要約
近年、広域視覚監視システムがさまざまな産業や輸送のシナリオに広く適用されています。
しかし、これらのシステムは、高解像度イメージング、効率的な物体検索、正確な位置特定の必要性から生じる矛盾により、複数物体検出を実装する際に大きな課題に直面しています。
これらの課題に対処するために、本稿では、広角カメラ、高速探索カメラ、ガルバノミラーを組み込んだハイブリッドシステムを紹介します。
このシステムでは、広角カメラがパノラマ画像を事前情報として提供し、捜索カメラが対象物の詳細な画像を捕捉するのに役立ちます。
この統合されたアプローチにより、広域視覚検出システムの全体的な効率と有効性が向上します。
具体的には、この研究では、目標物体が存在する確率の高い領域を推定するためのパノラマ確率マップ (PPM) を生成する広角カメラベースの方法を紹介します。
次に、PPM によって生成された事前情報を使用して、サンプリング範囲を動的に調整し、物体検出器によって計算された不確実性分散に基づいてターゲット座標を調整する確率検索モジュールを提案します。
最後に、PPM と確率検索モジュールの統合により、120 fps の複数オブジェクトの検索と検出を達成できる効率的なハイブリッド ビジョン システムが実現します。
システムの有効性と堅牢性を検証するために、広範な実験が行われています。
要約(オリジナル)
In recent years, wide-area visual surveillance systems have been widely applied in various industrial and transportation scenarios. These systems, however, face significant challenges when implementing multi-object detection due to conflicts arising from the need for high-resolution imaging, efficient object searching, and accurate localization. To address these challenges, this paper presents a hybrid system that incorporates a wide-angle camera, a high-speed search camera, and a galvano-mirror. In this system, the wide-angle camera offers panoramic images as prior information, which helps the search camera capture detailed images of the targeted objects. This integrated approach enhances the overall efficiency and effectiveness of wide-area visual detection systems. Specifically, in this study, we introduce a wide-angle camera-based method to generate a panoramic probability map (PPM) for estimating high-probability regions of target object presence. Then, we propose a probability searching module that uses the PPM-generated prior information to dynamically adjust the sampling range and refine target coordinates based on uncertainty variance computed by the object detector. Finally, the integration of PPM and the probability searching module yields an efficient hybrid vision system capable of achieving 120 fps multi-object search and detection. Extensive experiments are conducted to verify the system’s effectiveness and robustness.
arxiv情報
著者 | Xianlei Long,Hui Zhao,Chao Chen,Fuqiang Gu,Qingyi Gu |
発行日 | 2024-05-07 18:06:40+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google