|
|
Software for Traffic Monitoring
Tesař, Filip ; Zahrádka, Jiří (referee) ; Španěl, Michal (advisor)
This thesis deals with detection and tracking of moving objects in video sequences. The aim of this work is design and implementation of an application, which uses video sequence capturing car traffic to acquire statistical data about each vehicle, such as its speed estimate and determination of its lane. The proposed application uses background subtraction method 'Mixture of Gaussians' and enables monitoring of multiple locations at the same time using independent cameras. The output data are saved into database and users are allowed to display statistics in graphs through a simple web interface.
|
|
|
Speed Measurement of Vehicles from Surveillance Camera
Jaklovský, Samuel ; Juránek, Roman (referee) ; Sochor, Jakub (advisor)
This master's thesis is focused on fully automatic calibration of traffic surveillance camera, which is used for speed measurement of passing vehicles. Thesis contains and describes theoretical information and algorithms related to this issue. Based on this information and algorithms, a comprehensive system design for automatic calibration and speed measurement was built. The proposed system has been successfully implemented. The implemented system is optimized to process the smallest portion of the video input for the automatic calibration of the camera. Calibration parameters are obtained after processing only two and half minutes of input video. The accuracy of the implemented system was evaluated on the dataset BrnoCompSpeed. The speed measurement error using the automatic calibration system is 8.15 km/h. The error is mainly caused by inaccurate scale acquisition, and when it is replaced by manually obtained scale, the error is reduced to 2.45 km/h. The speed measuring system itself has an error of only 1.62 km/h (evaluated using manual calibration parameters).
|
|
|
Synthetic Dataset Generator for Traffic Analysis
Svoreň, Ondrej ; Sochor, Jakub (referee) ; Herout, Adam (advisor)
This bachelor thesis deals with the creation and customization of synthetic dataset genera tor for traffic analysis. It focuses on traffic analysis by means of computer vision, methods and conditions of creating the generator of synthetic dataset, possible application of achie ved results in machine learning and additional development opportunities. Using available automobile photographs from the Czech Republic, Slovakia, Poland and Hungary, a synthe tic license plate number generator was created, which, after graphical adjustment and after joining with the vehicle photographs creates the resulting dataset for machine learning. The solution itself is divided into the three scripts written in Python using the OpenCV library. The resulting dataset serves as an input for the machine learning system to re-identify the license plate numbers from photographs captured in the flow of traffic.
|
|
|
Vehicle Speed Measurement Using Stereo Camera Pair
Najman, Pavel ; Sojka, Eduard (referee) ; Guillemaut, Jean-Yves (referee) ; Zemčík, Pavel (advisor)
Tato práce se snaží najít odpověď na otázku, zda je v současnosti možné autonomně měřit rychlost vozidel pomocí stereoskopické měřící metody s průměrnou chybou v rozmezí 1 km/h, maximální chybou v rozmezí 3 km/h a směrodatnou odchylkou v rozmezí 1 km/h. Tyto rozsahy chyb jsou založené na požadavcích organizace OIML, jejichž doporučení jsou základem metrologických legislativ mnoha zemí. Pro zodpovězení této otázky je zformulována hypotéza, která je následně testována. Metoda, která využívá stereo kameru pro měření rychlosti vozidel je navržena a experimentálně vyhodnocena. Výsledky pokusů ukazují, že navržená metoda překonává výsledky dosavadních metod. Průměrná chyba měření je přibližně 0.05 km/h, směrodatná odchylka chyby je menší než 0.20 km/h a maximální absolutní hodnota chyby je menší než 0.75 km/h. Tyto výsledky jsou v požadovaném rozmezí a potvrzují tedy testovanou hypotézu.
