Методи обробки даних відеокамер спостереження транспортного руху в реальному часі

Автор(и)

  • С. Савастру КПІ ім. Ігоря Сікорського, Україна
  • I. Стеценко КПІ ім. Ігоря Сікорського, Україна

DOI:

https://doi.org/10.20535/1560-8956.43.2023.292269

Ключові слова:

аналіз відеопотоку, трафік, TLCR, показник інтенсивності руху, відстеження транспортних засобів

Анотація

Метою даної роботи є підвищення ефективності існуючих методів оцінки стану дорожнього трафіку за даними з камер відеоспостереження та розробка нових методів. Обʼєктом дослідження є програмні засоби та методи аналізу стану
дорожнього трафіку за даними з відеопотоку. У дослідженні розглянуто методи аналізу відеопотоку для оцінки трафіку на ділянці дороги, у тому числі показник завантаженості ділянки дороги Traffic Lane Congestion Ratio (TLCR), вказані обмеження методу його розрахунку, пов’язані з перспективою та запропоновано способи їх вирішення за допомогою введення показника Modified Traffic Lane Congestion Ratio (MTLCR). Вперше запропоновано показник інтенсивності руху Traffic Lane Intensity Ratio (TLIR), який дає змогу оцінити поточну інтенсивність трафіку на ділянці дороги та швидко адаптуватись до змін на дорозі. Система двох показників MTLCR та TLIR дає змогу точно визначати завантаженість дороги та інтенсивність руху транспорту. Розроблено архітектуру програмного засобу для моніторингу показників за даними з відеопотоку в реальному часі.

Бібл. 7, іл. 4, табл. 3

Посилання

Stetsenko, I.V., Stelmakh, O. (2020). Traffic Lane Congestion Ratio Evaluation by Video Data. Advances in Intelligent Systems and Computing 1019, 172-181. Springer, Cham. https://doi.org/10.1007/978-3-030- 25741-5_18

Kulkarni A. P. and Baligar V. P., "Real Time Vehicle Detection, Tracking and Counting Using Raspberry-Pi," 2020 2nd International Conference on Innovative Mechanisms for Industry Applications (ICIMIA), Bangalore, India, 2020, pp. 603-607, doi: 10.1109/ICIMIA48430.2020.9074944.

Ronneberger, O., Fischer, P. and Brox, T. (2015). U-net: Convolutional networks for biomedical image segmentation. In International Conference on Medical image computing and computer-assisted intervention (pp. 234-241). Springer, Cham.

Car and truck traffic on the highway in europe poland summer day. URL: https://www.vecteezy.com/video/7957364-car-and-truck-traffic-on-the-highway-in-europe-poland-summer-day (date of access: 25.09.2023)

OpenCV. URL:https://docs.opencv.org/4.x/ (date of access: 25.09.2023)

C. -Y. Wang, A. Bochkovskiy and H. -Y. M. Liao, "YOLOv7: Trainable Bag-of-Freebies Sets New State-of-the-Art for Real-Time Object Detectors," 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Vancouver, BC, Canada, 2023, pp. 7464-7475, doi: 10.1109/CVPR52729.2023.00721.

Dahl, M., Javadi, S. (2020). Analytical Modeling for a Video-Based Vehicle Speed Measurement Framework. Sensors 20, 160.

##submission.downloads##

Опубліковано

2023-12-01