利用街景视频序列自动构建交通分析的时空图
本文介绍了CityFlow数据集,它是一个城市级交通相机数据集,包括来自40个摄像头的3个多小时的高清视频,涵盖10个路口,最大距离为2.5公里,共包含超过200K个标注边界框。这个数据集为MTMC跟踪,MTSC跟踪,物体检测和基于图像的车辆再识别等领域提供了前所未有的较大规模的数据支持,以促进该领域的研究。
Mar, 2019
本文介绍了一种面临道路运动相机拍摄时空视角变化而实现动态交通场景分类的解决方案,包括创建了80小时的数据集和使用语义上下文和时间性的新型算法开发了一种道路场景动态分类系统,可以帮助理解驾驶员的驾驶行为。
May, 2019
本研究提供了一个基于深度学习的实时交通监控平台,通过单个交通摄像头实现了车辆/行人检测、速度检测、轨迹估计、拥堵检测、以及车辆和行人交互的监测,同时使用短期和长期的时间视频数据流开发了分层交通模型解决方案,实现了对实际交通情况的监测。
Sep, 2021
本文主要研究从视频流中提取BEV车道图。通过三种不同的方法,即后处理,空时嵌入变换和显式BEV投影等方法,实现在任意数量的图像上生成准确的车道图,并在Nuscenes和Argoverse数据集上进行了实验并证明了所提出方法的有效性和优越性。
Apr, 2023
该论文提供了一个自动实时车辆速度计算的新框架,该框架能够处理多样化的公开交通摄像头数据以实现更好的稳健性,通过深度图预测技术估计路段长度,同时处理实际条件如摄像头移动和不同视频流输入,与其他模型相比,虽然在预测性能方面没有创立新的最佳结果,但在实际闭路电视视频方面是具有竞争力的,同时它的端到端管道提供了更一致的结果、更容易的实现和更好的兼容性,其模块化结构便于重现性和未来的改进。
Sep, 2023
通过利用街景图像重建度量的三维模型并精确校准100多个全球交通摄像头,本研究展示了一个可扩展的框架,以解决基于野外摄像头的精确校准挑战,并通过提取信息进行交通分析,从而开发出利用室外摄像头进行自动分析的潜力。
Nov, 2023
该研究实施了一个三阶段的视频分析框架,用于从道路上的摄像头提取高分辨率的交通数据,关键组成部分包括目标识别、透视转换和车辆轨迹重建,可以用于改善交通管理、识别危险驾驶行为以及减少事故和伤亡风险。
Jan, 2024
卫星视频对交通监控具有巨大潜力,但由于分辨率和视角的限制,交通监控是一项极具挑战性的任务。本研究构建了一个大规模的卫星交通监控基准,支持微小物体检测、计数和密度估计等多个任务,并在该数据集上评估了经典和最先进的传统计算机视觉方法,以比较不同方法的性能,分析该任务中的挑战,并讨论未来的前景。
Feb, 2024
街道级视觉外观、地理可视化界面、语义潜在向量、空间图像模式和驾驶路径规划器是这篇论文的关键词。该论文研究了将街道级视觉外观整合到地理可视化界面(例如地图服务)以规划驾驶路径的新型可视化任务,并提出了多项新的贡献,并通过VivaRoutes交互式可视化原型展示了这些发现模式如何帮助用户有效和交互地探索多条路径,并通过用户研究评估了VivaRoutes的实用性和效用。
Mar, 2024
利用AI代理、多尺度交通数据、语义信息以及可视化,设计了TrafficGPT系统,实现多尺度交通预测和交互性能,通过实验验证其在真实道路数据集上的卓越表现。
May, 2024