1 / 25

Transporta l ī dzek ļ u noteikšana un parametru noskaidrošana izmantojot video apstr ā di

Transporta l ī dzek ļ u noteikšana un parametru noskaidrošana izmantojot video apstr ā di. Roberts Kadiķis Kārlis Freivalds. “Multifunkcionāla inteliģenta transporta sistēmas punkta tehnoloģija” (MITS). Nr.2DP/2.1.1.1.0/10/APIA/VIAA/086. Inteliģentās transporta sistēmas.

nuri
Download Presentation

Transporta l ī dzek ļ u noteikšana un parametru noskaidrošana izmantojot video apstr ā di

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Transporta līdzekļu noteikšana un parametru noskaidrošana izmantojot video apstrādi Roberts Kadiķis KārlisFreivalds “Multifunkcionāla inteliģenta transporta sistēmas punkta tehnoloģija” (MITS). Nr.2DP/2.1.1.1.0/10/APIA/VIAA/086

  2. Inteliģentās transporta sistēmas • Optimālākai satiksmes kontrolei un plānošanai- efektīvākai esošo ceļu izmantošanai http://e2af.com/trend/090113_p1.shtml http://sideth.com/cameras-set-up-to-navigate-capital%E2%80%99s-traffic-jams/ http://www.telegraph.co.uk/travel/travelnews/6408123/Drivers-face-chaos-as-15-million-cars-on-road-for-half-term.html

  3. Automašīnu atklāšana: fona uzkrāšana • Tukša ceļa fons tiek atņemts no šī brīža kadra [8]

  4. Automašīnu atklāšana: fona uzkrāšana Mediānas vērtība Vidējā vērtība [9] Iezīmēšanas metode Manuāla kadru izvēle

  5. Automašīnu atklāšana: pēc kustības • Sekojošu kadru starpība • Optiskās plūsmas analīze [10] [11]

  6. Izsekošana: pēc modeļiem [13] [12] [14]

  7. Izsekošana: pēc kontūra, apgabaliem • Mašīna aprakstīta ar kontūru, kas tiek izsekots: [15]

  8. Izsekošana: pēc iezīmēm, tēliem • Tiek atrastas un izsekotas objektu reprezentējošas iezīmes • Stūri robežas • Deformējami tēli [17] [16] [1]

  9. Interešu apgabalu izmantošana • Atklāšanas līnijas, virtuālie cilpu atklājēji [18] [19] [20] [10]

  10. Izaicinājumi • Nepieciešamas skaitļošanas jaudas reālā laika sistēmām • Mainīgi āra apstākļi • Mašīnu aizklāšanās • Ēnas • Darbība naktī [23] [22] [21]

  11. Piedāvātā metode Roberts Kadiķis Kārlis Freivalds • Atklāšanas līnija perpendikulāra ceļam • Tiek lietota kustības atklāšana kombinācijā ar fona uzkrāšanu • Automašīnai šķērsojot atklāšanas līniju, tiek izveidots intervāls. Kad mašīna izbrauc no līnijas, intervāls tiek slēgts. • Metode derīga ceļiem ar nenoteiktu joslu skaitu, • kuru virziens var laikā • mainīties. Kadiķis R., Freivalds K.: Efficient Video ProcessingMethodforTrafficMonitoringCombiningMotionDetectionandBackgroundSubtraction. Proceedings of the Fourth International Conferenceon Signal and Image Processing 2012 (ICSIP 2012)Lecture Notesin Electrical Engineering Volume 221, 2013, pp 131-141 Intervāls Atklāšanas līnija

  12. Kustības atklāšana • Tiek iegūta un sliekšņota sekojošu kadru starpības absolūtā vērtība • Atbilstoši atklātajiem objektiem, tiek izveidots intervāls Intensitāte: t b) a) Kadru starpība: Sliekšņošana: Intervāli: d) White pixelsindicate motion c) d) e)

  13. Fona atņemšana: intensitāte • Tiek lietota stāvošu un vienmērīgi krāsotu objektu atklāšanai • Priekšplāna objektus atrod pēc vairākiem parametriem – intensitāte, robežas un krāsas Intensitāte: Intensitātes fons Fona atņemšana: c) a) b) Sliekšņošana: F – fona pikseļa intensitāte S – šī brīža kadra pikseļa intensitāte α – fona atjaunošanās ātrums k – kadra numurs d)

  14. Fona atņemšana: robežas Intensitāte: Robežas: Robežu fons: • Bieži zīmīgākās robežas ir intervālu galos c) a) b) Fona atņemšana: Sliekšņošana: Intervāli: e) d) g)

  15. Fona atņemšana: krāsas Krāsu komponente: Fons: Fona atņemšana: Cr: a) c) e) Cb: b) d) f) Komponenšu summa: Sliekšņošana g) h)

  16. Adaptīvu sliekšņu iegūšana Attēls, tā histogramma un atrastais slieksnis: Otsu metodē pikseļi tiek sadalīti tādējādi, ka fona un priekšplāna pikseļu izkliežu summa ir minimāla: Pikseļu skaits Izveidotais attēls: Wf – priekšplāna pikseļu skaits Wb – fona pikseļu skaits σf2– priekšplāna pikseļu dispersija σb2 – fona pikseļu dispersija σw2 –svaroto dispersiju summa Pikseļu intensitāte

  17. Automašīnu skaitīšana Intervāli: • Ja intervāls bijis pietiekami plats un pastāvējis pietiekamu kadru skaitu, mašīnu skaits tiek palielināts • Algoritms spēj atklāt atsevišķus aizklāšanās gadījumus W– intervāla maksimālais platums H – kadru skaits, kuros intervāls ir eksistējis occlusion H W

  18. Algoritma demonstrācija

  19. Testu rezultāti

  20. Vairāku atklāšanas līniju apvienošana • Skaitīšanas precizitātes palielināšana • Automašīnu parametru (izmēri, ātrums, virziens) iegūšana

  21. Projekcijas transformācija

  22. Parametru noteikšana • Platums ir vidējais intervāla garums • Ātrumu nosaka no laika, kurā mašīna nonāk līdz nākamajai līnijai • Garumu nosaka no ātruma un laika, vai tieši no taisnstūra garuma

  23. Augstuma noteikšana • Augstumu rēķina no attiecības starp īsāko un garāko intervālu, kas pieder mašīnai

  24. Noslēgums • Piedāvāts automašīnu atklāšanas algoritms, kas balstās uz jaunu pieeju - veidojot mašīnām atbilstošos intervālus uz atklāšanas līnijas. • Algoritms spēj atklāt automašīnas pie mainīga apgaismojuma, dažādos laika apstākļos • Precizitāte līdzīga kā citiem algoritmiem • Mazs skaitļošanas resursu patēriņš • Parametru noskaidrošana un klasifikācija

  25. Paldies par uzmanību!

More Related