Adquisición de variables de tráfico peatonal utilizando visión por computador
DOI:
https://doi.org/10.17533/udea.redin.13657Palabras clave:
seguimiento de peatones, visión por computador, detección de peatonesResumen
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.Descargas
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
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Revista Facultad de Ingeniería
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter