都市道路におけるマルチモジュール協調とクロスフレームマッチング最適化に基づく歩行者異常検知・追跡のための融合アルゴリズム

科学分野:

• コンピュータビジョン
• 人工知能
• 機械学習

背景:

• 交通における異常行動検出は、複雑な環境と検出エラーのために重要であるが困難である。
• 既存の手法は、複雑な背景からの干渉や小さなターゲットに対処するのに苦労している。

研究 の 目的:

• 複雑な交通シーンにおけるロバストな異常行動検出および追跡のための統合AI手法を提案する。
• 高度なディープラーニングモデルを組み合わせることで、検出精度と追跡安定性を向上させる。

主な方法:

• Swin Transformerを統合してグローバル特徴モデリングを行ったYOLOv8をベースラインとして利用。
• CBAMおよびCAアテンションメカニズム、GSConvモジュール、Focal-EIoU損失関数を組み込んだ。
• ReID特徴距離と行動カテゴリ情報を組み込むことで、BoT-SORT-ReIDによる追跡を強化した。

主要な成果:

• カスタムデータセットでmAP@50% 92.2%、精度90.75%、再現率86.57%を達成し、速度は328.49 FPS。; UCSD Ped1データセットでmAP 92.7%を示し、主流モデルを上回る汎化性能を実証。; 追跡ではMOTA 90.8%、MOTP 92.6%を達成し、IDスイッチ（IDS）を47.6%削減。

結論:

• 提案された統合YOLO-SGCFおよびBoT-SORT-ReIDアルゴリズムは、複雑な交通環境における異常行動検出および追跡を大幅に改善する。
• この手法は、既存の最先端アプローチと比較して、優れたパフォーマンス、精度、追跡安定性を提供する。
• このシステムは、登る、転ぶ、喧嘩する、電話を使用するなどの特定の異常行動を特定および追跡する上で有効性を示す。