Comparison of Road Traffic Measurement Methods Based on Video Material Analysis -an Optical Flow Method and Gaussian Mixture Model

• Autorzy: Marcin Honkisz , Justyna Sordyl , Łukasz Sobczyński

Warianty tytułu

Porównanie metod pomiaru parametrów ruchu opartych na analizie materiału wideo - metody przepływu optycznego i modelu mieszanego Gaussa

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono dwie wybrane metody pomiaru parametrów ruchu pojazdów oparte na analizie materiału wideo. Przeprowadzono badania terenowe, a następnie dokonano analizy porównawczej omawianych metod pod kątem ich dokładności, użyteczności i komfortu stosowania. Dokładność detekcji parametrów w materiale wizyjnym zależna jest od wielu zmiennych. Podstawową jest dobór metody pomiaru. W pracy wykorzystano pomiar liczby pojazdów za pomocą dwóch metod. Pierwsza z nich - metoda przepływu optycznego - pozwala na detekcję badanych parametrów przejeżdżających pojazdów ujętych w sekwencji filmowej. Polega ona na przepływie wartości szarości poszczególnych pikseli w następujących po sobie klatkach filmu. Druga metoda wykorzystuje model mieszany Gaussa polegający na grupowaniu sąsiadujących pikseli w kolejnych klatkach materiału wideo i wyliczaniu rozkładu prawdopodobieństwa zmiany w kolejnych klatkach. Wybór wskazanych metod zdeterminowany był przez posiadanie pakietu MatLab oraz kluczowych z punkt widzenia rozważanego zagadnienia rozszerzeń - Imaging Processing Toolbox oraz Vision Toolbox. W ramach pracy przeprowadzono analizę rzeczywistego materiału wideo z zastosowaniem omawianych metod. Wyniki porównano dodatkowo ze stanem faktycznym określonym przez analizę materiału wideo ex post facto bez użycia algorytmów obliczeniowych. Automatyzacja procesu zliczania pojazdów wykorzystana zostanie do badania parametrów ruchu pojazdów a także ich wpływu na klimat akustyczny w obszarze drogi. (abstrakt oryginalny)

EN

The article presents two selected road traffic measurement methods based on video material analysis. A comparative analysis in terms of their accuracy, usability and comfort of use was made. Parameters detection accuracy in the video material depend on a range of variables. Fundamental is the measurement method selection. It has been proposed to measure the number of vehicles - using two methods. The first one - a method of optical flow - allows to detect the parameters of passing vehicles covered by the sequences of film. The choice of above methods was determined by possesion of the MatLab as well as key extension - Imaging and Vision Processing Toolbox. In the context of studies the video material was analyzed using mentioned methods. The results were also compared with the actual state calculated ex post facto from the video material, without use of computational algorithms. (original abstract)

Słowa kluczowe

PL

Metody pomiarowe; Ruch drogowy; Samochody

EN

Measuring methods; Road traffic; Automobiles

• Czasopismo: Research Journal of the University of Gdańsk. Transport Economics and Logistics
• Rocznik: 2017
• Tom: 74 Aktualne wyzwania rozwoju transportu
• Strony: 177--186

Twórcy

autor

Marcin Honkisz

• Akademia Techniczno-Humanistyczna w Bielsku-Białej

autor

Justyna Sordyl

• Akademia Techniczno-Humanistyczna w Bielsku-Białej

autor

Łukasz Sobczyński

• Akademia Techniczno-Humanistyczna w Bielsku-Białej

Bibliografia

• Friedman N., Russell S., Image segmentation in video sequences. A probabilistic approach, Proceedings of the Thirteenth Conference on Uncertainty in artificial intelligence, Morgan Kaufmann Publishers, Burlington 1997.
• Honkisz M., Sordyl J., Technical parameters selection for an optical method of detection vehicles in motion,20th International Scientific Conference, "Transport Means" 2016, part 1, Juodkrante 2016.
• Rosenbaum D., Zoran D., Weiss Y., Learning the Local Statistics of Optical Flow, https://people.csail.mit.edu/danielzoran/ofstat_cr.pdf.
• Schunck B.G., Horn B.K.P., Determining optical flow, "Artificial Intelligence" 1981, vol. 17, issue 1-3.
• Stauffer C., Grimson W.E.L., Learning Patterns of Activity Using Real-Time Tracking, "IEEE Transactions on Pattern Analysis and Machine Intelligence" 2000, vol. 22, issue 8.