Multikamera videoovervågning af udendørs trafik
Translated title
Multi-View Video Surveillance of Outdoor Traffic
Authors
Duizer, Paul Toft ; Hansen, Dennis Mølholm
Term
4. term
Publication year
2007
Abstract
Formålet med trafikkovervågning er at forebygge ulykker, men manuel overvågning er upraktisk, da ulykker er sjældne. Denne afhandling undersøger, hvordan et multikamera-baseret system til udendørs scener kan spore både køretøjer og mennesker og bruge sporingsdata til at opdage farlige situationer, før de opstår. Systemet bygger på plan homografi til at forbinde visninger, forgrundssegmentering med codebook-metoden for robusthed over for lysændringer, og enkeltvis tracking via overlap af afgrænsningsbokse, hvor okklusioner håndteres med probabilistiske udseendemodeller. Korrespondance mellem kameraer kombinerer og tilpasser fremtrædende metoder: principal axis-metoden udvides til at håndtere grupper af mennesker, og “footage region”-metoden anvendes til køretøjer med særlig fokus på okklusioner. Den efterfølgende visningsinvariante objektrepræsentation muliggør hændelsesgenkendelse og vurdering af faresignaler, så der kan udløses alarm som første skridt mod at forhindre ulykker. Systemet er testet i flere timer på uforstyrrede data med varierende tidspunkter, belysning og kamerakonfigurationer; resultaterne viser et solidt grundlag for sporing samt demonstrationer af detektering af farlige situationer, fx næsten-sammenstød mellem køretøjer og mennesker.
Traffic monitoring aims to prevent accidents, but manual supervision is impractical because accidents are rare. This thesis investigates how a multi-camera system for outdoor scenes can track both vehicles and people and use tracking data to detect dangerous situations before they occur. The system relies on planar homography to relate views, foreground segmentation via the codebook method to handle illumination changes, and per-view tracking using bounding-box overlap, with occlusions resolved by probabilistic appearance models. Cross-view correspondence combines and adapts established techniques: the principal axis method is extended to handle groups of people, and the footage region approach is applied to vehicles with special attention to occlusions. The resulting view-invariant object representation supports event recognition and danger assessment, enabling alarms as a first step toward accident prevention. The system was tested for several hours on unconstrained data across different times, lighting conditions, and camera setups; results indicate a solid foundation for tracking and demonstrations that detect hazardous situations, such as near collisions between vehicles and pedestrians.
[This summary has been generated with the help of AI directly from the project (PDF)]
Documents