Adquisición de variables de tráfico peatonal utilizando visión por computador

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

Abstract

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.
|Abstract
= 26 veces | PDF (ESPAÑOL (ESPAÑA))
= 16 veces|

Downloads

Download data is not yet available.

References

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.

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.

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.

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.

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

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.

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.

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.

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.

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.

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.

Published
2012-11-22
How to Cite
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. Retrieved from https://revistas.udea.edu.co/index.php/ingenieria/article/view/13657