专栏首页arxiv.org翻译专栏基于运动和区域感知对抗学习的热成像坠落检测(CS CV)
原创

基于运动和区域感知对抗学习的热成像坠落检测(CS CV)

自动坠落检测技术是保证人体健康和安全的关键技术。 基于家庭的摄像系统用于探测坠落,经常使人们的隐私处于危险之中。 热成像摄像头可以部分 / 完全模糊面部特征,从而保护人的隐私。 另一个挑战是,与日常生活活动相比,跌倒的发生率较低。 由于下降很少发生,它是非平凡的学习算法,由于类不平衡。 为了解决这些问题,我们使用热成像摄像机将跌落探测作为对抗性框架内的异常检测。 我们提出了一种新型的对抗网络,它由两个通道3d 卷积自动编码器组成,每个通道处理视频序列和光流,然后重建热数据和光流输入序列。 介绍了微分约束、感兴趣区域跟踪技术和计算重建误差的联合鉴别器。较大的重建错误表明在视频序列中发生了跌倒。 在一个公开的热落差数据集上的实验显示了与标准基线相比所获得的优越的结果。

原文题目:Motion and Region Aware Adversarial Learning for Fall Detection with Thermal Imaging

原文:Automatic fall detection is a vital technology for ensuring health and safety of people. Home based camera systems for fall detection often put people's privacy at risk. Thermal cameras can partially/fully obfuscate facial features, thus preserving the privacy of a person. Another challenge is the less occurrence of falls in comparison to normal activities of daily living. As fall occurs rarely, it is non-trivial to learn algorithms due to class imbalance. To handle these problems, we formulate fall detection as an anomaly detection within an adversarial framework using thermal imaging camera. We present a novel adversarial network that comprise of two channel 3D convolutional auto encoders; one each handling video sequences and optical flow, which then reconstruct the thermal data and the optical flow input sequences. We introduce a differential constraint, a technique to track the region of interest and a joint discriminator to compute the reconstruction error. Larger reconstruction error indicates the occurrence of fall in a video sequence. The experiments on a publicly available thermal fall dataset show the superior results obtained in comparison to standard baseline.

原文作者:Vineet Mehta

原文地址:https://arxiv.org/abs/2004.08352

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 人机交互的社会适应框架(CS RO)

    在我们的日常生活中,我们习惯于与同龄人进行复杂的、个性化的、适应性的互动。 对于一个社交机器人来说,能够再现这种丰富的,类似人类的互动,它应该意识到我们的需求和...

    用户7095611
  • 将遗留软件系统迁移到云的挑战:一项实证研究(CS SE)

    将现有遗留系统转移到云平台是一个困难和高成本的过程,可能涉及技术和非技术资源和挑战。 有证据表明,由于缺乏对云计算迁移的理解和准备,导致许多迁移失败,无法实现组...

    用户7095611
  • 面向模型检验的真实软件定义网络(CS NI)

    在软件定义的网络(sdn)中,控制器程序负责跨大量交换机部署不同的网络功能,但这样做的风险很大: 部署有缺陷的控制器代码可能导致网络和服务中断和安全漏洞。 因此...

    用户7095611
  • 主动出行中的相互依赖:步行,骑自行车和共享自行车时的联合建模和激励溢出(CS CY)

    主动出行传统上是指需要进行身体活动的方式,可提供一系列的身体,情感和社交福祉。但是,随着共享经济的扩散,新的非机动化交通工具正进入人们的视野,在与其他竞争方式同...

    小童
  • 【双语频道】ONOS架构原理

    The purpose of this ONOS talk is to convey the rationale behind our approach to ...

    SDNLAB
  • 人机交互的社会适应框架(CS RO)

    在我们的日常生活中,我们习惯于与同龄人进行复杂的、个性化的、适应性的互动。 对于一个社交机器人来说,能够再现这种丰富的,类似人类的互动,它应该意识到我们的需求和...

    用户7095611
  • 使用循环强化学习和模拟退火将其放置在集成电路中(AI LG)

    随着IC技术的复杂性不断提高,集成电路(IC)的物理设计和生产正变得越来越具有挑战性。布局一直是IC物理设计中最关键的步骤之一。通过数十年的研究,基于分区,以及...

    田冠宇
  • 利用多任务学习与众包的特点以提高皮损诊断(Human-Computer Interaction)

    人们认识到机器学习需要大量的带注释的数据。由于专家注释的高成本,群众外包,即要求非专家标记或轮廓图像,已被建议作为一种替代方案。虽然有许多有前途的结果被报道,诊...

    用户6869393
  • 强盗反馈下的机构设计(cs.GT)

    我们研究了多轮福利最大化机制设计问题,其中,在每一轮,一个机制分配一个分配给一组代理,并收取他们的价格。然后,代理报告他们实现的(随机)值给机制。这是由云市场和...

    Donuts_choco
  • 模仿学习 比较图

    ONE-SHOT HIGH-FIDELITY IMITATION: TRAINING LARGE-SCALE DEEP NETS WITH RL

    用户1908973

扫码关注云+社区

领取腾讯云代金券