公路监控系统使用摄像机数据跟踪车辆

 
由于各种原因，人们希望密切关注高速公路的交通流量，主要是因为它可以揭示拥堵，违反道路规则和事故的根本原因。不幸的是，传统技术依赖于雷达，激光和激光雷达传感器的昂贵组合。这就是为什么巴基斯坦斯瓦比大学，伊斯兰堡的Comstats大学和孟加拉国杰索尔科技大学的研究人员追求的另一种选择：机器学习算法可以从摄像机镜头中提取有用的数据。
在Arxiv.org的预印纸(“公路交通车辆的智能监控系统”)中，研究人员描述了一个利用480 x 640像素摄像头(安装在路边极点或交通信号灯上)捕捉视频的框架。然后，AI模型逐帧摄取以检测车辆并记录它们的位置和速度。系统使用简单的图像处理技术提取单个帧，而算法对帧的数值像素值中包含的背景数据(如树木，建筑物和停放的汽车)和前景数据(移动的车辆和行人)进行分类以创建道路掩模没有静止的物体。
在完成噪声抑制预处理步骤之后，系统通过检测它们的轮廓(具体地通过确定属于汽车的边缘是否通过给定像素)并通过将每个车辆的颜色与相邻车辆的颜色进行比较来隔离每个车架中的车辆。区域增长 – 一种图像分割技术，用于检查种子点的像素并确定是否应将像素邻居添加到初始区域 – 用于确定车辆的方向，并且车辆与摄像机的距离用于测量它们的相对速度。
研究人员承认，具有更高分辨率和帧速率的相机可能能够捕捉“更丰富”的时间和车辆数据，但他们声称他们的概念证明 – 他们声称已在多条道路上测试并具有良好的定性结果 – 提供一个简单，经济，易于部署的高速公路监控解决方案的起点。
“拟议的框架…… [使用]模式识别，数字图像处理和数学技术进行车辆检测，跟踪和速度计算……有助于妥善管理交通流量，从而导致事故发生的机会有限，”共同作者写道。 “此外，该框架可用于检测和拉动违反交通规则的车辆。”
他们留下未来的工作来调整道路交叉点的框架并将其扩展到隧道和立交桥。