Düşük Çözünürlüklü Trafik Görüntü Dizileri İçin Otomatik Gürbüz Araç Tanıma Ve İzleme Sistemi

Abstract

Günümüzde trafik denetim sistemleri trafik yoğunluğu ve trafik akış hızı gibi parametrelerin elde edilmesi için sıklıkla kullanılmaktadır. Bu sistemler genel olarak araçların bölütlenmesini sağlayan arka plan çıkarımı ve örtüşme giderilmesi adımları ile araçların hızlarının bulunmasını sağlayan izleme adımlarından oluşmaktadır. Bu çalışmada, düşük çözünürlüklü görüntülerden trafik parametrelerinin elde edilmesi amacıyla bu adımları içeren bir trafik denetim sistemi tasarlanmıştır. Her aşamada, yararlanılan algoritmalar geliştirilerek, sistemin var olan yaklaşımlardan daha başarılı çalışması sağlanmıştır. Öncelikle, önerilen ayrıt uyarlamalı eşikleme yöntemi ile yararlanılan arka plan modelleme algoritmasının başarımı yükseltilmiştir. Sonrasında, kullanılan sınıflandırma tabanlı örtüşme giderilmesi yaklaşımında öznitelik çıkarımı aşaması geliştirilerek sınıflandırıcının performansı artırılmış ve örtüşme giderilmesinde daha başarılı sonuçlar elde edilmiştir. Ayrıca, sistemi tamamıyla otomatik çalışacak hale getirmek için ve kullanıcı etkileşimini yok etmek için yeni bir otomatik ilgi alanı tespiti algoritması sunulmuştur.Recently, traffic surveillance systems are widely used for extracting traffic parameters such as traffic density and traffic flow velocity. These systems generally consist of background subtraction and occlusion handling steps which provides segmenting vehicles and tracking step which provides obtaining vehicle speeds. In this work, a traffic surveillance system containing these steps is developed in order to obtain traffic parameters from low resolution video sequences. As a result of improving utilized algorithms in every step, system outperforms existing solutions. Firstly, the accuracy of the utilized background subtraction algorithm is increased by the proposed edge adaptive thresholding method. Afterwards, the feature extraction phase of the used classification based occlusion handling approach is improved and more accurate results are obtained in occlusion handling step. Additionally, a new automatic Region of Interest (ROI) detection algorithm is presented to make the system fully automated and to eliminate user interaction.