Adquisición de variables de tráfico peatonal utilizando visión por computador

Autores/as

  • Julián Quiroga Pontificia Universidad Javeriana
  • Néstor Romero Pontificia Universidad Javeriana
  • Carolina García Pontificia Universidad Javeriana
  • Carlos Parra Pontificia Universidad Javeriana

DOI:

https://doi.org/10.17533/udea.redin.13657

Palabras clave:

seguimiento de peatones, visión por computador, detección de peatones

Resumen

El problema de tráfico tiene diferentes componentes que pueden ser analizados: los vehículos, los peatones y la interacción entre ellos. En este trabajo se propone un método de adquisición de variables de tráfico peatonal, utilizando técnicas de visión por computador. A partir de una secuencia de vídeo son detectados los peatones aislados, los grupos de peatones y los vehículos de la escena, utilizando un modelo del fondo. Los peatones son seguidos en la imagen por medio de características de su contorno y flujoóptico. El conteo de peatones es realizado sobre cualquier zona de la escena para estimar el flujo y la dirección de movimiento. El método propuesto puede ser configurado bajo diferentes perspectivas a partir de un conjunto de ejemplos. Los resultados experimentales en cruces peatonales demuestran que el método permite estimar las variables de interés en escenas complejas.
|Resumen
= 99 veces | PDF
= 37 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Julián Quiroga, Pontificia Universidad Javeriana

Grupo de Sistemas Inteligentes, Robótica y Percepción – SIRP, Facultad de Ingeniería.

Néstor Romero, Pontificia Universidad Javeriana

Grupo de Sistemas Inteligentes, Robótica y Percepción – SIRP, Facultad de Ingeniería.

Carolina García, Pontificia Universidad Javeriana

Grupo de Sistemas Inteligentes, Robótica y Percepción – SIRP, Facultad de Ingeniería.

Carlos Parra, Pontificia Universidad Javeriana

Grupo de Sistemas Inteligentes, Robótica y Percepción – SIRP, Facultad de Ingeniería.

Citas

DANE. “Estadísticas vitales”. Disponible en: http://www.dane.gov.co/files/investigaciones/poblacion/defunciones/Defunciones_causa_externa_2008.xls. Recuperado: marzo de 2009.

Fondo de Prevención Vial. Accidentalidad vial en Colombia 2007. 2007. pp. 13.

World Health Organization. World report on road traffic injury prevention: summary. Geneva. 2004. pp. 1-9.

G. Urrego, F. Calderón, A. Forero, J. Quiroga. “Adquisición de variables de tráfico vehicular usando visión por computador”. Revista de Ingeniería, Universidad de los Andes. Vol. 30. 2009. pp. 7-15. DOI: https://doi.org/10.16924/revinge.30.1

J. Berclaz, F. Fleuret, P. Fua. “Robust people tracking with global trajectory optimization.” Proc. of the IEEE Conference on Computer Vision and Pattern Recognition. Vol. 1. 2006. pp. 744-750.

K. Terada, D. Yoshida, S. Oe, J. Yamaguchi. “A method of counting the passing people by using the stereo images.” Proc. of the IEEE International Conference on Image Processing. Vol. 2. 1999. pp. 338-342. DOI: https://doi.org/10.1109/ICIP.1999.822913

S. Velipasalar, Y. L. Tian, A. Hampapur. “Automatic counting of interacting people by using a single uncalibrated camera.” Proc. of the IEEE International Conference on Multimedia and Expo. Vol. 1. 2006. pp. 1265-1268. DOI: https://doi.org/10.1109/ICME.2006.262768

N. Dalal, B. Triggs. “Histograms of oriented gradients for human detection.” Proc. of the IEEE Conference on Computer Vision and Pattern Recognition. Vol. 1. 2005. pp. 886-893.

B. Leibe, E. Seemann, B. Schiele. “Pedestrian detection in crowded scenes.” Proc. of the IEEE Conference on Computer Vision and Pattern Recognition. Vol. 1. 2005. pp. 878-885.

B. Wu, R. Nevatia. “Detection of multiple, partially occluded humans in a single image by Bayesian combination of edge part detectors.” Proc. Of the IEEE International Conference on Computer Vision. Vol. 1. 2005. pp. 90-97. DOI: https://doi.org/10.1109/ICCV.2005.74

S. Khan, M. Shah. “Tracking people in presence of obstacles.” Proc. of the First Asian Conference on Computer Vision.Vol. 1. 2000. pp. 1132-1137.

G. G. Lee, B. S. Kim, W. Y. Kim. “Automatic estimation of pedestrian flow.” Proc. of the First ACM/IEEE Int. Conference on Distributed Smart Cameras. Vol. 1. 2007. pp. 291-296 DOI: https://doi.org/10.1109/ICDSC.2007.4357536

O. Masoud, N. P. Papanikolopoulos. “A novel method for tracking and counting pedestrians in real-time using a single camera.” IEEE Transactions on Vehicular Technology. Vol. 50. 2001. pp. 1267-1278. DOI: https://doi.org/10.1109/25.950328

P. Viola, M. J. Jones, D. Snow. “Detecting pedestrians using patterns of motion and appearance”. Proc. Of the IEEE Int. Conf. on Computer Vision. Vol. 2. 2003. pp. 734-741. DOI: https://doi.org/10.1109/ICCV.2003.1238422

O. Sidla, Y. Lypetskyy, N. Brandle, S. Seer. “Pedestrian detection and tracking for counting applications in crowded situations.” Proc. of the IEEE International Conference on Video and Signal Based Surveillance. Vol. 1. 2006. pp. 70-75. DOI: https://doi.org/10.1109/AVSS.2006.91

K. Kim, T. Chalidabhongse, D. Harwood, L. Davis. “Real-time foreground–background segmentation using codebook model.” Real-Time Imaging. Vol. 11. 2005. pp. 167-256. DOI: https://doi.org/10.1016/j.rti.2004.12.004

J. Shi, C. Tomasi. “Good features to track.” Proc. Of the IEEE Conference on Computer Vision and Pattern Recognition.Vol. 1. 1994. pp. 593-600.

R. O. Duda, P. E. Hart. “Use of the Hough transformation to detect lines and curves in pictures”. Communications of the ACM. Vol. 15. 1972. pp. 11-15. DOI: https://doi.org/10.1145/361237.361242

J. Y. Bouguet. “Pyramidal implementation of the Lucas Kanade feature tracker – Description of the algorithm.” Intel Corporation – Microprocessor Research Labs. 2000.

R. Greene-Roesel, M. C. Diogenes, D. Ragland, L. Lindau. “Effectiveness of a Commercially Available Automated Pedestrian Counting Device in Urban Environments: Comparison with Manual Counts.” Transportation Research Board 87th Annual Meeting. 2008. pp. 16.

P. Felzenszwalb, R. Girshick, D. McAllester, D. Ramanan. “Object Detection with Discriminatively Trained Part-Based Models.” IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol 32. 2010. pp. 1627-1645. DOI: https://doi.org/10.1109/TPAMI.2009.167

Descargas

Publicado

2012-11-22

Cómo citar

Quiroga, J., Romero, N., García, C., & Parra, C. (2012). Adquisición de variables de tráfico peatonal utilizando visión por computador. Revista Facultad De Ingeniería Universidad De Antioquia, (60), 51–61. https://doi.org/10.17533/udea.redin.13657