车辆色彩辨识与车流量估测之动态影像分析及综合指南.pptVIP

車輛色彩辨識與車流量估測之動態影像分析 報告者:林福城 指導老師:陳定宏 教授 大綱 研究背景及目的 文獻回顧 研究方法及步驟 預計達成目標及未來應用 研究背景(1) 研究背景(2) 車輛數目過多造成之問題 塞車-經濟損失 貨運-經濟損失 商業-經濟損失 目前之方法 高速公路上之定點偵測 車用導航之警示 目的 行車記錄器 早期功用-1952年在德國問世，記錄汽車之瞬時速率及行駛距離，表示行駛時間或檢驗記錄之裝置。 現今-結合攝影機、影像編碼器之功能。 本研究之目的為基於行車記錄器之動態影像之車流量偵測與車色之判定。 文獻回顧 3D(three-dimensional) 紋理 紅外線影像偵測 分群法 特定特徵 外形 邊及角 後車燈 對稱性 複合性 3D(three-dimensional) G. L. Foresti et al.於1994提出用分散式方法來做3D道路的場景辨識，更於1998年利用2D轉3D模型來辨識及追蹤車輛。 紋理 紅外線影像 Kagesawa et al.於2001年提出利用紅外線影像來辨識車輛。 特點: 1.消除色差 2.製作區域特徵的壓縮資料庫 樣本分群 Kato et al.在2002年提出利用分類方式來訓練車輛及非車輛的樣本。他提出一個新的多群集修正二次判別方法(MC-MQDF)，來分離出車輛及非車輛之群集的方法。 Shape(車輛的後視及後車燈) Santos et al.] 於2009年提出了兩個辨識汽車的方法: 1.汽車的後視形狀的尺寸和邊。 2.從汽車的後車燈，從它們的方向，位置，及車牌的角度和形狀輪廓，計算特徵來辨識車輛。 Shape(後車燈) O‘Malley et al.於2010提出，利用調整Camera的曝光，保留車燈的顏色，再結合車燈的對稱性關係，來執行夜間的車輛辨識。 對稱性 Toulminet et al.於 2006年提出了一種立體視覺系統的檢測和計算前車距離的方法。首先，一個基於立體視覺的演算法被用來截取在場景中相關的3D的特徵，這些特徵被用來更進一步的調查，只有選擇是垂直的物體，藉由這些對稱性的特徵，來辨識是否為一個車輛。 複合性 Leeuwen et al.提出不需使用先前的資訊，應用於影像序列的一個方法，其方法為於車輛上建置一個camera，用以提供影像資料，偵測中間區域的車輛，並給合陰影、能量和水平對稱的三個線索，來辨識車輛的型體。 Edge Area and Corner Area Zhenfeng et al.提出一個在室外環境，基於快速多線索的車輛偵測技術。二個新的基於邊和角特性的技術，被使用來快速的排除大多數非車輛的物件，並考慮全域的結構線索和區域的紋理線索，用以辨識車輛。 垂直的邊 角 研究流程 研究方法流程 研究方法大綱 前處理(車道線偵測) 定義影像ROI區域 陰影偵測 尋找車輛區域 對稱性驗證 車輛數量加總及車色辨識 卡特圖 預期達到目標及未來之應用 目標 期望能達到行動式/定點式，偵測車流量及車色辨識之功能。 應用 定點式偵測，依車流之狀況，調配紅綠燈之等待時間。 * * 依據交通部統計處(2010)資料顯示，自用小客車汽車數量達577萬輛，較2000年的498萬輛，成長了79萬輛。機車的擁有率，更到達每一百人就有93.4人持有機車，車輛的成長速度大於了道路的可負荷的承載量。 Lam et al.於2007年提出基於關鍵特徵點的拓撲結構，用以去偵測這個顯著的描述區域。在紋理的同質性上，可以藉由分割這些關鍵特徵點的車輛元件來辨別 研究動機及目的訂定 文獻回顧 研究方法訂定 實作 比較 結論 修正 前處理 (lane detect) 尋找陰影 定義ROI區域 車輛數加總 顏色偵測 No Yes 前處理 (lane detect) 前處理 (lane detect) 定義ROI區域 前處理 (lane detect) 定義ROI區域 前處理 (lane detect) 前處理 (lane detect) 定義ROI區域 前處理 (lane detect) 定義ROI區域 前處理 (lane detect) 尋找陰影 定義ROI區域 前處理 (lane detect) 尋找陰影 定義ROI區域 前處理 (lane detect) 尋找陰影 定義ROI區域 前處理 (lane detect) No 尋找陰影 定義ROI區域 前處理 (lane detect) No 尋找陰影 定義ROI區域 前處理 (lane detect) No 尋找陰影 定義ROI區域 前處理 (lane detect) No 尋找陰影 定義ROI區域 前處理 (lane det