歩行者数推定
https://ipsj.ixsq.nii.ac.jp/records/62889
https://ipsj.ixsq.nii.ac.jp/records/62889f55b901e-9f28-4013-86e3-154668e0a05b
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CVIM09167025.pdf (3.3 MB)
|
Copyright (c) 2009 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2009-06-02 | |||||||
| タイトル | ||||||||
| タイトル | ブロブ特徴を用いた実時間歩行者数推定 | |||||||
| タイトル | ||||||||
| 言語 | en | |||||||
| タイトル | Real-time Pedestrian Estimation Using Blob Features | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| キーワード | ||||||||
| 主題Scheme | Other | |||||||
| 主題 | 卒論セッション・概要発表2 | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||
| 資源タイプ | technical report | |||||||
| 著者所属 | ||||||||
| 九州大学 | ||||||||
| 著者所属 | ||||||||
| 九州大学 | ||||||||
| 著者所属 | ||||||||
| 九州大学 | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| kyushu University | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| kyushu University | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| kyushu University | ||||||||
| 著者名 |
吉永, 諭史
× 吉永, 諭史
|
|||||||
| 著者名(英) |
Satoshi, Yoshinaga
× Satoshi, Yoshinaga
|
|||||||
| 論文抄録 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 本稿では 「画像上における歩行者の位置と人数」 を実時間で推定できるシステムを提案する．提案手法では，まず観測画像に対し，照明変動に頑健な動的背景モデルを用いた背景差分を施すことで，移動物体を前景として検出する．次に，前景領域として検出された各ブロブから特徴ベクトルを抽出する．オフライン処理として，特徴ベクトルと歩行者数の対応関係を手動で与えることで，学習データを作成し，ニューラルネットワークに学習させておく．オンライン処理では，各ブロブから抽出した特徴ベクトルをもとに，ブロブが何人の歩行者で構成されているかを学習済みニューラルネットワークを用いて推定する．このとき，歩行者数が 1 人以上と推定されたブロブの画素に対しては，背景モデルの更新を行わない．これによって，歩行者領域の消滅や分裂を防ぐことができる． | |||||||
| 論文抄録(英) | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | We propose a system which estimates “how many and where pedestrians are in video sequences” in real-time by following procedures. In the preprocess, we let the neural network learn training data which we generated by giving a correspondence between a set of blob features and the number of pedestrians. In the online process, first, candidate regions are segmented into blobs according to background subtraction based on a background model. Second, a set of features is extracted from each blob and a neural network estimates the number of pedestrians corresponding to each set of features. Background model in the blob in which there is at least one person is not updated to prevent the human region from being embedded in the background. | |||||||
| 書誌レコードID | ||||||||
| 収録物識別子タイプ | NCID | |||||||
| 収録物識別子 | AA11131797 | |||||||
| 書誌情報 |
研究報告コンピュータビジョンとイメージメディア（CVIM） 巻 2009-CVIM-167, 号 25, p. 1-8, 発行日 2009-06-02 |
|||||||
| Notice | ||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||
| 出版者 | ||||||||
| 言語 | ja | |||||||
| 出版者 | 情報処理学会 | |||||||
