基于深度学习的视频系统用于准确实时的停车位测量
计算机视觉与模式识别
2019-10-17 v1
摘要
停车位建设成本高昂，停车费难以监管，驾驶员浪费过多时间寻找空位。准确的量化可为主管部门和市政当局的空间分配与设计提供信息，而实时测量可为驾驶员和停车监管提供节省时间与资源的信息。本文提出了一种面向未来物联网（IoT）与智慧城市应用的准确实时视频系统。利用深度卷积神经网络（DCNNs）的最新进展和一种新颖的车辆跟踪滤波器，我们结合视频序列中多帧图像的信息以消除由遮挡和检测失败引入的噪声。我们证明，该系统比纯基于图像的实例分割具有更高精度，且与使用雷达等更昂贵传感器的行业基准系统性能相当。此外，我们的系统在扩展到城市级规模以及输出丰富度（超越传统二值占用统计）方面展现出显著潜力。
引用
@article{arxiv.1902.07401,
title = {Deep Learning Based Video System for Accurate and Real-Time Parking Measurement},
author = {Bill Yang Cai and Ricardo Alvarez and Michelle Sit and Fábio Duarte and Carlo Ratti},
journal= {arXiv preprint arXiv:1902.07401},
year = {2019}
}
备注
Accepted for publication in IEEE Internet of Things Journal, Special Issue on Enabling a Smart City: IoT Meets AI