Road and traffic analysis from video

Abstract

Bu tezde birbirinden ayrı 2 tane video tabanlı trafik analizi uygulamasıgerçekleştirilmiştir. Birincisi sabit kamera düzeneğinden trafik gözetimi, ikincisi ise araçüstüne yerleşik kameradan sürücü uyarı sistemidir. Sabit kamera düzeneği ile trafik izlemekısmında araç tespiti ve takibi için, Gaussian Mixture Model (GMM) tabanlı arkaplançıkarımı yöntemi kullanılmıştır. Yeni öngörülen uyarlamalı kuşatan kutu yöntemi araçtespitinde uygulanmıştır. Hesaplama karmaşıklığını azaltmak izin otomatik çıkarılan yolmaskesi kullanılmıştır. Ayrıca, gürbüz araç takibi ve sayımı için araç boyutlarının kullanıldığıyeni bir örtüşme algoritması oluşturulmuştur. Önerilen sistem farklı ışıklandırma ve havadurumları için test edilmiştir. Araç üstü monte edilmiş kamera yardımıyla sürücü uyarı sistemiiçin yol şeridinden araç lokalizasyonu ve araçlar arası mesafe tespiti uygulamaları ele alınmış,özniteliğe dayalı iki adımlı şerit işareti tespiti algoritması gerçekleştirilmiştir. Bu çalışmadakenarlar öznitelik olarak kullanılmış ve yeni iki basamaklı gruplama yöntemi ile daha anlamlıyapılara kümelenmiştir. Şerit işaretlerinin bireysel takibi, şerit işaretlerinin her köşesineyerleştirilen Kalman filtreleri ile elde edilmiştir. Takip sonuçlarına dayalı olarak iki tane modtanımlanmıştır: şerit arası modu ve geçiş modu. Öngörülen sistemin güvenirliği iki modu daiçeren imge dizisi için test edilmiştir. Ayrıca, sistem ilklendirmesi için global hareketkestirimi yöntemi kullanılmıştır. Deney sonuçları önerilen algoritmaların düzgün çalıştığını veçevresel etkenlere karşı gürbüz olduğunu göstermektedir.

This thesis proposes two video-based traffic analysis systems, one for trafficmonitoring with fixed cameras, and one for driver warning applications with on-boardcameras looking outwards from the windshield. In the fixed-camera traffic monitoringsystem, Gaussian Mixture Model (GMM) based background subtraction is applied with anew adaptive bounding box size criteria to detect and track vehicles. An automaticallyextracted road mask is used to reduce the computational complexity. Furthermore, a newocclusion reasoning algorithm is proposed for robust tracking and counting of vehicles,where features such as size and width of the vehicles are used. Proposed system is testedunder different lighting and weather conditions, such as night and winter recordings. Inthe driver warning system with on-board camera, host vehicle localization with respect tolane marks and vehicle-to-vehicle distance calculation are addressed. A feature basedlane mark detection scheme with two step aggregation method is proposed. Edge featuresare used in this study, and aggregated into more meaningful structures by a new two-stepaggregation method. Tracking of the individual lane mark is handled by four Kalmanfilters for each of the lane mark corner. After analyzing the tracking results, two modesare defined for the host vehicle: in-lane and passing modes. Reliability of the proposedsystem is tested for host vehicle localization and vehicle-to-vehicle distance on a videosequence including both modes. Moreover, a new scene initialization procedure based onglobal motion estimation is used in this study. Experimental results show that theproposed algorithms perform well, and they are robust to environmental conditions.