تشخیص ابعاد و سرعت خودرو از ویدئوی دریافتی از دوربین کالیبره‌نشده
الموضوعات :رسول عسگریان دهکردی 1 , حسین خسروی 2
1 - دانشگاه صنعتی شاهرود
2 - دانشگاه صنعتی شاهرود
الکلمات المفتاحية: ابعاد خودروتشخیص سرعتکالیبراسیون دوربینمدل‌سازی پس‌زمینهمخلوط گاوسی بهبودیافته,
ملخص المقالة :
در این مقاله روش مناسبی برای کالیبراسیون دوربین و به دست آوردن ابعاد و سرعت خودروها به صورت تمام خودکار و بدون نیاز به دخالت کاربر ارائه شده است. در روش پیشنهادی، ابتدا با استفاده از چند قاب اول ویدئوی ورودی و با توجه به جهت حرکت خودروها، مختصات نقاط محوشدگی و فاصله کانونی دوربین به دست می‌آید. سپس با شناسایی محدوده خودروهای متحرک جعبه سه‌بُعدی محیطی خودرو با استفاده از راستای نقاط محوشدگی تشکیل می‌گردد. در ادامه برای مقابله با پرسپکتیو، جعبه محیطی هر خودرو بر روی صفحه جاده فرضی تصویر شده و ضریب متری (تبدیل پیکسل به متر) پس از تصویرکردن چند خودرو بر صفحه جاده و با توجه به ابعاد واقعی خودروی غالب به دست می‌آید. تصویرکردن خودرو بر صفحه جاده و استفاده از ضریب متری، امکان بیان سرعت و ابعاد واقعی خودروها در هر قاب را فراهم می‌کند که البته ممکن است با خطا همراه باشد. برای افزایش دقت نتایج، این پارامترها در بازه‌ای که خودرو در معرض دوربین قرار دارد، تجمیع شده و هیستوگرام‌هایی برای سرعت و ابعاد هر خودرو تشکیل می‌شود. سپس بیشینه این هیستوگرام‌ها به عنوان مقادیر جدید سرعت و ابعاد برای هر خودرو گزارش می‌شود که این کار دقت نتایج را بهبود می‌بخشد. تشکیل هیستوگرام‌ها برای هر خودرو، نیازمند ردیابی خودرو در چندین قاب است و برای ردیابی، روشی ساده و بدون پیچیدگی ارائه شده است. مقایسه نتایج روش پیشنهادی با روش‌های دیگر بیانگر سرعت پردازش بالاتر و پاسخ بهتر روش پیشنهادی است به گونه‌ای که میانگین خطای این روش در محاسبه ابعاد برابر با 4/1%، میانگین خطا در محاسبه سرعت برابر باkm/h 1/1 و میانگین سرعت پردازش روش پیشنهادی برای ویدئوهای تست در MATLAB به حدود 5/3 قاب در ثانیه می‌رسد.
[1] M. Dubska, A. Herout, R. Juranek, and J. Sochor, "Fully automatic roadside camera calibration for traffic surveillance," IEEE Trans. on Intelligent Transportation Systems, vol. 16, no. 3, pp. 1162-1171, Jun. 2015.
[2] D. N. Dawson and S. T. Birchfield, "An energy minimization approach to automatic traffic camera calibration," IEEE Trans. on Intelligent Transportation Systems, vol. 14, no. 3, pp. 1095-1108, Sep. 2013.
[3] T. N. Schoepflin and D. J. Dailey, "Dynamic camera calibration of roadside traffic management cameras for vehicle speed estimation," IEEE Trans. on Intelligent Transportation Systems, vol. 4, no. 2, pp. 90-98, Jun. 2003.
[4] K. Wang, H. Huang, Y. Li, and F. Y. Wang, "Research on lane-marking line based camera calibration," in Proc. of IEEE Int. Conf. on Vehicular Electronics and Safety, 6 pp. 1-6, Beijing, China, 13-15 Dec. 2007.
[5] T. W. Pai, W. J. Juang, and L. J. Wang, "An adaptive windowing prediction algorithm for vehicle speed estimation," in Proc. of IEEE Intelligent Transportation Systems, ITSC'01, pp. 901-906, Oakland, CA, USA, 25-29 Aug. 2001.
[6] X. C. He and N. H. C. Yung, "A novel algorithm for estimating vehicle speed from two consecutive images," in Proc. of IEEE Workshop on Applications of Computer Vision, pp. 12-12, Austin, TX, USA, 21-22 Feb. 2007.
