Wyznaczanie stanu pola detekcji na podstawie gradientów obrazu cyfrowego

• Autorzy: Czapla Z.

Warianty tytułu

EN

Determination of a detection field state on the basis of digital image gradients

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia oryginalną metodę wyznaczania stanu pola detekcji przy użyciu danych obrazowych. W prezentowanej metodzie wykorzystywany jest strumień wideo otrzymywany z kamery umieszczonej nad drogą. Wejściowa sekwencja obrazów składa się kolejnych ramek wejściowego strumienia wideo. Każdy obraz wejściowej sekwencji obrazów jest poddawany konwersji do punktowej reprezentacji obrazu. Suma punktów krawędziowych w obszarze pola detekcji jest obliczana dla każdego obrazu wejściowej sekwencji obrazów. Stan pola detekcji jest określany na podstawie obliczonych sum punktów krawędziowych. Pojazd przejeżdżający przez pole detekcji zmienia jego stan. Analiza stanu pola detekcji umożliwia detekcję pojazdów. W artykule przedstawiono wybrane wyniki pomiarów.

EN

The paper presents an original method of determination of detection field state with the use of image data. The presented method utilizes a video stream obtained from the camera placed above a road. The input image sequence consists of consecutive frames taken from the video stream. Each image from the input image sequence is converted into point image representation. For each image from the input image sequence, the sum of edge paints is calculated within the detections field. The state of the detection field is determined on the basis of calculated sums of the edge points. Vehicles driving through the detection field change its state. Analysis of the state of the detection field enables vehicle detection. Selected experimental results are provided.

Słowa kluczowe

PL

pole detekcji; punktowa reprezentacja obrazu; detekcja pojazdów

EN

detection field; point image representation; vehicle detection

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Transport
• Rocznik: 2016
• Tom: z. 113
• Strony: 53--62
• Opis fizyczny: Bibliogr. 12 poz., rys., wykr.

Twórcy

autor

Czapla Z.

• Politechnika Śląska, Wydział Transportu

Bibliografia

• 1. Basu M.: Gaussian-Based Edge Detection Methods-A Survey. IEEE Transactions on Systems, Man and Cybernetics-Part C: Application and Reviews, vol. 32, no. 3, 2002, pp. 252-260.
• 2. Coifman B., Beymer D., McLauchlan P., Malik J.: A real-time vision system for vehicle tracking and traffic surveillance. Transportation Research Part C, 1998, vol. 6, pp. 271-288.
• 3. Czapla Z.: Point Image Representation for Efficient Detection of Vehicles. Proceedings of the 9th Conference on Computer Recognition Systems CORES 2015. Advances in Intelligent Systems and Computing, vol. 403, Springer International Publishing 2016, pp. 691-700.
• 4. Czapla Z.: Video based vehicle counting for multilane roads. Logistyka, no. 4, 2014, pp. 2709-2717.
• 5. Fernandez-Caballero A., Gomez F.J., Lopez-Lopez J.: Road traffic monitoring by knowledge-driven static and dynamic image analysis. Expert Systems with Applications, 35, 2008, pp. 701-719.
• 6. Gupte S., Masoud O., Martin R.F.K., Papanikolopoulos N.P.: Detection and Classification of Vehicles. IEEE Transaction on Intelligent Transportation Systems, 2002, vol. 3, no. 1, pp. 37-47.
• 7. Hsieh J.-W., Yu S.-H., Chen J.-S., Hu W.-F.: Automatic Traffic Surveillance System for Vehicle Tracking and Classification. IEEE Transaction on Intelligent Transportation Systems, 2006, vol. 7, no. 2, pp. 175-187.
• 8. Kamijo S., Matsushita Y., Ikeuchi K., Sakauchi M.: Traffic Monitoring and Accident Detection at Intersections. IEEE Transactions on Intelligence Transportation Systems, vol. 1, no. 2, 2000, pp. 108-118.
• 9. Kang C.-C., Wang W.-J.: A novel edge detection method based on the maximizing objective function. Pattern Recognition, vol. 40, no. 2, 2007, pp. 609-618,
• 10. Mithun N.C., Rashid N.U., Rahman M.S.M.: Detection and Classification of Vehicles From Video Using Multiple Time-Spatial Images. IEEE Transaction on Intelligent Transportation Systems, 2012, vol. 13, no. 3, pp. 1215-1225.
• 11. Muthukrishnan R., Radha M.: Edge Detection Techniques for Image Segmentation. International Journal of Computer Science & Information Technology, 2011, vol. 3, no. 6, pp. 259-267.
• 12.Stauffer C., Grimson W.E.L.: Adaptive background mixture model for real-time tracking. Proceedings IEEE Computer Society Conference on Computer Vision and Pattern Recognition, vol. 2, 1999, pp. 246-252.