Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Đếm xe dựa trên quỹ đạo và hình ảnh hóa sự kiện bất thường trong các thành phố thông minh
Tóm tắt
Phân tích mẫu chuyển động có thể được thực hiện tự động dựa trên quỹ đạo của các đối tượng thông qua video theo dõi; một phương pháp hiệu quả để phân tích và mô hình hóa hành vi giao thông; là rất quan trọng để mô tả chuyển động bằng cách xem xét toàn bộ quỹ đạo, trong khi đó việc xác định và đánh giá hành vi của đối tượng trực tuyến lại càng cần thiết hơn. Trong bài báo này, phương pháp phát hiện mẫu được trình bày, chú trọng đến đặc điểm không-thời gian của các quỹ đạo xe. Một hệ thống thời gian thực được xây dựng để suy luận và theo dõi hành vi của đối tượng một cách nhanh chóng thông qua việc phân tích quỹ đạo trực tuyến. Mỗi xe độc lập trong khung hình video được theo dõi theo thời gian. Khi hành vi bất thường xảy ra, biểu tượng được tạo ra để hiển thị những sự kiện đó. Việc đếm xe được thực hiện thông qua việc ước lượng các quỹ đạo và so sánh với bộ theo dõi Hungary. Nhiều video giám sát được xem xét để kiểm tra hiệu suất của hệ thống. Kết quả thí nghiệm cho thấy rằng phương pháp được đề xuất so với các thuật toán tiên tiến hiện tại, cung cấp ước lượng mật độ xe và thông tin sự kiện, ví dụ, thông tin thay đổi làn.
Từ khóa
#phân tích chuyển động #quỹ đạo xe #phát hiện mẫu #hành vi bất thường #giám sát video #thành phố thông minhTài liệu tham khảo
Jiang, F., Tsaftaris, S.A., Wu, Y., Katsaggelos, A.K.: Detecting anomalous trajectories from highway traffic data (2009)
Ivanov, Y.A., Bobick, A.F.: Recognition of visual activities and interactions by stochastic parsing. IEEE Trans. Pattern Anal. Mach. Intell. 22(8), 852–872 (2000)
Wren, C.R., Azarbayejani, A., Darrell, T., Pentland, A.: Pfinder: real-time tracking of the human body. IEEE Trans. Pattern Anal. Mach. Intell. 19(7), 780–785 (1997)
Haritaoglu, I., Harwood, D., David, L.S.: W4: real-time surveillance of people and their activities. IEEE Trans. Pattern Anal. Mach. Intell. 22(8), 809–830 (2000)
Todd, N., Schoepflin, N., Dailey, D.J.: Dynamic camera calibration of roadside traffic estimation management cameras for vehicle speed. IEEE Trans. Intell. Transp. Syst. 4(2), 90–98 (2003)
Viola, P., Jones, M.J.: Robust real-time face detection. Int. J. Comput. Vis. 57(2), 137–154 (2004)
Sun, P., Chawla, S.: On local spatial outliers. In: ICDM, pp. 209–216 (2004)
Li, X., Li, Z., Han, J., Lee, J.-G.: Temporal outlier detection in vehicle traffic data. In: ICDE, pp. 1319–1322 (2009)
Piciarelli, C., Foresti, G.L.: On-line trajectory clustering for anomalous events detection. Pattern Recogn. Lett. 27(15), 1835–1842 (2006). doi:10.1016/j.patrec.2006.02.004
Piciarelli, C., Micheloni, C., Foresti, G.L.: Trajectory-based anomalous event detection. IEEE Trans. Circuits Syst. Video Technol. 18(11), 1544–1554 (2008). doi:10.1109/TCSVT.2008.2005599
Patino, L., Ferryman, J., Beleznai, C.: Abnormal behaviour detection on queue analysis from stereo cameras. In: 12th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS), pp. 1–6 (2015)
Cosar, S., Donatiello, G., Bogorny, V., Garate, C., Alvares, L.O., Bremond, F.: Towards abnormal trajectory and event detection in video surveillance. IEEE Trans. Circuits Syst. Video Technol. 27, 683–695 (2016)
Chen, C., Zhang, D., Castro, P.S., Li, N., Sun, L., Li, S.: Real-time detection of anomalous taxi trajectories from GPS traces. In: International Conference on Mobile and Ubiquitous Systems: Computing, Networking, and Services, pp. 63–74. Springer, Berlin (2011)
Kruthiventi, S.S., Venkatesh Babu, R.: Dominant flow extraction and analysis in traffic surveillance videos. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, pp. 63–71 (2015)
Lan, J., Long, C., Wong, R.C.W., Chen, Y., Fu, Y., Guo, D., Li, J.: A new framework for traffic anomaly detection. In: SDM, pp. 875–883 (2014)
Hsieh, C.T., Hsu, S.B., Han, C.C., Fan, K.C.: Abnormal event detection using trajectory features. J. Inf. Technol. Appl. 5(1), 22–27 (2011)
Jiang, F., Yuan, J., Tsaftaris, S.A., Katsaggelos, A.K.: Anomalous video event detection using spatiotemporal context. Comput. Vis. Image Underst. 115(3), 323–333 (2011)
Faraway, Julian J., Reed, Matthew P., Wang, Jing: Modelling three-dimensional trajectories by using Bézier curves with application to hand motion. J. R Stat. Soc. C 56(5), 571–585 (2007)
Makris, D., Ellis, T.: Path detection in video surveillance. Image Vis. Comput. 20(12), 895–903 (2002)
Bennewitz, M., Burgard, W., Cielniak, G.: Utilizing learned motion patterns to robustly track persons. In: Proceeding IEEE International Workshop Visual Surveillance Perform. Evaluation of Tracking and Surveillance, pp. 102–109 (2003)
Morris, B.T., Trivedi, M.M.: Learning, modeling, and classification of vehicle track patterns from live video. IEEE Trans. Intell. Transp. Syst. 9(3), 425–437 (2008)
Duffy, B., et al.: Glyph-based video visualization for semen analysis. IEEE Trans. Vis. Comput. Gr. 21(8), 980–993 (2015)