群衆カウント

群衆カウントは、特定のエリアにいる群衆の総数を数える行為として知られています。特定のエリアにいる人々は群衆と呼ばれます。最も直接的な方法は、群衆の中の一人一人を実際に数えることです。たとえば、イベントに参加する人の数を正確に数えるために、回転式改札口がよく使用されます。^[1]

現代の理解

2000年代初頭から、「群衆カウント」というフレーズの理解が変化してきました。より単純な群衆カウント方法からクラスターと密度マップへの移行により、群衆カウント方法にはいくつかの改善が加えられました。群衆カウントは、1枚の写真に存在する人の数を推定することとも定義できます。^[2]

群衆を数える方法

過去10年間のCNN（畳み込みニューラルネットワーク）の技術の急速な進歩と成長により、群衆カウントにおけるCNNの使用は急増しました。CNNベースの方法は、主に以下のモデルに分類できます。^[3]

ジェイコブス法

抗議活動や集会の群衆を数える最も一般的な手法は、発明者のハーバート・ジェイコブスにちなんで名付けられたジェイコブス法である。ジェイコブス法では、群衆が占めるエリアをいくつかのセクションに分割し、各セクションの平均人数を決定し、それに占めるセクションの数を掛ける。Life 's Little Mysteriesのレポートによると、このような推定に時々使用される技術には、「レーザー、衛星、航空写真、3Dグリッドシステム、録画されたビデオ映像、監視気球などがあり、通常はイベントの場所の周囲数ブロックに繋がれ、上空400～800フィート（120～240メートル）を飛行する」。^[2]

直接回帰に基づくカウント

この群衆カウント法では、画像全体に対するグローバル画像特徴の回帰を使用します。グローバル画像特徴とは、写真の特定の領域のさまざまな特性を指します。たとえば、グローバル画像特徴には「輪郭表現、形状の説明、テクスチャの特徴」が含まれます。^[4]

物体の分布情報が考慮されていないため、物体の位置特定は回帰分析では処理できません。^[5]さらに、このモデルは群衆パターンの記述に基づいて群衆の密度を推定するため、個々のトラッカーは無視されます。^[2]これにより、回帰ベースのモデルは混雑した画像で非常に効率的になります。ピクセルあたりの密度が非常に高い場合は、回帰モデルが最適です。

以前の群衆カウント法では古典的な回帰モデルが採用されていました。^[6]

密度に基づくカウント

オブジェクト密度マップは、特定のエリアにあるオブジェクトの合計数を見つけることに依存しています。これは、そのエリア内のオブジェクトの数の積分合計によって決定されます。^[5]密度値は低い値を通じて推定されるため、密度ベースのカウントにより、ユーザーは回帰ベースのモデルの利点と情報の位置特定を体験できます。^[5]情報の位置特定とは、位置情報を維持する行為を指します。

群衆カウントの強化

上記のモデルを効率的に使用するには、大量のデータが必要です。しかし、ユーザーとして、私たちは限られたデータ、つまり元の画像に縛られています。これらの問題を補うために、ランダムクロッピングなどのトリックを使用します。ランダムクロッピングとは、既存の元の画像から特定のサブ画像をランダムに選択する行為を指します。

ランダムな切り抜きを数回繰り返した後、サブ画像は機械学習アルゴリズムに送られ、アルゴリズムの一般化が向上します。

密集したエリアでの群衆カウントに関連する問題に対処するには、密度ベースのカウント方法を採用できます。これらの画像ピラミッドは、一般的に、人々が集まって儀式を行ったり、宗教的信仰を実践したりする場所での群衆カウントに使用されます。これは、画像内の場所によって人々の規模が異なるためです。

しかし、画像ピラミッドに必要なアルゴリズムを採用するのは非常に高価であるため、これらの方法に依存することは財政的に不安定です。その結果、ディープフュージョンモデルが関与する可能性があります。^[7]

