System analizy obrazu dla potrzeb systemu AR

• Autorzy: Garbat Piotr , Galiński Grzegorz , Bieniek Mateusz , Żakowski Michał , Lasocki Maciej

Identyfikatory

DOI

10.15199/59.2022.4.7

Warianty tytułu

EN

Image analysis system for Augmented Reality application

• Konferencja: Multikonferencja Krajowego Środowiska Tele- i Radiokomunikacyjnego (7-9.09.2022 ; Warszawa, Polska)
• Języki publikacji: PL

Abstrakty

PL

Przedstawiono ideę systemu wizyjnego umożliwiającego analizę obrazów z wielu kamer dla potrzeb systemów rzeczywistości wspomaganej. Przedstawione rozwiązanie zapewnia efektywne wyznaczanie pozycji i ścieżek ruchu poruszających się osób w przestrzeni miejskiej oraz ich aktywności. W artykule przedstawiono kluczowe moduły analizy obrazu z wielu widoków, w tym: podsystem wykrywania i śledzenia pieszych (MOT) oraz podsystem wykrywania aktywności użytkowników. Omawiane podsystemy zostały przebadane w celu określenia efektywności zaproponowanych algorytmów określania ścieżki ruchu i rozpoznawania aktywności.

EN

This article presents the idea of a vision system that allows for the analysis of images from multiple cameras for the purposes of augmented reality systems. The proposed solution effectively determines the position and paths of movement of moving people in the urban space and their activities. The article presents the critical modules of the image analysis from multiple views, including the pedestrian detection and tracking (MOT) subsystem and the user activity detection subsystem. The subsystems were stud to determine the effectiveness of the proposed algorithms for determining the traffic path and recognizing activity.

Słowa kluczowe

PL

rozpoznawanie aktywności; analiza wielowidokowa; uczenie głębokie

EN

action recognition; multiview analysis; deep learning

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2022
• Tom: nr 4
• Strony: 143--146
• Opis fizyczny: Bibliogr. 5 poz., rys., tab.

Twórcy

autor

Garbat Piotr

• Instytut Mikroelektroniki i Optoelektroniki PW, Warszawa

autor

Galiński Grzegorz

• Instytut Radioelektroniki i Technik Multimedialnych PW, Warszawa

autor

Bieniek Mateusz

• Instytut Mikroelektroniki i Optoelektroniki PW, Warszawa

autor

Żakowski Michał

• Instytut Mikroelektroniki i Optoelektroniki PW, Warszawa

autor

Lasocki Maciej

• Wydział Architektury PW, Warszawa

Bibliografia

• [1] Carreira J., A.Zisserman. 2018."Quo Vadis. Action Recogniti on? A New Modeland the Kinetics Dataset".a rXiv:1705.07750 (dostępne pod adresem: https://arxiv.org/abs/1705.07750)
• [2] Feichtenhofer Ch., Fan Haoqi, J.Malik, H.Kaiming. 2019. "SlowFast Networks for Video Recognition”. arXiv:1812.03982v3 (dostępne pod adresem: https://arxiv.org/abs/1812.03982).
• [3] Milan A., L.Leal-Taixe, I.Reid, S.Roth, K.Schindler. 2016."MOT16: A Benchmark for Multi-Object Tracking", arXiv 1603.00831, 2016 (dostępne pod adresem: https://arxiv.org/abs/1603.00831)
• [4] Ristani E., F.Solera, R.Zou, R.Cucchiara, C.Tomasi. 2016." Performance Measuresand a Data Set for Multi-target, Multi-camera Tracking”. In: Hua Gang, Jegou, Herve (eds), “Computer Vision - ECCV 2016 Workshops·. ECCV 2016 . Lecture Notes in Computer Science, vol 9914. Springer
• [5] Zhang Yifu, Wang Chunyu, Wang Xinggang, Zeng Wenjun, Liu Wenyu. 2021 . "FairMOT: On the Faimess of Detection and Re-ldentification in Multiple Object Tracking". IEEE Transactions on Communications Systems, 11 (4), 360-393.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).