Vision-based Conflict Detection within Crowds based on High-Resolution Human Pose Estimation for Smart and Safe Airport

要約

今後の空港は、旅行者の増加に伴い、より複雑化し、混雑が予想されます。そのため、空港は潜在的な紛争の温床となり、フライトの大幅な遅延や安全上の問題を引き起こす可能性があります。このような紛争を検知するために、セキュリティ監視をより効果的にするインテリジェントなアルゴリズムがあれば、乗客の安全、経済、旅行効率の面で多くの利点をもたらすことができる。本論文では、群衆の中の衝突行動を分類するための機械学習モデルの開発について詳述する。HRNetを用いて画像を分割し、次に複数の分類器を用いてフレーム内の人物のポーズを分類する2つのアプローチをとる。その結果、サポートベクターマシン（SVM）が最も性能が良く、94.37%の精度を達成しました。しかし、ハグやフレーム内の被写体を見失うような曖昧な行動に対しては、このモデルは不十分であることがわかりました。このモデルは、膨大な数の潜在的な乗客に対応できるように改良され、さらに空港で発生する曖昧な行動に対する訓練が行われれば、空港内での展開の可能性を持っています。さらに、セキュリティ監視の強化や空港の安全性向上にも貢献します。

要約(オリジナル)

Future airports are becoming more complex and congested with the increasing number of travellers. While the airports are more likely to become hotspots for potential conflicts to break out which can cause serious delays to flights and several safety issues. An intelligent algorithm which renders security surveillance more effective in detecting conflicts would bring many benefits to the passengers in terms of their safety, finance, and travelling efficiency. This paper details the development of a machine learning model to classify conflicting behaviour in a crowd. HRNet is used to segment the images and then two approaches are taken to classify the poses of people in the frame via multiple classifiers. Among them, it was found that the support vector machine (SVM) achieved the most performant achieving precision of 94.37%. Where the model falls short is against ambiguous behaviour such as a hug or losing track of a subject in the frame. The resulting model has potential for deployment within an airport if improvements are made to cope with the vast number of potential passengers in view as well as training against further ambiguous behaviours which will arise in an airport setting. In turn, will provide the capability to enhance security surveillance and improve airport safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL