{"metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00219693","sets":["6164:6165:6640:11008"]},"path":["11008"],"owner":"44499","recid":"219693","title":["3次元点群を用いた高密度群衆の人数推定手法"],"pubdate":{"attribute_name":"公開日","attribute_value":"2022-07-06"},"_buckets":{"deposit":"d0d30ba0-c930-44c9-bb87-ae124c34dcd6"},"_deposit":{"id":"219693","pid":{"type":"depid","value":"219693","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"3次元点群を用いた高密度群衆の人数推定手法","author_link":["573269","573271","573270","573268"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"3次元点群を用いた高密度群衆の人数推定手法"}]},"item_type_id":"18","publish_date":"2022-07-06","item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_18_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"大阪大学大学院情報科学研究科"},{"subitem_text_value":"大阪大学大学院情報科学研究科"},{"subitem_text_value":"大阪大学大学院情報科学研究科"},{"subitem_text_value":"大阪大学大学院情報科学研究科"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/219693/files/IPSJ-DICOMO2022119.pdf","label":"IPSJ-DICOMO2022119.pdf"},"date":[{"dateType":"Available","dateValue":"2024-07-06"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2022119.pdf","filesize":[{"value":"3.6 MB"}],"mimetype":"application/pdf","priceinfo":[{"tax":["include_tax"],"price":"660","billingrole":"5"},{"tax":["include_tax"],"price":"330","billingrole":"6"},{"tax":["include_tax"],"price":"0","billingrole":"44"}],"accessrole":"open_date","version_id":"47652cee-a92a-4ec3-b57b-962f6c9804f5","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2022 by the Information Processing Society of Japan"}]},"item_18_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"右京, 莉規"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"天野, 辰哉"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"廣森, 聡仁"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"山口, 弘純"}],"nameIdentifiers":[{}]}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_5794","resourcetype":"conference paper"}]},"item_18_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"公共施設や商業施設など様々な人々が行きかう空間における人流計測の需要が高まっている．我々の研究グループではこれまでに，複数の LiDAR によりが捉える大規模三次元点群データを用いて公共空間における歩行者のトラッキング（軌跡導出）を行う手法を提案してきた．同手法ではオクルージョンやノイズによる点群の欠損および複数人物の接近による点群の結合といった観測点群の不完全性による人物セグメンテーションの失敗を考慮し，カルマンフィルタとそれら状況の推定を組み合わせることで，堅牢なトラッキングを実現し，実環境に置いてその有用性検証を行っている．常に複数の人物セグメントが結合し検出されるような非常に混雑した状況下でも歩行者トラッキングを継続するため，本研究では検出した歩行者セグメントを上面，前面，側面の3方向から捉え，それぞれ 2DCNN で歩行者検出を行いそれらの結果を合成することで，セグメントに含まれる人数を正確に検出し，結合が多発する状況下でも検出漏れを減少させトラッキングの継続を可能にする．我々の研究室に設置した LiDAR 4 台から得られる 3 次元点群を約 2 時間収集したデータを用いて CNN を構築し，同条件下で取得したデータに対し提案手法の評価を行った．その結果，人数推定の精度が 99.8% であり，セグメント内の人数を正確に計測できることが確かめられた．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"858","bibliographic_titles":[{"bibliographic_title":"マルチメディア，分散，協調とモバイルシンポジウム2022論文集"}],"bibliographicPageStart":"852","bibliographicIssueDates":{"bibliographicIssueDate":"2022-07-06","bibliographicIssueDateType":"Issued"},"bibliographicVolumeNumber":"2022"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"id":219693,"updated":"2025-01-19T14:48:33.398293+00:00","links":{},"created":"2025-01-19T01:19:45.483257+00:00"}