Untitled - ITV

БЕЗОПАСНОСТЬ ДОРОЖНОГО ДВИЖЕНИЯИННОВАЦИОННЫЕТЕХНОЛОГИИВИДЕОНАБЛЮДЕНИЯ3 | 2008рис. 2 рис. 3 рис. 5на изображении, и измерить расстояниямежду ними. Эти объекты, которые называютсяякорными точками, нужно отметитьна изображении и задать их земные координаты(рис. 3).На модуль обнаружения (детектор) подаютсяпоследовательно в цифровом видекадры, полученные от камеры (рис. 4).Размерность изображения может бытьлюбой (в разумных пределах), однакооптимальным следует считать формат CIF(352x288 или 384х288). При этом обеспечиваетсядостаточно высокое качество обнаруженияи вычислительные затраты неслишком велики.При обнаружении ТС формируется структураданных, которая содержит:• скорость ТС;• длину ТС;• расстояние между обнаруженным ипредыдущим ТС;• координаты обнаруженного ТС на изображении;• тип обнаруженного ТС.Такая структура создается отдельно длякаждой полосы движения и обновляетсяс каждым кадром. Поле длины в структуреявляется признаком обнаружения ТС. Еслиэто поле равно нулю, значит, ничего не обнаружено.При обнаружении объект может быть отнесенк одному из пяти классов:• легковой автомобиль;• грузовой автомобиль/микроавтобус;• трейлер;• автобус;• мотоцикл.При разработке алгоритма обнаруженияи классификации были приняты следующиеисходные допущения.Цифровой видеопоток• Каждый искусственный объект представляетсобой совокупность элементарныхплоских поверхностей.Изображение объекта, формируемоекамерой, – это проекция его элементарныхповерхностей.• Каждая элементарная поверхность образуетна изображении замкнутый контур.• Для транспортных средств характерныконтуры четырехугольной формы.Таким образом, изображение ТС можноописать моделью – совокупностью соединенныхконтуров четырехугольной формы(рис. 5).Основываясь на приведенных допущениях,алгоритм обнаружения и классификацииТС представляет собой последовательностьследующих операций.• Обнаружение контуров – линий высокоголокального контраста.• Из всех контуров выбираются те, которыепо форме ближе всего к четырехугольникам.• Выделяются области соединенных четырехугольников– это «грубое» обнаружение,в результате которого находятсявсе возможные кандидаты в интересующиенас объекты.• Найденные области-кандидаты сравниваютсяс экземплярами из базы эталоновна предмет «точного» обнаруженияТС и определения его класса.• Если будет достигнута определеннаядостоверность соответствия кандидатаэталону, принимается решение об обнаруженииобъекта соответствующегокласса.Алгоритм обнаружения и классификацииболее подробно рассмотрен в статье:Taranin M., Glazov V., Landyshev S., TaraninS. Vehicle Detection And Classification ByContour Shape Model. – Proceedings of 14thWorld Congress on ITS, Beijing, 2007.Принципиальным является то, что алгоритмработает с последовательностьюкадров, а не с одиночным изображением,поскольку помимо обнаружения иклассификации объекта происходит егосопровождение с целью измерения скорости,определения принадлежности полоседвижения и т. д. Важно также, чтобывидеокадры поступали без пропусков, желательнос темпом 25 кадров в секунду. Впротивном случае возрастут ошибки измерения.Отдельно следует остановиться на измерениитакого параметра, как занятостьполосы движения. Для этого алгоритм анализируетприсутствие объекта в некоторойзоне, которая автоматически задается наизображении для каждой полосы движенияи называется виртуальным петлевымдетектором. Индикатор присутствия ТС взоне петлевого детектора обновляется скаждым новым видеокадром. Занятостьполосы можно определить как процентноеотношение числа кадров, на которых петлевойдетектор был занят, к общему числукадров, полученных в течение некоторогозаданного интервала времени. Например,если за время анализа на всех кадрах фиксируетсяприсутствие ТС в зоне петлевогодетектора, значит, полоса занята на 100%.Заметим, что такая ситуация необязательнобудет классифицироваться как транспортная«пробка». Если средняя скоростьдвижения достаточно высока, то занятость100% означает лишь, что ТС движутся оченьплотным потоком, бампер к бамперу.При оптимальном расположении камерыпогрешность определения характеристикдорожно-транспортной обстановки непревышает:• 5% – число ТС;• 10% – средняя скорость движения ТС;• 10% – средняя дистанция между ТС;• 10% – классификация ТС.Реализованный в модуле алгоритм обнаруженияи классификации транспортныхсредств достаточно экономичен с точкизрения вычислений и позволяет в рамкаходного приложения анализировать изображения,поступающие от нескольких видеокамер.рис. 4ДетекторТрафик-МониторКалибровкакамерыПоследовательностьвидеокадровДанныеобнаруженияТСМОДУЛЬ КОНТРОЛЯ ХАРАКТЕРИСТИК ТРАНСПОРТНЫХ ПОТОКОВ В СОСТАВЕ ПЛАТФОРМЫ«ИНТЕЛЛЕКТ»Модуль определяет характеристики транспортных потоков по видеоизображению, по шестиполосам движения одновременно. Ведет учет статистических характеристик транспортногопотока – количество проехавших автомобилей, определяет типы транспортныхсредств, их скорость, измеряет загруженность дороги. Рассчитывает интенсивность движенияна заданном участке, автоматически определяет пробки и нарушения правил дорожногодвижения. Данные, предоставляемые модулем, позволяют реализовать алгоритмырегулирования дорожного движения с учетом реальной дорожно-транспортной обстановки.Статистическая характеристика транспортного потока по каждой полосе доступнадля дальнейшей обработки и анализа, например, совместно с модулем распознавания автомобильныхномеров.27