面向大规模无约束道路城市出行的计算机视觉技术评估
计算机视觉与模式识别
2021-09-14 v1
摘要
解决道路安全的传统方法依赖人工干预或固定CCTV基础设施。此类方法在强制遵守交通规则方面成本高昂，且无法扩展到大型道路网络。本文提出一种简单的移动成像设置，以规模化解决道路安全中的若干常见问题。我们使用近期计算机视觉技术，通过挂载在移动车辆上的摄像头所拍摄的视频，识别道路上可能存在的不规则状况、路灯缺失以及缺陷交通标志。除静态道路基础设施巡检外，我们还展示了该移动成像方案在发现交通违规方面的适用性。在将系统部署到真实世界之前，我们基于十三个基于条件的层次化标签研究了计算机视觉技术的优势与不足。这些条件包括不同时间段、道路类型、交通密度以及道路损坏状态。随后我们在横跨整座城市采集的2000公里无约束道路场景上开展演示。借此，我们通过精心构建的指标定量度量该城市道路的整体安全性。我们还展示了一个交互式仪表盘，用于以省时、省力和经济高效的方式进行可视化巡检与行动发起。本工作中使用的代码、模型和数据集将公开发布。
引用
@article{arxiv.2109.05226,
title = {Evaluating Computer Vision Techniques for Urban Mobility on Large-Scale, Unconstrained Roads},
author = {Harish Rithish and Raghava Modhugu and Ranjith Reddy and Rohit Saluja and C. V. Jawahar},
journal= {arXiv preprint arXiv:2109.05226},
year = {2021}
}
备注
8 pages, 8 figures