Sustav za detekciju i brojanje vozila na prometnicama

diplomski rad

• Naslov (engleski): Vehicle Detection and Counting System for Road Surveillance
• Autor: David Marčinković
• Mentor: Zoran Kalafatić (mentor)
• Član povjerenstva: Zoran Kalafatić (predsjednik povjerenstva)
• Član povjerenstva: Siniša Šegvić (član povjerenstva)
• Član povjerenstva: Tomislav Hrkać (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-12, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Pametno upravljanje prometnicama je od izrazitog znacaja zbog ubrzanog porasta ˇ
broja vozila koji dovodi do sve veceg broja prometnih nesre ´ ca. Brojanjem vozila na ´
prometnicama moguce je djelomi ´ cno sprije ˇ citi navedene probleme. Ovaj rad pred- ˇ
laže dvije metode brojanja vozila. Prva metoda koristi algoritme dubokog ucenja. Za ˇ
detekciju vozila te odredivanje tipa vozila na prometnicama, koristi se YOLOv3 detek- ¯
tor objekata koji pokazuje izvrsne performanse prilikom detekcije te omogucuje rad ´
u stvarnom vremenu. Trajektorije vozila se se dobivaju korištenjem ORB algoritma,
koji je poboljšana varijanta SIFT algoritma za izlucivanje zna ˇ cajki vozila. Kona ˇ cno, ˇ
obavljena je analiza trajektorija kako bi se odredio smjer kretanja vozila te obavilo brojanje vozila. Iako rješavaju mnoge probleme današnjice, algoritmi dubokog ucenja se ˇ
mogu vrlo sporo izvoditi na ogranicenom hardveru. Druga metoda korištena u ovom ˇ
radu koristi tradicionalne algoritme racunalnog vida. Detekcija vozila u ovoj metodi je ˇ
obavljena algoritmom Gaussove mješavine. Pracenje vozila ostvareno je korištenjem ´
Kalmanovog filtra, koji na temelju dane pozicije vozila može odrediti sljedecu pozi- ´
ciju vozila, pod pretpostavkom linearnog kretanja vozila. Na kraju je, jednako kao i u
prvoj metodi, obavljena analiza trajektorije. Na samom završetku rada je napravljena
usporedba dvije korištene metode.

Sažetak (engleski)

Intelligent traffic management has a considerable significance due to the rapid increase of the number of vehicles on our roads. Large number of vehicles cause many
car accidents and traffic jams. These issues can be alleviated by using vehicle counting systems. In this thesis, two methods for vehicle counting are suggested. The first
one uses deep learning algorithms. The YOLOv3 detection system is used to detect
vehicles on the road. The YOLOv3 shows state-of-the-art results in the area of object
detection. Vehicle trajectories were obtained using the ORB algorithm. ORB stands
for Oriented F AST and Rotated BRIEF and is used to extract features from an
image. Finally, trajectory analysis is performed to determine the driving detection and
to count vehicles. Deep learning algorithms are widely used nowadays because they
can solve many problems. However, they are very complicated and computationally
demanding, which is unlikely to perform well on restricted hardware. The second method used in this thesis uses traditional computer vision methods. Using these methods
showed to be more than ten times faster than using deep learning algorithms. Vehicle
detection is performed using the Gaussian mixture model. Vehicle tracking is done
using the Kalman filter. This algorithm, also known as linear quadratic estimation,
produces estimates of unknown linear variables. Using this property, it can be used to
track vehicles. Finally, the trajectory analysis is performed, just as in the first method.
At the end of this thesis, the results of each method are shown and the comparison
between the two methods is given

• Ključne riječi: Konvolucijska neuronska mreža; Brojanje vozila; Detekcija vozila; Kontrola prometa
• Ključne riječi (engleski): Convolutional neural network; Vehicle counting; Vehicle detection; Highway management
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:022653
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 09:23:34