[7] F. Cathey and D. Dailey, "A novel technique to dynamically measure vehicle speed using uncalibrated roadway cameras," in Proc. Intelligent Vehicles Symp., pp. 777-782, Las Vegas, NV, USA, 6-8 Jun. 2005.
[8] X. You and Y. Zheng, "An accurate and practical calibration method for roadside camera using two vanishing points," Neurocomputing, vol. 204, pp. 222-230, Sept. 2016.
[9] P. Filipiak, B. Golenko, and C. Dolega, "NSGA-II based auto-calibration of automatic number plate recognition camera for vehicle speed measurement," in Proc. 19th European Conf. on Applications of Evolutionary Computation, pp. 803-818, Apr. 2016.
[10] D. C. Luvizon, B. T. Nassu, and R. Minetto, "Vehicle speed estimation by license plate detection and tracking," in Proc. IEEE Int. Conf. on Acoustics, Speech and Signal Processing, ICASSP'14, pp. 6563-6567, Florence, Italy, 4-9 May 2014.
[11] I. Sina, et al., "Vehicle counting and speed measurement using headlight detection," in Proc. Int. Conf. on Advanced Computer Science and Information Systems, ICACSIS'13, pp. 149-154, Bali, Indonesia, 28-29 Sept. 2013.
[12] H. Eslami, A. Raie, and K. Faez, "Precise vehicle speed measurement for law enforcement applications based on calibrated camera with parallel standard patterns,"IET Computer Vision, vol. 10, no. 5, pp. 398-406, Aug. 2016.
[13] M. Famouri, Z. Azimifar, and A. Wong, "A novel motion plane-based approach to vehicle speed estimation," IEEE Trans. on Intelligent Transportation Systems, vol. 20, no. 4, pp. 1237-1246, Apr. 2019.
[14] س. ا. آقایان و ح. خسروی، "تخمین بلادرنگ سرعت خودرو از طریق دوربین به کمک ردیابی مرکز ثقل و پیاده‌سازی آن روی برد توسعه 4XU،" مجموعه مقالات دهمین کنفرانس بینایی ماشین و پردازش تصویر ایران، اصفهان، انجمن ماشین بینایی و پردازش تصویر ایران، 6 صص.، اصفهان، آذر 1396.
[15] M. Dubsk'a, J. Sochor, and A. Herout, "Automatic camera calibration for traffic understanding," in Proc. of the British Machine Vision Conf., 12 pp., Nottingham, UK, 2014.
[16] J. Sochor and A. Herout, "Unsupervised processing of vehicle appearance for automatic understanding in traffic surveillance," in Proc. Int. Conf. on Digital Image Computing: Techniques and Applications, DICTA'15, 8 pp., Adelaide, Australia, 23-25 Nov. 2015.
[17] S. Kamijo, Y. Matsushita, K. Ikeuchi, and M. Sakauchi, "Traffic monitoring and accident detection at intersections," in Proc. IEEE/IEEJ/JSAI Int. Conf. on Intelligent Transportation Systems, pp. 703-708, Tokyo, Japan, 5-8 Oct. 1999.
[18] Z. Zivkovic, "Improved adaptive Gaussian mixture model for background subtraction," in Proc. of the 17th Int. Conf. on Pattern Recognition, ICPR'04, vol. 2, pp. 28-31, 26-26 Aug. 2004.
[19] P. D. Patil and A. D. Kumbhar, "Bilateral filter for image denoising," in Proc. Int. Conf. on Green Computing and Internet of Things, ICGCIoT'15, pp. 299-302, Noida, India, 8-10 Oct. 2015.
[20] N. Otsu, "A threshold selection method from gray-level histograms," IEEE Trans. on Systems, Man, and Cybernetics, vol. 9, no. 1, pp. 62-66, Jan. 1979.
[21] J. Sochor, Traffic Analysis from Video, Thesis Ph.D., Brno University of Technology, 2014.
[22] پ. معلم و ر. عسگریان دهکردی، "ردیابی تصویری سریع، مطمئن و مقاوم نسبت به انسداد با کمک یک مدل تقسیم‌شده مبتنی بر لبه،" نشريه مهندسی برق و مهندسی کامپيوتر ايران، ب- مهندسي كامپيوتر ، سال 15، شماره 1، صص. 45-37، بهار 1396.
[23] https://medusa.fit.vutbr.cz/traffic/research-topics/traffic-camera-calibration/automatic-camera-calibration-for-traffic-understanding-bmvc-2014/
[24] J. Sochor, R. Juranek, J. Spanhel, L. Marsik, and A. Siroky, "BrnoCompSpeed: review of traffic camera calibration and comprehensive dataset for monocular speed measurement," CoRR, 10 pp., 2017.
