FenixEdu™

Dissertação

{en_GB=Vehicle tracking in urban environment} {} EVALUATED

Detalhes: {pt=O objetivo principal deste trabalho é desenvolver um sistema de seguimento de veículos baseado em imagens de video. O sistema desenvolvido utiliza uma câmara normal e os objetos, neste caso veículos, são detetados utlizando o sistema You Only Look Once (YOLO). A correspondência entre deteções é feita através de um tracker Kanade-Lucas-Tomasi (KLT), que fazendo o seguimento de features da deteção inicial é capaz de corresponder deteções através das frames. Assim que existe correspondência, a projeção dos objetos do plano da camâra para o plano do chão é calculada e apresentada. Os principais desafios deste trabalho são a oclusão e associação de objetos ao longo das frames. Para lidar com estes desafios um método de seguimento de features foi integrado com a deteção de objetos. Assim quando o detetor falha, por exemplo quando existe oclusão, continua a ser possível seguir as features e obter um seguimento contínuo do objeto. O seguimento de features auxilia também a associação de objetos pois cada feature estará associada a um objeto. O sistema foi testado e avaliado num caso de trânsito real. Apresenta um bom desempenho em situações de trânsito habituais, conseguindo manter o seguimento de vários veículos em situações com pequena e média oclusão. Para os tracks completos, 24% das instâncias não possuía detecções do YOLO. Este trabalho mostra que usando um método estático de deteção de objeto em conjunto com um método dinâmico de tracking de features resulta num sistema mais robusto de tracking de múltiplos objetos., en=The main purpose of this work is to develop a vehicle tracking system based on video images. The developed system uses a webcamera and the objects, in this case vehicles, are detected using the You Only Look Once (YOLO) system. The matching between detections is done with a Kanade-Lucas-Tomasi (KLT) feature tracker. Which by using corner point features from the initial detections and tracking them to the following frames, it is able to match detections across frames. Once matched, the projection of the objects in the camera plane onto the ground plane is calculated and presented. The main challenges of this task are object occlusion and object association across frames. The approach for this was the integration of the feature tracking method into the object detection method. This way when the detector fails (occlusion for example) it is still possible to track features and keep an object track continuous. The feature tracking also aids with object association since each feature will be associated with an object. The system was tested and evaluated in a real traffic scenario of a crossroad. It performs well in regular traffic, while being able to keep tracks in situations with small and medium occlusion. Of the completed tracks, 24\% of instances had no YOLO detections. This work shows how using both a static object detection method and a dynamic feature tracking method results in a more robust multi object tracking system.}
Keywords: {pt=YOLOv3, Kanade-Lucas-Tomasi, Homografia, Tracking de múltiplos veículos, Detecção de objetos em imagem, en=YOLOv3, Kanade-Lucas-Tomasi, Homography, Multiple vehicle Tracking, Object Detection on Image}

Discussão: fevereiro 2, 2021, 14:0