Computer vision based vehicle tracking as a complementary and scalable approach to RFID tagging

要約

出入りする車両のログ記録は、さまざまな機密組織でのセキュリティ違反インシデントに対処するための根本原因分析のための重要な情報の一部として機能します。
RFID タグは、ロジスティクスと技術面の両方で、車両追跡ソリューションのスケーラビリティを妨げています。
たとえば、入ってくる各車両 (部門または私用) に RFID タグを付ける必要があることは厳しい制約であり、ビデオ分析を RFID と組み合わせて車両の異常な動きを検出することは自明ではありません。
公開されているコンピューター ビジョン アルゴリズムの実装を活用して、有限状態マシン形式を使用した解釈可能な車両追跡アルゴリズムを開発します。
ステート マシンは、カスケードされたオブジェクト検出モデルと光学式文字認識 (OCR) モデルからの入力を使用して、状態遷移を行います。
システム展開サイトからの 285 台の車両の 75 のビデオ クリップで、提案された方法を評価しました。
検出率は、速度と車両の種類によって最も影響を受けることがわかりました。
RFIDタグと同様に、チェックポイントで移動制限（SOP）に従うように車両の移動が制限されている場合に、最高の検出率が達成されます。
さらに、ライブ データで 700 の車両追跡予測を分析し、車両番号の予測エラーの大部分は、読みにくいテキスト、画像のぼやけ、テキストの隠蔽、および車両番号の語彙外の文字によるものであることを特定しました。
システムの展開とパフォーマンスの向上に向けて、進行中のシステム監視により、セキュリティ チェックポイントでより高い車両スループット SOP を確立するための証拠が提供され、展開されたコンピューター ビジョン モデルとステート マシンの微調整が促進されることが期待されます。
RFIDタグ付けの有望な代替手段として提案されたアプローチを確立します。

要約(オリジナル)

Logging of incoming/outgoing vehicles serves as a piece of critical information for root-cause analysis to combat security breach incidents in various sensitive organizations. RFID tagging hampers the scalability of vehicle tracking solutions on both logistics as well as technical fronts. For instance, requiring each incoming vehicle(departmental or private) to be RFID tagged is a severe constraint and coupling video analytics with RFID to detect abnormal vehicle movement is non-trivial. We leverage publicly available implementations of computer vision algorithms to develop an interpretable vehicle tracking algorithm using finite-state machine formalism. The state-machine consumes input from the cascaded object detection and optical character recognition(OCR) models for state transitions. We evaluated the proposed method on 75 video clips of 285 vehicles from our system deployment site. We observed that the detection rate is most affected by the speed and the type of vehicle. The highest detection rate is achieved when the vehicle movement is restricted to follow a movement restrictions(SOP) at the checkpoint similar to RFID tagging. We further analyzed 700 vehicle tracking predictions on live-data and identified that the majority of vehicle number prediction errors are due to illegible-text, image-blur, text occlusion and out-of-vocab letters in vehicle numbers. Towards system deployment and performance enhancement, we expect our ongoing system monitoring to provide evidences to establish a higher vehicle-throughput SOP at the security checkpoint as well as to drive the fine-tuning of the deployed computer-vision models and the state-machine to establish the proposed approach as a promising alternative to RFID-tagging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google