Resumen

Para analizar las características del flujo de tráfico es necesario disponer de parámetros precisos. La detección de vehículos mediante imágenes de vigilancia del tráfico es un método típico para recopilar características del flujo de tráfico en escenas de tráfico urbano. Sin embargo, en condiciones de iluminación complicadas por la noche, ni los algoritmos de procesamiento de imágenes clásicos ni los basados en aprendizaje profundo pueden proporcionar resultados de detección adecuados. Este estudio propone una técnica de fusión que combina datos de radar de onda milimétrica con datos de imagen para compensar la falta de detección de vehículos basada en imágenes en condiciones de iluminación complicadas para completar la recopilación de parámetros durante todo el día. El método propuesto se basa en un detector de objetos denominado CenterNet. Tomando esta red como piedra angular, fusionamos en ella datos de radar de onda milimétrica para mejorar la robustez de la detección de vehículos y reducir el laborioso postcálculo de la recopilación de parámetros de flujo de tráfico. Recopilamos un nuevo conjunto de datos para entrenar el método propuesto, que consiste en 1000 imágenes diurnas naturales y 1000 imágenes nocturnas simuladas con un total de 23094 vehículos contados, donde las imágenes nocturnas simuladas son generadas por un traductor de estilos llamado CycleGAN para reducir la carga de trabajo de etiquetado. Se recopilaron otros cuatro conjuntos de datos de 2400 imágenes con 20161 vehículos para probar el método propuesto. Los resultados experimentales muestran que el método propuesto tiene una buena adaptabilidad y robustez en escenas diurnas y nocturnas naturales.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:imágenes nocturnas simuladas, características del flujo de tráfico, datos de radar de ondas, método, detección de vehículos, parámetros precisos del flujo de tráfico, recogida de parámetros del flujo de tráfico, resultados de detección adecuados, condiciones de iluminación complicadas, recogida de parámetros diurnos
• Keywords:simulated nighttime images, traffic flow characteristics, wave radar data, method, vehicle detection, accurate traffic flow parameters, traffic flow parameters collection, adequate detection results, complicated lighting conditions, day parameters collection