Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/45932
Title: การจับคู่ยานพาหนะจากกล้องวีดิทัศน์หลายตัวที่มีมุมมองไม่ทับซ้อนกัน
Other Titles: VEHICLE MATCHING FROM MULTIPLE NON-OVERLAPPING CAMERAS
Authors: นิธิพัฒน์ ศิริคันธะมาต
Advisors: ธนารัตน์ ชลิดาพงศ์
ศุภกร สิทธิไชย
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email: [email protected],[email protected]
[email protected]
Subjects: รถยนต์ -- ระบบติดตาม
Automobiles -- Tracking
Vehicle detectors
Issue Date: 2557
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: ปัจจุบันมีการติดตั้งกล้องวีดิทัศน์ตามเส้นทางต่าง ๆ เพื่อใช้ในการเฝ้าติดตามสภาพจราจร ตรวจจับอุบัติเหตุ รวมถึงนำข้อมูลไปใช้เพื่อบริหารจัดการจราจรให้มีประสิทธิภาพ ทั้งนี้ระบบดังกล่าวยังจำเป็นต้องใช้เจ้าหน้าที่จำนวนมากในการเฝ้าดูวีดิทัศน์ จึงเป็นการยากที่เจ้าหน้าที่จะสามารถเฝ้าดูได้อย่างมีประสิทธิภาพตลอดเวลา ดังนั้นหากเราสามารถพัฒนาระบบอัตโนมัติที่สามารถเฝ้าติดตามยานพาหนะจากกล้องวีดิทัศน์เหล่านี้ได้อย่างทันกาล จะทำให้ระบบสามารถทำงานได้อย่างมีประสิทธิภาพมากขึ้น อย่างไรก็ตามการติดตั้งกล้องวีดิทัศน์เพื่องานจราจรในปัจจุบัน เป็นการติดตั้งที่มีระยะห่างระหว่างกล้องมาก ซึ่งทำให้กล้องมีมุมมองไม่ทับซ้อนกัน จึงเป็นเรื่องที่ยากและท้าทายที่กล้องทั้งสองจะสามารถทราบได้ว่า ยานพาหนะที่ตรวจจับได้เป็นยานพาหนะคันเดียวกัน เพื่อจะได้ส่งต่อข้อมูลเพื่อใช้ในการติดตามยานพาหนะต่อไปได้ งานวิจัยนี้จึงได้นำเสนอการจับคู่ยานพาหนะระหว่างกล้องวีดิทัศน์หลายตัวที่มีมุมมองไม่ทับซ้อนกัน โดยอาศัยการจำแนกรุ่น สีและข้อมูลเชิงเวลาของยานพาหนะที่ปรากฏเทียบกับตำแหน่งของกล้องทั้งสอง ขั้นตอนวิธีที่เสนอประกอบด้วย 5 ขั้นตอนหลัก คือ การสกัดส่วนภาพยานพาหนะออกจากฉากหลังในภาพ การติดตามส่วนภาพยานพาหนะตลอดการเคลื่อนที่ภายในวีดิทัศน์ การจำแนกรุ่นยานพาหนะ การจำแนกสียานพาหนะ และการจับคู่ยานพาหนะระหว่างสองกล้องโดยการพิจารณารุ่น สี และข้อมูลเชิงเวลา จากผลการทดลองในการวัดประสิทธิผลการจับคู่ยานพาหนะระหว่างกล้องวีดิทัศน์สองตัวที่ติดตั้งบนสะพานลอย บนทางหลวงแห่งหนึ่ง พบว่าขั้นตอนวิธีที่นำเสนอสามารถให้ความถูกต้อง 68% โดยวิธีการประเมินความถูกต้องในการจับคู่ยานพาหนะนั้น จะพิจารณาจากความเหมือนกันของรุ่นและสียานพาหนะเท่านั้น
Other Abstract: Recently, many traffic surveillance cameras have been installed along the roads and highways to monitor the traffic, detect the accidents, as well as to analyze the traffic flows for effective traffic management. However, the current systems still require a lot of personnel in monitoring these videos manually which is very difficult to do it effectively at all time. Therefore, if we can develop an automatic system that be able to track vehicles from these videos in real-time, the traffic monitoring will be done more effectively and efficiently. However, the traffic surveillance cameras typically are installed apart from each other to cover large area. This makes their field of views not overlapping. This leads to a challenge that is how these cameras being able to handover the information of the vehicles being tracked among each other to continue the tracking. This thesis proposes a method for matching vehicles from multiple non-overlapping cameras by classifying model and color of the vehicles as well as their appearance timings in those videos. The proposed method is consisted mainly of 5 steps: vehicle segmentation, vehicle tracking within the field of view of each camera, vehicle's models classification, vehicle's color classification, and vehicle matching using model, color and temporal information. To evaluate the effectiveness of the method, we tested with videos captured by 2 cameras installed on 2 pedestrian overpasses which are about 1 km. apart along a highway. The experimental results show that the proposed method yields 68% accuracy. The matching correctness is considered the similarity in vehicle’s model and color only.
Description: วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2557
Degree Name: วิศวกรรมศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: วิศวกรรมคอมพิวเตอร์
URI: http://cuir.car.chula.ac.th/handle/123456789/45932
URI: http://doi.org/10.14457/CU.the.2014.668
metadata.dc.identifier.DOI: 10.14457/CU.the.2014.668
Type: Thesis
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
5470250821.pdf3.51 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.