これらのディープフュージョンモデルは、「ニューラルネットワークを使用して、密度マップの回帰精度を向上させます。」^[8]。これらのモデルは、まず写真内の各民間人の位置をマークします。次に、モデルは「歩行者の位置、形状、遠近法の歪み」を使用して、そのエリアの密度マップを決定します。^[8] アルゴリズムとスキャンプロセスが何度も繰り返されるため、人の数は人の頭でカウントされます。これは、民間人の体が互いに重なり合っている場合が多いためです。

重要性

群衆カウントは、さまざまなことの中でも「公共の安全、アセンブリ言語、ビデオ監視」^[9]で重要な役割を果たします。群衆制御がなければ、計画が不十分なために、いくつかの恐ろしい事故が発生する可能性があります。最も有名なもののいくつかは、4月15日にイギリスで発生したヒルボロの惨事です。もう1つの忘れられない事件は、ルイス・ファラカーンが、彼が主催した1995年のミリオン・マン・マーチに40万人しか参加しなかったと発表したとして、ワシントンDC公園警察を訴えると脅した事件です。

密閉された会場ではなく、路上や公園で行われるイベントでは、群衆を数えることはより困難で、正確性も低くなります。多くのイベント、特に政治集会や抗議活動では、群衆の人数は政治的な意味を持ち、数え上げの結果は議論の的となります。たとえば、イラク戦争に対する世界的な抗議活動では、主催者側と警察側で発表された人数が大きく異なる抗議活動が数多くありました。

参考文献

^ 「ターンスタイルとは何か？（写真付き）」EasyTechJunkie . 2022年10月11日閲覧。
^ abc Loy, Chen Change; Chen, Ke; Gong, Shaogang; Xiang, Tao (2021). 「Fine-Grained Crowd Counting」. IEEE Transactions on Image Processing . 30 : 2114–2126. arXiv : 2007.06146 . Bibcode :2021ITIP...30.2114W. doi :10.1109/TIP.2021.3049938. PMID 33439838. S2CID 220496399.
^ Chu, Huanpeng; Tang, Jilin; Hu, Haoji (2021-10-01). 「群衆カウントのための注意誘導特徴ピラミッドネットワーク」. Journal of Visual Communication and Image Representation . 80 : 103319. doi :10.1016/j.jvcir.2021.103319. ISSN 1047-3203. S2CID 241591128.
^ Lisin, Dimitri A.; Mattar, Marwan A.; Blaschko, Matthew B.; Benfield, Mark C.; Learned-Mille, Erik G. 「オブジェクトクラス認識のためのローカルおよびグローバル画像特徴の組み合わせ」(PDF)。
^ abc Kang, D.; Ma, Z.; Chan, AB (2019 年 5 月)。「カウントを超えて: 群衆分析タスクのための密度マップの比較 - カウント、検出、追跡」。IEEE Transactions on Circuits and Systems for Video Technology。29 ( 5): 1408–1422。arXiv : 1705.10118。doi : 10.1109 / TCSVT.2018.2837153。S2CID 19706288 。
^ Delussu, Rita; Putzu, Lorenzo; Fumera, Giorgio (2022). 「合成トレーニング画像を使用したシーン固有の群衆カウント」.パターン認識. 124 : 108484. Bibcode :2022PatRe.12408484D. doi :10.1016/j.patcog.2021.108484. hdl : 11584/341493 . S2CID 245109866.
^ Khan, Sultan Daud; Salih, Yasir; Zafar, Basim; Noorwali, Abdulfattah (2021-09-28). 「高密度の混雑したシーンでの群衆カウントのためのディープフュージョンネットワーク」。International Journal of Computational Intelligence Systems。14 ( 1): 168。doi : 10.1007 /s44196-021-00016- x。ISSN 1875-6883 。
^ ab Tang, Siqi; Pan, Zhisong; Zhou, Xingyu (2017-01-01 ) . 「群衆カウントのための低ランクおよびスパースベースのディープフュージョン畳み込みニューラルネットワーク」。数学的問題工学。2017 :1–11。doi : 10.1155/2017/5046727。
^ Chu, Huanpeng; Tang, Jilin; Hu, Haoji (2021-10-01). 「群衆カウントのための注意誘導特徴ピラミッドネットワーク」. Journal of Visual Communication and Image Representation . 80 : 103319. doi :10.1016/j.jvcir.2021.103319. ISSN 1047-3203. S2CID 241591128.

