赤外画像を用いたCNNベースの夜間侵入警告システムのための人検出

夜間監視は、安全およびセキュリティの目的で重要です。この理由から、いくつかの研究が赤外線カメラを使用して制限区域に侵入する人々を自動的に検出しようとしています。しかし、赤外線CCTV（閉回路テレビ）から人を検出するのは難しいです。なぜなら、通常それらは高所に設置されており、人は結果として得られる画像の中で小さな領域を占めるからです。したがって、本研究は夜間の赤外線CCTV画像における人の検出のための正確で効率的な方法を提案します。この目的のために、3つの異なる赤外画像データセットが構築されました。2つは公共の浜辺に設置された赤外線CCTVから取得され、もう1つは歩行者用橋に設置された前方視赤外線（FLIR）カメラから取得されました。さらに、細かい人の検出のための畳み込みニューラルネットワーク（CNN）ベースのピクセル単位の分類器が実装されました。提案された方法の検出性能は、5つの従来の検出方法と比較されました。その結果、提案されたCNNベースの人間検出アプローチは、すべてのデータセットで従来の検出アプローチを上回ることが示されました。特に、提案された方法は、すべてのデータセットでオブジェクトレベルの検出において80％を超えるF1スコアを維持しました。赤外画像からの人検出の性能を向上させることにより、この研究が夜間の公共エリアの安全とセキュリティに貢献することを期待しています。