|
|
|
Reconstruction of 3D Information about Vehicles Passing in front of a Surveillance Camera
Dobeš, Petr ; Sochor, Jakub (referee) ; Herout, Adam (advisor)
This master's thesis focuses on 3D reconstruction of vehicles passing in front of a traffic surveillance camera. Calibration process of surveillance camera is first introduced and the relation of automatic calibration with 3D information about observed traffic is described. Furthermore, Structure from Motion, SLAM, and optical flow algorithms are presented. A set of experiments with feature matching and the Structure from Motion algorithm is carried out to examine results on images of passing vehicles. Afterwards, the Structure from Motion pipeline is modified. Instead of using SIFT features, DeepMatching algorithm is utilized to obtain quasi-dense point correspondences for the subsequent reconstruction phase. Afterwards, reconstructed models are refined by applying additional constraints specific to the vehicle reconstruction task. The resultant models are then evaluated. Lastly, observations and acquired information about the process of vehicle reconstruction are utilized to form proposals for prospective design of an entirely custom pipeline that would be specialized for 3D reconstruction of passing vehicles.
|
|
|
Automatic Traffic Video Surveillance: Fine-Grained Recognition of Vehicles and Automatic Speed Measurement
Sochor, Jakub ; Elder, James (referee) ; Svoboda,, Tomáš (referee) ; Herout, Adam (advisor)
V rámci této dizertační práce se zaměřuji na Inteligentní dopravní systémy a Počítačové vidění - především automatické měření rychlosti a rozpoznání automobilů podle typů. Rozpoznání automobilů podle typů je úkol, ve kterém system má predikovat přesný typ (např. Škoda Octavia combi mk2) pro daný obrázek automobilu. Publikoval jsem dva články, které popisují navržený přístup k tomuto problému a tvoří jádro této dizertace. Prezentovaná metoda je založena na 3D obalových kvádrech postavených okolo automobilů, které jsou následně využity pro rozbalení obrázku automobilu do roviny a tudíž normalizaci vstupu neuronové sítě, která dělá následné rozpoznání. Přístup byl dále rozpracován v druhé publikaci, kde je navržena metoda pro určení tohoto 3D obalového kvádru z jediného obrázku - tudíž není nutné mít zkalibrovanou kameru. Experimentální výsledky ukazují, že navržená metoda zlepšuje úspěšnost rozpoznání o 12 procentních bodů - chyba rozpoznání je redukována o 50 procent.Při měření rychlosti má systém za úkol odhadnout rychlost projíždějících aut z videa. Cílem je také, ať měření probíhá plně automaticky bez jakékoli manuální kalibrace. Jelikož neexistoval žádný dataset, který by obsahoval velké množství průjezdů s přesně změřenou rychlostí, tak jsme nejprve takovýto dataset pořídili. Dále jsem navrhnul metodu pro plně automatickou kalibraci dopravní dohledové kamery což umožňuje měřit rychlost automobilů pozorovaných touto kamerou. Metoda je založena na odhadu kalibrace pomocí detekovaných úběžníků scény a následného zarovnání 3D modelů několika běžných typů automobilů. Experimentální výsledky ukazují, že navržená metoda dosahuje průměrné chyby měření rychlosti 1,10 km/h.
|
|
|
Detection and Classification of Vehicles for Embedded Platforms
Skaloš, Patrik ; Hradiš, Michal (referee) ; Špaňhel, Jakub (advisor)
Táto práca hodnotí kompromisy rýchlosti a presnosti najmodernejších detektorov objektov YOLOv8 pre detekciu vozidiel v snímkoch z monitorovacích kamier na vstatných a nízkovýkonných zariadeniach. Modely YOLOv8 rôznych veľkostí, vrátane jedného s efektívnou sieťou MobileNetV2 na extrakciu príznakov a modelu YOLOv8-femto s menej ako \num{60000} parametrami, boli testované na šiestich zariadeniach, vrátane troch vstavaných platforiem z rodiny NVIDIA Jetson a počítačom Raspberry Pi 4B s nízkou výpočtovou silou. V práci boli zohľadnené rôzne faktory ovplyvňujúce výkonnosť modelov, ako napríklad ich kvantizácia, rozlíšenia vstupu, inferenčné knižnice a veľkosti dávok počas inferencie. Táto štúdia poskytuje užitočné informácie k vývoju a nasadeniu detektorov vozidiel na širokú škálu zariadení, od nízkovýkonných procesorov po špecializované vstavané platformy.
