Mozgó objektumok real-time azonosítása a közlekedésben

OData támogatás
Konzulens:
Dr. Max Gyula
Automatizálási és Alkalmazott Informatikai Tanszék

A mozgóképes forgalom-megfigyelő rendszerek gyorsaságának növekedését a számítástechnikai teljesítmények robbanásszerű bővülése tette lehetővé. Az elmúlt években lezajlott fejlődés már arra is lehetőséget ad számunkra, hogy real-time módszerekkel analizálhassuk a kamerák által készített felvételeket. A képfeldolgozás módszertana ugyan már évek óta ismert, de mivel egy-egy, a vizsgálat szempontjából megfelelő felbontású és darabszámú kép tárolása igen nagy memóriaterületet és gyors processzor teljesítményt követelt, a képek real-time feldolgozása a megfigyelő rendszerek lassúsága miatt nem volt kivitelezhető, ezért megoldásként a legtöbb esetben a „humán” megfigyelő módszer jöhetett csak számításba. Már rövid ideig tartó forgalom-megfigyelés is hihetetlenül nagy adatmennyiséget produkál. Megfelelő paraméterek mellett, bár minden fontos jellemző megtalálható a képeken, ami pl. egy város forgalomirányításához, rendőrségi megfigyeléséhez, stb. szükséges, mégis nagy problémát jelent a feldolgozó szoftver számára ebből a hatalmas adatmennyiségből az adott feladathoz szükséges részelemek kiválasztása.

A képek által hordozott nagymennyiségű információk közül dolgozatomban a közutakon mozgó járművek felismerését tanulmányoztam. Rögzített videós felvételek segítségével tettem lehetővé az események megismételhetőséget és az ellenőrizhetőséget. Egy autópálya felüljáróról készítettem videókat a szembejövő autókról, amelyek a későbbiekben az analízisem alapjai lettek. A felismerési folyamat megkezdéséhez először külön kellett választanom a hátteret az előtértől. A háttér kiszűréséhez szükség volt a Gaussian Mixture valószínűségi modell használatára is. A tényleges megfigyelési terület azonosítása után kezdhettem meg a mozgó objektumok megfigyelését. A mozgó objektumok felismeréséhez többféle algoritmust is megismertem, ezek közül néhányat alkalmaztam is, majd összehasonlítottam őket pontosság és gyorsaság szempontjából. Az algoritmusoknak fekete-fehér és színes változatait is tanulmányoztam és értékeltem. A feladat elkészítéséhez az OpenCV nyílt forráskódú számítógépes látást megvalósító függvénykönyvtárát használtam fel. Magát a forgalom analizálását végző program megírására pedig a C++ nyelvet választottam, mert a hozzá tartozó OpenCV könyvtár a legteljesebb. Az OpenCV-ben található több mint 500, részben adott processzorra optimalizált függvény a későbbiekben majd arra is lehetőséget ad számomra, hogy ne csak egyszerű feladatok feldolgozását, hanem bonyolultabb (pl. szabálytalanságokat elemző, sebességmérő) programcsomagot is kialakíthassak.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.