Tytuł artykułu
Autorzy
Warianty tytułu
The use of image processing to improve safety and traffic flow at intersections
Języki publikacji
Abstrakty
W artykule omówiono metodę przetwarzania obrazu wykorzystującą algorytmy zawarte w bibliotekach programistycznych typu open source. Opisano zasadę działania kluczowych funkcji i zaproponowano metodę radykalnej redukcji informacji, polegającej na odfiltrowaniu tła. Przedstawiono sposób wyznaczenia prędkości, gabarytów i typu pojazdu na podstawie analizowanego obrazu. Na zakończenie przedstawiono koncepcję wykorzystania systemu analizy obrazu do sterowania ruchem na skrzyżowaniu ze szczególnym uwzględnieniem pojazdów ciężkich.
The article describes a method that uses image processing algorithms included in the libraries of open source software. Describes the principle of operation of key functions and proposes a method of radical reduction of information, consisting of filtering out background. Shows how to determine the speed, size and type of vehicle on the basis of the analyzed image. At the end of a concept using image analysis system for traffic control at the intersection with special emphasis on heavy vehicles.
Czasopismo
Rocznik
Tom
Strony
2406--2414, CD 1
Opis fizyczny
Bibliogr. 16 poz., rys.
Twórcy
autor
- Uniwersytet Warmińsko-Mazurski, Wydział Nauk Technicznych, Katedra Mechatroniki i Edukacji Techniczno-Informatycznej, tel. 89 524 54 87
autor
- Uniwersytet Warmińsko-Mazurski, Wydział Nauk Technicznych, Katedra Mechatroniki i Edukacji Techniczno-Informatycznej, tel. 89524 52 22
autor
- Politechnika Lubelska, Wydział Mechaniczny, Katedra Podstaw Konstrukcji Maszyn i Mechatroniki, 20-618 Lublin, ul. Nadbystrzycka 36, tel. 815384290
Bibliografia
- 1. Abbas M., Bonneson J.: Detection Placement and Configuration Guidelines for Video Image Vehicle Detection Systems. Transportation Research Board, Washington, D.C., 2003.
- 2. Art. 2 ust.10 Ustawy z dnia 20 czerwca 1997 r. Prawo o ruchu drogowym.
- 3. Bugdol M., Segiet Z., Kręcichwost M., Kasperek P.: Detekcja pojazdów z wykorzystaniem czujników magnetycznych, Logistyka 3/2014.
- 4. Grammatikopoulos L., Karras G., Petsa E.: Automatic estimation of vehicle speed from uncalibrated video sequences, Sofia, 2005.
- 5. Heikkila J., Silven O.: A Real-time system for monitoring od cyclists and pedestrians, Corolado, 1999, strony 74-81.
- 6. Kim, E., Jha, M., and Schonfeld, P.: Intersection Construction Cost Functions for Alignment Optimization, J. Transp. Eng., 130(2), 2004.
- 7. Lienhart R., Maydt J.: An Extended Set of Haar-like Features for Rapid Object Detection, Santa Clara, CA 95052, USA, 2012.
- 8. Mikrut Z.: Algorytmy wideo detekcji w analizie ruchu drogowego, EAliE, Kraków 2011.
- 9. Ministerstwo Transportu, Budownictwa i Gospodarki Morskiej, Informacja dla komisji europejskiej dotycząca krajowych działań w zakresie ITS przewidywanych na kolejny okres pięciu lat, zgodnie z art. 17 ust. 2 dyrektywy 2010/40/UE, Warszawa, 2012.
- 10. Naotoshi S.: Tutorial: OpenCV haartraining (Rapid Object Detection With A Cascade of Boosted Classifiers Based on Haar-like Features), http://note.sonots.com/SciSoftware/haartraining.html, (z dn. 5 1 2015).
- 11. OpenCV (Open Source Computer Vision Library), http://docs.opencv.org, (z dn. 5 1 2015).
- 12. Sobral A.: BGSLibrary: An OpenCV C++ Background Subtraction Library, 2013.
- 13. Szokal-Egird E.: Transgraniczny kodeks drogowy – Polska, Litwa, Obwód Kalinigradzki Federacji Rosyjskiej, Wojewódzki Ośrodek Ruchu Drogowego, Białystok, 2006.
- 14. Texas Transportation Institute, Alternative Vehicle Detection Technologies for Traffic Signal Systems: Technical Report, Austin, 2008.
- 15. Wojas S.: Methods of processing images using OpenCV library, Student Scientific Association for computer vision and robotics, 2009.
- 16. Wolfram S.: New Kind of Science, Wolfram Media, 2002.
Identyfikator YADDA
bwmeta1.element.baztech-48866006-6d32-464e-a1f5-4cf00760ce6a