A novel image-based approach for detecting vehicles in user-defined virtual inductive loops

• Ano de defesa: 2015
• Autor(a) principal: Gomes, Vitor de OLiveira
• Orientador(a): Scharcanski, Jacob
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Informatica : Transportes; Processamento de imagens; Sistema de monitoramento; Tráfego; Sensores de imagens
• Palavras-chave em Inglês: Vehicle detection; Shadow detection; Virtual loops; Image-based sensors
• Link de acesso: http://hdl.handle.net/10183/189229

O número de veículos em circulação nos grandes centros urbanos está aumentando e dados de tráfego tem importantes aplicações para o planejamento e desenvolvimento urbano. Portanto, esses dados são essenciais para o gerenciamento de cidades e rodovias. Hoje, devido aos avanços em visão computacional, há diversas pesquisas focadas em substituir sensores de monitoramento de tráfego tradicionais (por exemplo, loops indutivos, sensores de micro-ondas, etc) por sistemas com sensores baseados em imagens, que são mais fáceis de reparar e possuem maior flexibilidade de operação. Esses sensores baseados em imagens tem de ser robustos contra situações desafiadores que podem afetar severamente os resultados, tais como mudanças bruscas de iluminação, sombras e oclusões totais ou parciais. Neste trabalho, nossas contribuições são duas: Primeiro, propomos uma nova abordagem para detecção de sombras que combina segmentação de imagens por hipergrafos com informações de cor e textura para obtenção de resultados precisos. Segundo, um sistema de detecção de veículos que usa sensores baseados em imagens (i.e. câmeras) para detectar veículos em loops virtuais definidos pelo usuário, simulando o comportamento de um loops indutivos. Usando o método de detecção de veículos proposto, diversos loops virtuais podem ser monitorados simultaneamente por uma única câmera. Inicialmente, o fundo é modelado usando uma abordagem melhorada de modelos de misturas de Gaussianas. Então, sombras são detectadas nos loops virtuais e removidas para minimizar falsas detecção de veículos.Em seguida, veículos são detectados nos loops virtuais definidos pelo usuário usando uma combinação de bordas (obtidas por um detector eficiente) e informações de cores. O método de detecção de veículos proposto fornece um sinal de detecção que também pode ser usado para contar veículos nos loops virtuais. Os resultados experimentais mostram que nosso método proposto pode detectar e contar veículos de forma precisa (com mais de 98% de acurácia, em média), além de ser mais robusto a sombras e mudanças bruscas de iluminação que métodos comparáveis que representam o estado da arte. Além disso, experimentos realizados em datasets de detecção de sombras públicos e comuns na literatura sugerem que nosso método de detecção de sombras usando segmentação de imagens com hipergrafos é capaz de obter resultados de detecção de sombras precisos quando comparado com outros métodos recentes e relevantes.