Application of the Super-Resolution Techniques Within the Track-Before-Detect Algorithms for the Estimation of the Vehicles' Motion Parameters

• Autorzy: Przemysław Mazurek , Krzysztof Okrama

Warianty tytułu

Zastosowanie technik superrozdzielczości w algorytmach śledzenia przed detekcją do celów estymacji parametrów ruchu pojazdów

• Języki publikacji: EN

Abstrakty

EN

Super-resolution methods The main advantage of the super-resolution algorithms is their ability to increase the resolution of the digital images used for the image analysis and recognition even for the low resolution camera recording the video signal. The combination of several consecutive video frames taken by the video camera leads to the increase of the image resolution and the reduction of noise 1. It is worth noticing that such algorithms are not based only on the simple mathematical interpolation but produce a real increase of the optical resolution based on the real data taken by the camera. Contemporary super-resolution methods allow using the data acquired by many cameras with various angles, zoom etc. However, for the tracking purposes (moving objects) such cameras should be synchronised. (original abstract)

Jednym z efektów zastosowań Inteligentnych Systemów Transportowych jest zwiększenie przepustowości dróg, co jest możliwe dzięki wykorzystaniu trzech głównych podsystemów: pomiarowego (czujniki), sterującego (algorytmy) oraz wykonawczego (informacje przekazywane do kierowców/pojazdów). Realizacja niezbędnych pomiarów za pomocą metod optycznych (wizyjnych), zarówno w zakresie widzialnym, jak i promieniowania podczerwonego, pozwala na znaczną redukcję liczby wbudowanych czujników pomiarowych (zwykle pętli indukcyjnych). W przypadku małych odległości obiektów od kamery, w celu selekcji pojazdów z tła, stosowane są klasyczne algorytmy przetwarzania obrazów. Dla dużych odległości w celu poprawy dokładności procesu selekcji pojazdów z tła konieczne jest stosowanie algorytmów śledzenia. W przypadku bardzo dużych odległości nawet techniki śledzenia mogą okazać się niewystarczające, stąd w celu sztucznego zwiększenia ilości pikseli obrazu konieczne jest stosowanie algorytmów superrozdzielczości niebazujących na klasycznych technikach interpolacji obrazu. ZZe względu na fakt, iż przy bardzo dużej odległości między pojazdami i kamerą wzrasta rola zakłóceń atmosferycznych (mgła, smog itp.), konieczna jest detekcja pojazdów przy niskim poziomie sygnału do szumów (SNR), co jest możliwe jedynie za pomocą algorytmów śledzenia przed detekcją. Dzięki połączeniu technik superrozdzielczości oraz śledzenia przed detekcją możliwe jest śledzenie pojazdów dla bardzo dużych odległości przy relatywnie niskiej rozdzielczości rejestrowanych sekwencji wideo (np. z kamer przemysłowych). W wyniku przeprowadzonych eksperymentów stwierdzono, iż dzięki wykorzystaniu rozpatrywanej metody możliwe jest znacznie skuteczniejsze śledzenie odległych pojazdów, także w trudnych warunkach atmosferycznych i oświetleniowych. Wykorzystując analizę subpikselową, uzyskano informacje o ruchu pojazdów, których rozmiar na poszczególnych klatkach sekwencji wideo mieścił się w granicach jednego do kilku pikseli.(abstrakt oryginalny)

Słowa kluczowe

EN

Innovations; Transport

PL

Innowacje; Transport

• Czasopismo: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Problemy Transportu i Logistyki
• Rocznik: 2010
• Numer: nr 10 Innowacje w transporcie technologie i procesy
• Strony: 171--181

Twórcy

autor

Przemysław Mazurek

• Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie

autor

Krzysztof Okrama

• Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie

Bibliografia

• van Assen H.C., Egmont-Petersen M., Reiber J.H.C., Accurate Object Localization in Gray Level Images Using the Center of Gravity Measure: Accuracy Versus Precision, "IEEE Transactions on Image Processing" 2002, vol. 11 no. 12.
• Blackman S., Poupoli R., Modern Tracking Systems, Artech House Publishers, 1999.
• Barniv Y., Dynamic Programming algorithms for Detecting Dim Moving Targets, In: BarSahlom Y. (ed.): Multitarget-Multisensor Tracking, Artech House Publishers, 1990.
• Daca W., Mazurek P., Subpikselowe śledzenie przed detekcją dla matrycowych detektorów optycznych, Materiały VI Krajowej Konferencji Elektroniki, Darłówko Wschodnie 2007.
• Demi M., On the Gray-Level Central and Absolute Central Moments and the Mass Center Of the Gray-Level Variability In Low-Level Image Processing, "Computer Vision and Image Understanding" February 2005, vol. 97 issue 2.
• Irani M., Peleg S., Super Resolution From Image Sequences, Proc. of International Conference on Pattern Recognition June 1990, vol. 2.
• Mazurek P., Track-Before-Detect algorithm for Bayer Pattern Sensors, Materiały 31. Międzynarodowej Konferencji z Podstaw Elektrotechniki i Teorii Obwodów IC-SPETO`2008 Gliwice-Ustroń.
• Mazurek P., Likelihood Ratio Tracker as a Track-Before-Detect Method for Dim Object 2-D Tracking, Materiały 30. Międzynarodowej Konferencji z Podstaw Elektrotechniki i Teorii Obwodów IC-SPETO`2007 Gliwice-Ustroń.
• Okarma K., Mazurek P., Techniki superrozdzielczości w systemach identyfi kacji tablic rejestracyjnych pojazdów. "Drogi - Lądowe - Powietrzne - Wodne" 2009, nr 4.
• Okarma K., Mazurek P., Background Estimation Algorithm for Optical Car Tracking Applications, "Machinebuilding and Electrical Engineering" 2006, no. 7-8.
• Richard F., Leighton R., Sands M., The Feynman Lectures on Physics, Addison Wesley, 1963.
• Stone L.D., Barlow C.A., Corwin T.L., Bayesian Multiple Target Tracking, Artech House Publishers 1999.
• Williams B., Intelligent Transport Systems Standards, Artech House Publishers 2008.