Нижегородский государственный университет им. Н.И. Лобачевского Факультет Вычислительной математики и кибернетики Разработка системы видеодетектирования транспортных средств Кустикова Валентина, аспирант каф. МО ЭВМ ф-та ВМК ННГУ

2 Содержание Методы детектирования транспортных средств Задача видеодетектирования транспортных средств Метод решения Архитектура прототипа системы Тестовые данные Критерии оценки качества видеодетектирования Результаты экспериментов Выводы 2013 г.Разработка системы видеодетектирования транспортных средств

3 Детекторы транспортных средств 2013 г.Разработка системы видеодетектирования транспортных средств ГруппаТип детектора Размер ТС Скорость Классификация ТС Занятость зоны Присутствие Многополосное движение Инвазивные детекторы Индуктивные детекторы Пневматические ленты Пьезоэлектрические сенсоры Неинвазивные детекторы Инфракрасные сенсоры Пассивные Активные Микроволновые радары Ультразвуковые датчики Системы видеодетектирования

4 Задача видеодетектирования ТС Определение положения транспортных средств (ТС) на каждом кадре потока данных Построение траекторий движения обнаруженных объектов Определение класса транспортного средства (автобус, автомобиль, мотоцикл и т.п.) 2013 г.Разработка системы видеодетектирования транспортных средств

5 Метод решения Выделение кадра видео Определение положения ТС на текущем кадре и оценка достоверности нахождения ТС в полученной области – детектирование Сопровождение выделенных ТС на следующих кадрах последовательности Анализ результатов (определение направления движения ТС, подсчет ТС, классификация ТС и т.п.) 2013 г.Разработка системы видеодетектирования транспортных средств

6 Архитектура прототипа системы 2013 г.Разработка системы видеодетектирования транспортных средств Latent SVM (TBB, OpenCV) VOC 2007 Latent SVM (TBB, OpenCV) VOC 2007

7 Тестовые данные track_09_ –2 000 кадров = 80 секунд –CAR, TRAIN, BUS –~ ТС track_10_ –2 000 кадров = 80 секунд –CAR –~3 000 ТС track_10_ –1 000 кадров = 40 секунд –CAR и BUS –~1 000 ТС 2013 г.Разработка системы видеодетектирования транспортных средств

8 Критерии оценки качества Показатель числа корректных срабатываний (TPR) – отношение количества правильно продетектированных ТС к общему числу ТС. Показатель числа ложных срабатываний (FDR) – отношение количества ложных срабатываний к общему числу срабатываний детектора. Количество ложных срабатываний, которое в среднем приходится на один кадр (FPperFrame). Среднее количество ложных срабатываний, приходящееся на объект (FPperObject) г.Разработка системы видеодетектирования транспортных средств

9 Вычислительные схемы 1, 2 – схемы полного детектирования без отсечения и с отсечением 3, 4 – схемы с одношаговым трекингом с отсечением и без отсечения 5, 6 – схема с трекингом на 5 кадров вперед с отсечением и без отсечения 7 – схема с трекингом на 3 кадра вперед и отсечением 2013 г.Разработка системы видеодетектирования транспортных средств

10 Результаты экспериментов 2013 г.Разработка системы видеодетектирования транспортных средств

11 Заключение Разработан прототип системы, который имеет следующий функционал: поиск, классификация, сопровождение ТС Для наиболее перспективной схемы количество правильно обнаруженных ТС примерно составляет 68% от общего числа ТС при одном ложном срабатывании на кадр 2013 г.Разработка системы видеодетектирования транспортных средств

12 Контактная информация Кустикова Валентина Дмитриевна, ассистент кафедры МО ЭВМ факультета ВМК ННГУ г.Разработка системы видеодетектирования транспортных средств