Συντάχθηκε 08-04-2014 11:47
από Eleni Stamataki
Email συντάκτη: estamataki<στο>tuc.gr
Ενημερώθηκε:
-
Ιδιότητα: σύνταξη/αποχώρηση υπάλληλος.
Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΤΣΕΠΑΠΑΔΑΚΗ ΜΙΧΑΗΛ
με θέμα
Αναγνώριση και Χαρακτηρισμός Κίνησης σε Κυκλοφοριακά Βίντεο
Identification and Characterization of Motion in Traffic Videos
Πέμπτη 10 Απριλίου 2014, 13.00 μ.μ
Αίθουσα 2042, Εξωτερικά Κτιρίου Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Καθηγητής Ζερβάκης Μιχαήλ (επιβλέπων)
Καθηγητής Καλαϊτζάκης Κωνσταντίνος
Αναπληρωτής Καθηγητής Λαγουδάκης Μιχαήλ
Περίληψη
Καθώς ο αριθμός των εφαρμογών που χρησιμοποιούν τεχνικές όρασης υπολογιστών έχει αυξηθεί πάρα πολύ, η ανίχνευση και ο εντοπισμός κινούμενων οχημάτων παραμένει μια πολύ δύσκολη και κρίσιμη διαδικασία στον τομέα της επιτήρησης της κυκλοφορίας. Στην παρούσα διπλωματική εργασία παρουσιάζεται ένα ολοκληρωμένο σύστημα επιτήρησης σε κυκλοφοριακά βίντεο για τον υπολογισμό της ταχύτητας των κινούμενων οχημάτων στο μετασχηματισμένο χώρο. Το σύστημά μας επεξεργάζεται βίντεο τα οποία έχουν ληφθεί από μια στατική κάμερα και έχει τη δυνατότητα να ανιχνεύει, να εντοπίζει και να ταξινομεί οχήματα. Αρχικά τα frames του κάθε βίντεο υποβάλλονται σε έναν μετασχηματισμό προοπτικής και στη συνέχεια ακολουθούν, στο μετασχηματισμένο πλέον χώρο, κατά σειρά τα στάδια: της ανίχνευσης οχήματος από τρεις διαφορετικές τεχνικές οι οποίες συγκρίνονται, του εντοπισμού οχήματος από τον αλγόριθμο Κalman Filter, του υπολογισμού της ταχύτητας οχήματος βάση της μετακίνησης του κέντρου βάρους και τέλος της ταξινόμησης οχήματος βάση κάποιων χαρακτηριστικών του. Το σύστημα επιστρέφει αρκετά καλά αποτελέσματα για όλα τα στάδια της επεξεργασίας και σε μεθόδους όπως ο εντοπισμός και η ταξινόμηση οχήματος παρατίθεται αναλυτικά η ακρίβειά τους σε σχέση με τα πραγματικά δεδομένα. Τέλος ο αλγόριθμος εντοπισμού οχήματος, που είναι το πιο βασικό και κρίσιμο στάδιο της επεξεργασίας, είναι δυνατό να βελτιωθεί ακόμα περισσότερο και προς αυτήν την κατεύθυνση μια μελλοντική εργασία θα μπορούσε να οδηγήσει σε ένα πιο πλήρες σύστημα παρακολούθησης της κυκλοφορίας ακόμα και σε πραγματικό χρόνο.
Abstract
As the number of applications that use computer vision techniques has increased enormously, the detection and tracking of moving vehicles remains a very difficult and critical process in traffic surveillance. This thesis presents an integrated traffic surveillance system which calculates the velocity of moving vehicles in the transformed space. Our system processes videos, which are taken from a static camera and has the ability to detect, track and classify moving vehicles. Initially the frames of each video are subjected to a perspective transformation and then the following stages take place: vehicle detection by three different techniques which are compared, vehicle tracking by the Kalman Filter algorithm, vehicle velocity estimation based on its centroid movement and finally vehicle classification based on some of its features. The system returns pretty good results for all processing stages and in methods such as vehicle tracking and classification, the accuracy is given in comparison to the real data. Finally the vehicle tracking algorithm, which is the most basic and crucial stage of processing, can be further improved and in this direction a future work could lead to a more full fledged traffic surveillance system even in real time.
