Traffic-Net：使用单摄像机的三维交通监控
计算机视觉与模式识别
2022-07-05 v2 人工智能
机器学习
摘要
计算机视觉在智能交通系统(ITS)与交通监控中发挥了重大作用。随着自动驾驶车辆与拥挤城市的快速增长，采用视频监控基础设施的自动化高级交通管理系统(ATMS)通过深度神经网络实现而演进。本研究中，我们提供一个实时交通监控的实用平台，包括三维车辆/行人检测、速度检测、轨迹估计、拥堵检测，以及监控车辆与行人交互，均使用单一CCTV交通摄像机。我们适配定制YOLOv5深度神经网络模型用于车辆/行人检测及增强SORT跟踪算法。首次提出一种混合星地逆透视映射(SG-IPM)摄像机自动标定方法，可实现准确的三维物体检测与可视化。我们还基于短期与长期时序视频数据流开发分层交通建模方案，以理解交通流、瓶颈及弱势道路使用者的危险点。使用多种交通监控数据集(包括从高速公路、交叉口和城市区域在不同光照与天气条件下收集的MIO-TCD、UA-DETRAC和GRAM-RTM)进行了真实场景实验及与最先进方法的比较。
引用
@article{arxiv.2109.09165,
title = {Traffic-Net: 3D Traffic Monitoring Using a Single Camera},
author = {Mahdi Rezaei and Mohsen Azarmi and Farzam Mohammad Pour Mir},
journal= {arXiv preprint arXiv:2109.09165},
year = {2022}
}