Resumen

La detección de vehículos es una de las tecnologías importantes en los sistemas inteligentes de videovigilancia. Debido al principio de proyección de imágenes en perspectiva de las cámaras, las imágenes bidimensionales (2D) tradicionales suelen distorsionar el tamaño y la forma de los vehículos. Para resolver estos problemas, se utilizan los métodos de calibración de la escena de tráfico y de construcción de proyección inversa para proyectar la información tridimensional (3D) en las imágenes 2D. Además, un objetivo vehicular puede caracterizarse por varios componentes, por lo que la detección de vehículos puede realizarse basándose en la combinación de estos componentes. Las características clave de los objetivos vehiculares son distintas durante un mismo día; por ejemplo, el brillo de los faros es más significativo por la noche, mientras que la luz trasera del vehículo y el color de la matrícula son mucho más prominentes durante el día. En este trabajo, utilizando el método de sustracción de fondo y el modelo de mezcla gaussiano, podemos realizar la detección precisa de las luces de los objetivos por la noche. Durante el día, sin embargo, la detección de la matrícula y la luz trasera de un vehículo puede realizarse explotando el método de sustracción de fondo y el campo aleatorio de Markov, basado en la relación de geometría espacial entre los componentes correspondientes. Además, utilizando filtros de Kalman para seguir las huellas del vehículo, se puede mejorar aún más la precisión de la detección. Por último, los resultados experimentales demuestran la eficacia de los métodos propuestos.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Detección de vehículos; sistemas inteligentes de videovigilancia; imágenes 2D; información 3D; calibración de la escena de tráfico; métodos de construcción de proyección inversa; objetivo del vehículo; componentes; brillo de los faros; luces traseras; color de la matrícula; método de sustracción del fondo; modelo de mezcla gaussiano; campo aleatorio de Markov; relación de geometría espacial; filtros de Kalman; precisión de la detección; resultados de experimentos.
• Keywords:Vehicle detection; intelligent video surveillance systems; 2D images; 3D information; traffic scene calibration; inverse projection construction methods; vehicle target; components; headlight brightness; taillight; license plate color; background subtraction method; Gaussian mixture model; Markov random field; spatial geometry relation; Kalman filters; detection accuracy; experiment results