外部リンク

サロン：「抗議デモと群衆の数字ゲーム」
剪定：群衆を数える
群衆カウント: 「群衆の規模を測る最新のソリューション」
データフュージョンリサーチセンター: 「テーマパークが IoT とクラウドアナリティクスから得るメリット」
「MapChecking: 地図から区切られたエリアを使用して群衆の規模を推定する」

[1] 「ターンスタイルとは何か？（写真付き）」EasyTechJunkie . 2022年10月11日閲覧。

[lc-2] Loy, Chen Change; Chen, Ke; Gong, Shaogang; Xiang, Tao (2021). 「Fine-Grained Crowd Counting」. IEEE Transactions on Image Processing . 30 : 2114–2126. arXiv : 2007.06146 . Bibcode :2021ITIP...30.2114W. doi :10.1109/TIP.2021.3049938. PMID 33439838. S2CID 220496399.

[3] Chu, Huanpeng; Tang, Jilin; Hu, Haoji (2021-10-01). 「群衆カウントのための注意誘導特徴ピラミッドネットワーク」. Journal of Visual Communication and Image Representation . 80 : 103319. doi :10.1016/j.jvcir.2021.103319. ISSN 1047-3203. S2CID 241591128.

[4] Lisin, Dimitri A.; Mattar, Marwan A.; Blaschko, Matthew B.; Benfield, Mark C.; Learned-Mille, Erik G. 「オブジェクトクラス認識のためのローカルおよびグローバル画像特徴の組み合わせ」(PDF)。

[dk-5] Kang, D.; Ma, Z.; Chan, AB (2019 年 5 月)。「カウントを超えて: 群衆分析タスクのための密度マップの比較 - カウント、検出、追跡」。IEEE Transactions on Circuits and Systems for Video Technology。29 ( 5): 1408–1422。arXiv : 1705.10118。doi : 10.1109 / TCSVT.2018.2837153。S2CID 19706288 。

[6] Delussu, Rita; Putzu, Lorenzo; Fumera, Giorgio (2022). 「合成トレーニング画像を使用したシーン固有の群衆カウント」.パターン認識. 124 : 108484. Bibcode :2022PatRe.12408484D. doi :10.1016/j.patcog.2021.108484. hdl : 11584/341493 . S2CID 245109866.

[7] Khan, Sultan Daud; Salih, Yasir; Zafar, Basim; Noorwali, Abdulfattah (2021-09-28). 「高密度の混雑したシーンでの群衆カウントのためのディープフュージョンネットワーク」。International Journal of Computational Intelligence Systems。14 ( 1): 168。doi : 10.1007 /s44196-021-00016- x。ISSN 1875-6883 。

[go.gale.com-8] Tang, Siqi; Pan, Zhisong; Zhou, Xingyu (2017-01-01 ) . 「群衆カウントのための低ランクおよびスパースベースのディープフュージョン畳み込みニューラルネットワーク」。数学的問題工学。2017 :1–11。doi : 10.1155/2017/5046727。

[9] Chu, Huanpeng; Tang, Jilin; Hu, Haoji (2021-10-01). 「群衆カウントのための注意誘導特徴ピラミッドネットワーク」. Journal of Visual Communication and Image Representation . 80 : 103319. doi :10.1016/j.jvcir.2021.103319. ISSN 1047-3203. S2CID 241591128.