An Innovative Intelligent Traffic System for Automatic Detection of Violent Vehicles from Surveillance Videos
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 783
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICICA01_0761
تاریخ نمایه سازی: 27 اسفند 1394
چکیده مقاله:
Intelligent traffic control systems for detection of traffic rule violation is very important. For this purpose, image processing is employed in traffic analysis procedures. In this paper, a new approach is presented for extracting information of moving vehicles such as their speeds and paths to observe whether any one of them violates the traffic rules or not. For this purpose, first a series of video frames are acquired to initialize foreground from background discrimination based on Gaussian Mixture Model strategy. Then, moving objects are detected in the rest of video stream frames according to the detections corresponding to the same object over time. For this goal, a Munkres’ version of Hungarian algorithm is employed which provides tracking predictions for detected moving objects. After extracting such information, the paths and speeds of detected moving objects are analyzed and the traffic rule violations will be detected automatically. The implementation results related to the pilot version of proposed method demonstrates its high quality and feasibility even for traffic videos acquired by static cameras with strict and steady calibrations.
کلیدواژه ها:
Gaussian Mixture Model ، Kalman Filtering ، Hungarian Algorithm ، Intelligent Transportation System ، Munkres’ version of Hungarian Algorithm
نویسندگان
Mohammad Ali Alavianmehr
Deputy of Shiraz Traffic Control Center, Shiraz Municipality, Iran
Amir Sodagaran
Manager of Shiraz Traffic Control Center, Shiraz Municipality, Iran
Ali Zahmatkesh
Vice-president of Shiraz Urbun Traffic and Transportation, Shiraz Municipality, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :