الگوریتمی تمام خودکار و مقاوم در برابر سایه برای تخمین سرعت و ابعاد خودروها از روی تصاویر دوربین‌های نظارتی جاده

در این مقاله روشی قدرتمند و مقاوم به سایه برای تخمین سرعت و ابعاد خودروها بطور تمام خودکار، با استفاده از ویدئوی دوربین نظارتیِ جاده ارائه شده است. در روش پیشنهادی، در گام اول با بررسی چند قاب ابتدایی و با توجه به حرکت خودروها، مختصات نقاط محوشدگی و فاصله کانونی دوربین بدست می آید. سپس با شناسایی پیش زمینه و حذف سایه از آن، محدوده دقیق هر خودرو تعیین می شود و جعبه سه بُعدی محیطی برای هر خودرو تشکیل می گردد. پس از تصویر کردن خودرو بر صفحه فرضی جاده و حذف پرسپکتیو، ضریب متری (تبدیل پیکسل به متر) با توجه به ابعاد واقعی خودروی غالب محاسبه می شود. حذف پرسپکتیو و استفاده از ضریب متری، امکان تخمین سرعت و ابعاد خودروها در هر قاب را فراهم می کند. لیکن برای کاهش خطا با ردیابی هر خودرو این پارامترها در بازه‌ای که خودرو در معرض دوربین قرار دارد، تجمیع شده و هیستوگرام هایی برای سرعت و ابعاد هر خودرو تشکیل می شود. سپس بیشینه‌ی این هیستوگرام ها، به عنوان مقادیر سرعت و ابعاد هر خودرو گزارش می شود. مقایسه نتایج روش پیشنهادی با روش های دیگر بیانگر خطای کمتر این روش است. به گونه ای که بیشترین خطا برای مجموعه های تست در تخمین سرعت برابر با km/h  1/17 و در تخمین ابعاد برابر با 2/6% است.

Fully Automatic and ShadowResistant Algorithm for Estimating the Speed and Dimensions of Vehicles from Road Surveillance Cameras

In this paper, an effective and shadow resistant method is provided to automatically estimate the speed and dimensions of vehicles using video received from a surveillance camera. In this method, at first by examining a few initial frames and considering the motion of vehicles, the vanishing points and focal length of the camera are obtained. Then, by identifying the foreground and removing the shadow, the precise boundary of each vehicle is determined and the 3D bounding box is created for each vehicle. After projecting car on a hypothetical road and eliminating the perspective, the metric coefficient (pixel to meter) is calculated according to the actual dimensions of the dominant car. Removing the perspective and using the metric coefficient allows estimating the speed and dimensions of cars in each frame. But to reduce the error, by tracking the cars, histograms are made for the speed and dimensions of each vehicle. Then the maximum of these histograms is reported as the speed and dimensions of each vehicle. Experiments show better results compared with previous works.The maximum error for the test sets in the speed estimationis 1.17 km/h and in the dimension estimation it equals to 2.6%.