|
|
|
Vehicle Speed Measurement Using Stereo Camera Pair
Najman, Pavel ; Sojka, Eduard (referee) ; Guillemaut, Jean-Yves (referee) ; Zemčík, Pavel (advisor)
Tato práce se snaží najít odpověď na otázku, zda je v současnosti možné autonomně měřit rychlost vozidel pomocí stereoskopické měřící metody s průměrnou chybou v rozmezí 1 km/h, maximální chybou v rozmezí 3 km/h a směrodatnou odchylkou v rozmezí 1 km/h. Tyto rozsahy chyb jsou založené na požadavcích organizace OIML, jejichž doporučení jsou základem metrologických legislativ mnoha zemí. Pro zodpovězení této otázky je zformulována hypotéza, která je následně testována. Metoda, která využívá stereo kameru pro měření rychlosti vozidel je navržena a experimentálně vyhodnocena. Výsledky pokusů ukazují, že navržená metoda překonává výsledky dosavadních metod. Průměrná chyba měření je přibližně 0.05 km/h, směrodatná odchylka chyby je menší než 0.20 km/h a maximální absolutní hodnota chyby je menší než 0.75 km/h. Tyto výsledky jsou v požadovaném rozmezí a potvrzují tedy testovanou hypotézu.
|
|
|
Automatic Traffic Video Surveillance: Fine-Grained Recognition of Vehicles and Automatic Speed Measurement
Sochor, Jakub ; Elder, James (referee) ; Svoboda,, Tomáš (referee) ; Herout, Adam (advisor)
V rámci této dizertační práce se zaměřuji na Inteligentní dopravní systémy a Počítačové vidění - především automatické měření rychlosti a rozpoznání automobilů podle typů. Rozpoznání automobilů podle typů je úkol, ve kterém system má predikovat přesný typ (např. Škoda Octavia combi mk2) pro daný obrázek automobilu. Publikoval jsem dva články, které popisují navržený přístup k tomuto problému a tvoří jádro této dizertace. Prezentovaná metoda je založena na 3D obalových kvádrech postavených okolo automobilů, které jsou následně využity pro rozbalení obrázku automobilu do roviny a tudíž normalizaci vstupu neuronové sítě, která dělá následné rozpoznání. Přístup byl dále rozpracován v druhé publikaci, kde je navržena metoda pro určení tohoto 3D obalového kvádru z jediného obrázku - tudíž není nutné mít zkalibrovanou kameru. Experimentální výsledky ukazují, že navržená metoda zlepšuje úspěšnost rozpoznání o 12 procentních bodů - chyba rozpoznání je redukována o 50 procent.Při měření rychlosti má systém za úkol odhadnout rychlost projíždějících aut z videa. Cílem je také, ať měření probíhá plně automaticky bez jakékoli manuální kalibrace. Jelikož neexistoval žádný dataset, který by obsahoval velké množství průjezdů s přesně změřenou rychlostí, tak jsme nejprve takovýto dataset pořídili. Dále jsem navrhnul metodu pro plně automatickou kalibraci dopravní dohledové kamery což umožňuje měřit rychlost automobilů pozorovaných touto kamerou. Metoda je založena na odhadu kalibrace pomocí detekovaných úběžníků scény a následného zarovnání 3D modelů několika běžných typů automobilů. Experimentální výsledky ukazují, že navržená metoda dosahuje průměrné chyby měření rychlosti 1,10 km/h.
|
|
|
Synthetic Dataset Generator for Traffic Analysis
Svoreň, Ondrej ; Sochor, Jakub (referee) ; Herout, Adam (advisor)
This bachelor thesis deals with the creation and customization of synthetic dataset genera tor for traffic analysis. It focuses on traffic analysis by means of computer vision, methods and conditions of creating the generator of synthetic dataset, possible application of achie ved results in machine learning and additional development opportunities. Using available automobile photographs from the Czech Republic, Slovakia, Poland and Hungary, a synthe tic license plate number generator was created, which, after graphical adjustment and after joining with the vehicle photographs creates the resulting dataset for machine learning. The solution itself is divided into the three scripts written in Python using the OpenCV library. The resulting dataset serves as an input for the machine learning system to re-identify the license plate numbers from photographs captured in the flow of traffic.
|
guest ::
