Low-light Pedestrian Detection in Visible and Infrared Image Feeds: Issues and Challenges

要約

歩行者の検出は、自動運転、インテリジェント交通、交通監視など、いくつかの高レベルのタスクの基礎となっています。
主に昼間における可視画像を用いた歩行者検出に焦点を当てた作品がいくつかある。
ただし、環境条件が照明不足や夜間に変化した場合、この作業は非常に興味深いものになります。
最近では、暗い場所で歩行者を検出するための遠赤外線 (FIR) 温度センサー フィードなど、代替ソースを使用するという新しいアイデアが生まれています。
この研究では、低照度の歩行者検出アプローチの最近の開発をレビューします。
地域ベースから非地域ベース、グラフベースの学習方法論まで、さまざまなアルゴリズムを系統的に分類して分析し、その方法論、実装上の問題、課題を強調します。
また、特に暗い状況での高度な歩行者検出アルゴリズムの研究開発に使用できる主要なベンチマーク データセットについても概説します。

要約(オリジナル)

Pedestrian detection has become a cornerstone for several high-level tasks, including autonomous driving, intelligent transportation, and traffic surveillance. There are several works focussed on pedestrian detection using visible images, mainly in the daytime. However, this task is very intriguing when the environmental conditions change to poor lighting or nighttime. Recently, new ideas have been spurred to use alternative sources, such as Far InfraRed (FIR) temperature sensor feeds for detecting pedestrians in low-light conditions. This study reviews recent developments in low-light pedestrian detection approaches. It systematically categorizes and analyses various algorithms from region-based to non-region-based and graph-based learning methodologies by highlighting their methodologies, implementation issues, and challenges. It also outlines the key benchmark datasets that can be used for research and development of advanced pedestrian detection algorithms, particularly in low-light situations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google