[論文レビュー] Moving Vehicle Detection Using AdaBoost and Haar-Like Feature in Surveillance Videos.

Mohammad Mahdi Moghimi, Maryam Nayeri+2 more|arXiv (Cornell University)|Jan 14, 2018

Video Surveillance and Tracking Methods被引用数 7

ひとこと要約

本論文では、監視映像におけるアダブーストとハール特徴を用いた頑健な移動車両検出システムを提案する。ビオラ・ジョーンズフレームワークを活用することで、変動する照明条件下でも94%の正確性、92%の包括性、87%の品質を達成し、実世界のシナリオにおいて先行技術を上回る性能を発揮した。

ABSTRACT

Vehicle detection is a technology which its aim is to locate and show the vehicle size in digital images. In this technology, vehicles are detected in presence of other things like trees and buildings. It has an important role in many computer vision applications such as vehicle tracking, analyzing the traffic scene and efficient traffic management. In this paper, vehicles detected based on the boosting technique by Viola Jones. Our proposed system is tested in some real scenes of surveillance videos with different light conditions. The experimental results show that the accuracy, completeness, and quality of the proposed vehicle detection method are better than the previous techniques (about 94%, 92%, and 87%, respectively). Thus, our proposed approach is robust and efficient to detect vehicles in surveillance videos and their applications.

研究の動機と目的

• 変動する照明条件下での監視映像における車両検出の正確性を向上させること。
• 木や建物などの障害物がある複雑なシーンが引き起こす課題に対処すること。
• 交通監視アプリケーションにおけるリアルタイム車両検出のための効率的で頑健な手法を開発すること。
• 既存手法と比較して、検出の包括性と品質を向上させること。

提案手法

• 車両検出のためのハール特徴を用いた弱識別器のカスケードを学習するためにアダブーストアルゴリズムを採用した。
• リアルタイム性能を実現するため、コアアーキテクチャとしてビオラ・ジョーンズオブジェクト検出フレームワークを用いた。
• 車両を示すエッジ、線、長方形パターンを捉えるために、画像パッチからハール特徴を抽出した。
• 実際に車両（ポジティブ）と非車両（ネガティブ）のサンプルを用いて分類器を学習し、背景から移動車両を区別した。
• 弱識別器を統合して強い識別器を構築することで、検出の頑健性を向上させた。
• 多様な照明および環境条件を伴う実際の監視映像シーケンスでシステムをテストした。

実験結果

リサーチクエスチョン

• RQ1 アダブーストとハール特徴を組み合わせた手法は、複雑な監視シーンにおける移動車両を効果的に検出できるか？
• RQ2 変動する照明条件下で、提案手法の正確性、包括性、品質はそれぞれどのように評価されるか？
• RQ3 実世界の監視映像において、本手法は過去の車両検出技術をどの程度上回るか？
• RQ4 本手法は、木や建物のような背景の複雑さや部分的隠蔽に対しても十分に頑健であるか？

主な発見

• 提案手法は、照明が変動する実際の監視映像シーケンスで94%の検出正確性を達成した。
• 車両検出の包括性は92%に達し、実際の車両を高いリCALL率で同定できることを示した。
• 検出品質は87%で測定され、バウンディングボックスの局所化における精度と信頼性を反映していた。
• 影や低照度のシナリオを含む多様な環境条件下でも、本システムは頑健な性能を示した。
• 全体的な検出性能と信頼性の面で、既存手法を上回った。
• アダブーストを用いたハール特徴ベースのアプローチは、リアルタイム監視アプリケーションにおいて効率的で適していることが実証された。