TAU: A Framework for Video-Based Traffic Analytics Leveraging Artificial Intelligence and Unmanned Aerial Systems

要約

政府当局は、交通パフォーマンスを最適化してエネルギー コストを削減し、ドライバーの安全性と快適性を高め、交通法の執行を確実にし、交通違反を検出するために、スマートな交通工学とインテリジェントな輸送サービスの需要を増やしています。
このホワイト ペーパーでは、この課題に対処し、人工知能 (AI) と無人航空機 (UAV) の使用を活用して、自動交通分析用の TAU (Traffic Analysis from UAVs) と呼ばれる AI 統合ビデオ分析フレームワークを開発します。
そして、理解。
交通ビデオ分析に関するこれまでの研究とは異なり、高解像度の UAV 画像を使用して、ビデオ処理から高度な交通理解までの自動オブジェクト検出および追跡パイプラインを提案します。
TAU は 6 つの主要な貢献を組み合わせたものです。
まず、解像度を下げることなく、高解像度の UAV 画像を物体検出器への入力として適応させるための前処理アルゴリズムを提案します。
これにより、高品質の特徴、特に UAV 画像から検出された小さなサイズのオブジェクトからの優れた検出精度が保証されます。
次に、車両座標を再調整するためのアルゴリズムを導入して、車両が一意に識別され、同じフレームの複数のクロップにわたって追跡されるようにします。
第 3 に、連続するフレームから情報を蓄積することに基づく速度計算アルゴリズムを提示します。
第 4 に、TAU はレイ トレーシング アルゴリズムに基づいて交通ゾーンごとの車両数をカウントします。
第 5 に、TAU には、周囲のさまざまなゾーンから収集されたデータに基づいたクロスロード調停のための完全に独立したアルゴリズムがあります。
第 6 に、TAU は、収集された生データから 24 種類の洞察を抽出するための一連のアルゴリズムを導入します。
コードは https://github.com/bilel-bj/TAU で共有されています。
ビデオのデモンストレーションは、https://youtu.be/wXJV0H7LviU と https://youtu.be/kGv0gmtVEbI で提供されています。

要約(オリジナル)

Smart traffic engineering and intelligent transportation services are in increasing demand from governmental authorities to optimize traffic performance and thus reduce energy costs, increase the drivers’ safety and comfort, ensure traffic laws enforcement, and detect traffic violations. In this paper, we address this challenge, and we leverage the use of Artificial Intelligence (AI) and Unmanned Aerial Vehicles (UAVs) to develop an AI-integrated video analytics framework, called TAU (Traffic Analysis from UAVs), for automated traffic analytics and understanding. Unlike previous works on traffic video analytics, we propose an automated object detection and tracking pipeline from video processing to advanced traffic understanding using high-resolution UAV images. TAU combines six main contributions. First, it proposes a pre-processing algorithm to adapt the high-resolution UAV image as input to the object detector without lowering the resolution. This ensures an excellent detection accuracy from high-quality features, particularly the small size of detected objects from UAV images. Second, it introduces an algorithm for recalibrating the vehicle coordinates to ensure that vehicles are uniquely identified and tracked across the multiple crops of the same frame. Third, it presents a speed calculation algorithm based on accumulating information from successive frames. Fourth, TAU counts the number of vehicles per traffic zone based on the Ray Tracing algorithm. Fifth, TAU has a fully independent algorithm for crossroad arbitration based on the data gathered from the different zones surrounding it. Sixth, TAU introduces a set of algorithms for extracting twenty-four types of insights from the raw data collected. The code is shared here: https://github.com/bilel-bj/TAU. Video demonstrations are provided here: https://youtu.be/wXJV0H7LviU and here: https://youtu.be/kGv0gmtVEbI.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google