Identifying High Accuracy Regions in Traffic Camera Images to Enhance the Estimation of Road Traffic Metrics: A Quadtree-Based Method

要約

都市部でのリアルタイムカメラフィードの数の増加により、効果的な交通計画、運用、および管理のための高品質の交通データを提供することが可能になりました。
ただし、現在の車両検出技術の制限、および高さや解像度などのさまざまなカメラ条件のため、これらのカメラフィードから信頼性の高いトラフィックメトリックを導出することは困難でした。
この作業では、検出精度の高い領域のみが残るまで画像範囲を継続的に分割するために、四分木ベースのアルゴリズムが開発されています。
この論文では、これらの領域を高精度識別領域（HAIR）と呼びます。
オハイオ州中央部のさまざまな高さと解像度の交通カメラからの画像を使用して、HAIRを使用すると交通密度の推定精度がどのように向上するかを示します。
私たちの実験は、提案されたアルゴリズムを使用して、車両の検出精度が元の画像範囲よりも41％高い堅牢なHAIRを導出できることを示しています。
HAIRを使用すると、トラフィック密度推定も大幅に改善され、二乗平均平方根誤差が全体で49％減少します。

要約(オリジナル)

The growing number of real-time camera feeds in urban areas has made it possible to provide high-quality traffic data for effective transportation planning, operations, and management. However, deriving reliable traffic metrics from these camera feeds has been a challenge due to the limitations of current vehicle detection techniques, as well as the various camera conditions such as height and resolution. In this work, a quadtree based algorithm is developed to continuously partition the image extent until only regions with high detection accuracy are remained. These regions are referred to as the high-accuracy identification regions (HAIR) in this paper. We demonstrate how the use of the HAIR can improve the accuracy of traffic density estimates using images from traffic cameras at different heights and resolutions in Central Ohio. Our experiments show that the proposed algorithm can be used to derive robust HAIR where vehicle detection accuracy is 41 percent higher than that in the original image extent. The use of the HAIR also significantly improves the traffic density estimation with an overall decrease of 49 percent in root mean squared error.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google