Trashbusters: Deep Learning Approach for Litter Detection and Tracking

非法垃圾处理是一个重要的公共卫生和环境问题。在未经规划的地方处理垃圾会带来严重的健康和环境风险。我们应该尽可能地限制公共垃圾桶的使用。这项研究专注于自动化处罚乱扔垃圾者，解决公共场所乱扔垃圾的持续问题。传统方法依赖于手动干预和目击报告，存在延迟、不准确和匿名性问题。为了克服这些挑战，本文提出了一个完全自动化的系统，利用监控摄像头和先进的计算机视觉算法进行垃圾检测、物体跟踪和人脸识别。该系统准确地识别和跟踪从事乱扔垃圾活动的个人，通过人脸识别附加其身份，并实现有效执行反乱扔垃圾政策。通过减少对手动干预的依赖，最小化人为错误，并提供及时的识别，所提出的系统在解决乱扔垃圾事件方面具有显著的优势。本研究的主要贡献在于实施所提出的系统，利用先进技术增强监视操作并自动化处罚乱扔垃圾者。

自动化处罚乱扔垃圾行为，解决公共场所乱扔垃圾的问题。

利用监控摄像头和先进的计算机视觉算法进行垃圾检测、物体跟踪和人脸识别，实现对乱扔垃圾者的自动化惩罚。

论文提出的系统利用了先进的技术来增强监控操作和自动化惩罚乱扔垃圾者。实验使用了监控摄像头和人工标注的数据集，并取得了较好的效果。

最近的相关研究包括：《基于深度学习的垃圾检测系统》、《基于机器视觉的垃圾分类系统》等。