1/13 Bécsi Tamás, Péter Tamás INNOVÁCIÓ ÉS FENNTARTHATÓ FELSZÍNI KÖZLEKEDÉS KONFERENCIA Budapest, szeptember 4-6. Képfelismerésen alapuló technológiák gyakorlati felhasználása a közúti közlekedés vizsgálatában Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedésautomatikai Tanszék

2/13 6 éve: közúti forgalmi szimulációs modellek –4-ik éve az EJJT keretein belül 4 éve: képfeldolgozás Alapvető cél: –Adatsorok mérése mikroszkopikus modellek identifikációjához Következmény: –Egyéb mérésekre is alkalmas rendszer A kutatások háttere

3/13 Mérési célok : Terhelésvizsgálat, Viselkedésvizsgálat, Forgalmi körülmények vizsgálata, Tervezés, elemzés, modellezés, irányítás céljából Makroszkopikus jellemzők –Forgalomnagyság [jármű/óra] –Forgalomsűrűség: [jármű/km] –Átlagsebesség [km/h] –Járműkategóriák –Origin-Destination Bevezetés, Célok Mikroszkopikus jellemzők –Sebesség, dinamika –Követési viselkedés –Sávválasztás –Szabálykövetés –Trajektória

4/13 Felépítés A forgalom mérését kétféle módon végezhető Off-line mérés: –digitális kamera, vagy digitalizált analóg felvétel On-line mérés: –ipari kamera használata, –geometriai és forgalomtechnikai adatok –jelátvitel –csatlakozás, feldolgozás, tömörítés

5/13 Nem-rekurzív modellek: Frame differencing Medián-szűrő Átlagképzés (Szórásfigyelés) Rekurzív módszerek: AMF szűrő MoG szűrő MoD szűrő Háttérmodellezés A cél az ideális háttér előállítása Adaptivitás, Zajelnyomás, Ghost effect, Aperture Problem, Memóriaigény, Processzorigény (Sebesség)

6/13 MoG alapú rekurzív eljárás Több eloszlás karbantartása Adaptivitás biztosítása –Tanulási és –Felejtési rátákkal Színes és fekete fehér módok Azonnali háttér elkülönítés MoD metódus

7/13 A modellezett háttér és az eredeti kép különbségképzése –(Grayscale vagy RGB módban, egyszerű vagy arányos különbség) Járműkeresés A hasznos képpontok keresése –(Noisegate, alias szűrők) Az objektumok körülhatárolása –(8-connectivity metódus)

8/13 A körülhatárolás eredménye –[idő, pozíció, járműméret] adatsorok Járműregisztráció (időmetszetben) –Pozíció alapú keresés –[járműazonosító, idő, pozíció, járműméret] adatsorok Pozíciósimítás (járműszerinti) –Mozgóablakos polinomiális regresszió, vagy mozgóátlag –[járműazonosító, idő, pozíció, sebesség, gyorsulás, járműméret] adatsorok Követett jármű keresése –Pozíció és sáv alapú keresés –[járműazonosító, idő, pozíció, sebesség, gyorsulás, járműméret, köv. azonosító, köv. pozíció, köv. sebesség, köv. gyorsulás, köv. hossz, pozíciókülönbség, sebességkülönbség, gyorsuláskülönbség] Adatfeldolgozás

9/13 Mérési feladatok Cél Látószö g Pixel/ m FPS Jármű- takarás Mikroszkopikus Szakasz-menti Mikro paraméterek, s,v,a, 55° 0,2 102 Követési köz, járműkategóriák Kereszteződés Origin-Destination, járműkategóriák - 2 0,3 3-4 Makroszkopikus Szakasz- menti Makro paraméterek, q,v,ρ - 2 0,3 3-4 Kereszt- metszeti Makro paraméterek, q,v,ρ 55° 0,110 1

10/13 Próbamérés Budapest XI. ker. Bártfai utca Forgalomcsillapító eszközök hatásának vizsgálata

11/13 GUI felület

12/13 A szoftvereket a Borland Delphi RAD környezetével fejlesztettük Microsoft Windows környezetre. A file-ban található videók beolvasására a Microsoft Windows alatt elérhető, vagy az arra telepíthető „video codec”-eket használtuk. A program kerete és motorja a Borland Delphi Object Pascal nyelvén íródik. A programba implementált képfeldolgozó algoritmusok a magas szintű programforrások lassúsága miatt x86 ASM nyelven íródnak. Technikai megjegyzések

13/13 Újabb (más jellegű) képfeldolgozási módszerek kutatása Önálló, telepíthető rendszer tervezése Több rendszer összefogása –Adatbázis –Feldolgozás –Forgalom-predikció További munka