Sep, 2023

FARSEC: 一种可复现的使用交通摄像头自动实时估计车辆速度的框架

PDF
TL;DR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。
vehicle speed estimationtraffic surveillancereal-time calculationreproducibilityrobustness
发现论文，激发创造
  • 从驾驶模拟器图像中实现视角不变车速检测

    使用多个摄像头和数据驱动的深度学习方法，能够更准确地测量车辆的速度，相比于基于单一摄像头的方法，该方案是更具前途的。

    Jun, 2022

  • 利用闭路电视摄像头收集高分辨率交通数据的二维单应性应用

    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

  • 基于音视频的车速估计数据集

    本文提出了一个包含 13 辆不同型号汽车的音视频数据集，可用于车辆速度估计的机器学习模型的训练和验证，以此降低交通事故和死亡率。

    Dec, 2022

  • 实现全球范围的交通摄像头校准

    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

  • CAROM Air -- 从空中视频中进行车辆定位和交通场景重建

    本文提出了一种处理航拍视频，将其转化成车辆轨迹数据的方法，可用于自动重建和精确重现交通场景，同时还编制了一个包含 50 个重建的道路交通场景的数据集，可用于后续交通分析应用和进一步的道路交通相关研究。

    May, 2023

  • 可伸缩实时多摄像机车辆检测、重新识别和跟踪

    提出了一种实时的多摄像头车辆跟踪系统，能够处理低分辨率的 CCTV 视频流并在交通运输系统中得到实际应用，具有较高的准确性，在 2021 年 NVIDIA AI City 多摄像头跟踪挑战赛中表现优异。

    Apr, 2022

  • EVREAL: 事件驱动视频重建的全面基准和分析套件

    本文提出了 EVREAL 框架，并针对当前事件感知视觉领域中的基于深度学习的视频重建方法进行了统一的评价，旨在为不同的方法提供比较基础和统一的评价标准，提供对这些方法在不同场景下，挑战性场景和下游任务下性能的宝贵见解。

    Apr, 2023

  • 远程估算自由流速度

    用卷积神经网络和航拍图像来自动估算道路段的自由流速度。

    Jun, 2019

  • 基于 YOLOv8 的车辆速度检测系统：提升都市区域的道路安全和交通管理

    通过监测车辆速度来实现交通安全，本研究集中在对象识别与车辆速度估计的监督学习应用，针对孟加拉国特定的交通条件和安全问题，提出了一种高效可行的解决方案，这项工作对该领域做出了显著贡献。

    Jun, 2024

  • 基于非侵入式立体相机的车辆速度估计

    本研究采用一种模块化方法，利用非侵入式立体摄像机来估计前车速度，其中使用 SiamMask 进行前车跟踪，使用核密度估计（KDE）来平滑通过视差图的距离预测，使用 LightGBM 用于前车速度估计。 。我们的方法产生了 0.416 的 RMSE 值，优于 SUBARU 图像识别挑战的基线 RMSE 值 0.582。

    Apr, 2023