学術的背景 公共安全の需要が日増しに高まる中、特にメッカ巡礼（Hajj）のような大規模な宗教行事において、密集した群衆の中での異常行動の検出は重要な課題となっています。既存の検出方法は、遮蔽、照明の変化、統一された服装などの複雑な条件下でしばしば性能が低下し、検出精度が低下する傾向があります。これらの課題に対応するため、研究者たちは、リアルタイム監視の精度と効率を向上させるためのより先進的なコンピュータビジョン技術の開発に取り組んでいます。 本研究の核心は、改良されたYOLOv8モデルであるCrowd Anomaly Detection Framework (CADF)を提案し、Soft-NMS（非極大値抑制のソフト版）技術を統合することで、複雑な環境下での検出精度を大幅に向上させた点にあり...

確率メモリオートエンコーディングネットワークを用いた監視カメラ映像の異常行動検出研究 学術的背景 インテリジェント監視システムにおいて、異常行動検出は、テロ対策、社会の安定維持、公共の安全確保など、極めて重要な機能です。しかし、異常行動検出には核心的な課題があります。それは、通常の行動データと異常行動データの極端な不均衡です。通常の行動データは大量に入手可能ですが、異常行動データは少なく、予測が困難です。この不均衡により、従来の教師あり学習手法では効果的なモデルの訓練が難しくなっています。そのため、大量の通常行動データを活用して通常行動の分布をモデル化し、それに基づいて異常行動を検出する方法の研究が重要な方向性となっています。 近年、深層学習に基づく手法が異常行動検出において顕著な進展を遂げ...