تشخيص ابعاد و سرعت خودرو از ويدئوي دريافتي از دوربين كاليبره‌ نشده

Calculation of the Dimensions and Speed of the Car from the Video Received from the Uncalibrated Camera

در اين مقاله روش مناسبي براي كاليبراسيون دوربين و به دست آوردن ابعاد و سرعت خودروها به صورت تمام خودكار و بدون نياز به دخالت كاربر ارائه شده است. در روش پيشنهادي، ابتدا با استفاده از چند قاب اول ويدئوي ورودي و با توجه به جهت حركت خودروها، مختصات نقاط محوشدگي و فاصله كانوني دوربين به دست مي‌آيد. سپس با شناسايي محدوده خودروهاي متحرك جعبه سه‌بُعدي محيطي خودرو با استفاده از راستاي نقاط محوشدگي تشكيل مي‌گردد. در ادامه براي مقابله با پرسپكتيو، جعبه محيطي هر خودرو بر روي صفحه جاده فرضي تصوير شده و ضريب متري (تبديل پيكسل به متر) پس از تصويركردن چند خودرو بر صفحه جاده و با توجه به ابعاد واقعي خودروي غالب به دست مي‌آيد. تصويركردن خودرو بر صفحه جاده و استفاده از ضريب متري، امكان بيان سرعت و ابعاد واقعي خودروها در هر قاب را فراهم مي‌كند كه البته ممكن است با خطا همراه باشد. براي افزايش دقت نتايج، اين پارامترها در بازه‌اي كه خودرو در معرض دوربين قرار دارد، تجميع شده و هيستوگرام‌هايي براي سرعت و ابعاد هر خودرو تشكيل مي‌شود. سپس بيشينه اين هيستوگرام‌ها به عنوان مقادير جديد سرعت و ابعاد براي هر خودرو گزارش مي‌شود كه اين كار دقت نتايج را بهبود مي‌بخشد. تشكيل هيستوگرام‌ها براي هر خودرو، نيازمند رديابي خودرو در چندين قاب است و براي رديابي، روشي ساده و بدون پيچيدگي ارائه شده است. مقايسه نتايج روش پيشنهادي با روش‌هاي ديگر بيانگر سرعت پردازش بالاتر و پاسخ بهتر روش پيشنهادي است به گونه‌اي كه ميانگين خطاي اين روش در محاسبه ابعاد برابر با 1/4%، ميانگين خطا در محاسبه سرعت برابر باkm/h 1/1 و ميانگين سرعت پردازش روش پيشنهادي براي ويدئوهاي تست در MATLAB به حدود 3/5 قاب در ثانيه مي‌رسد.

In this paper, a fully automated method for calibrating the camera and obtaining dimensions and speed of vehicles is presented. In this method, at first, vanishing points and the focal length of the camera are obtained, according to the directions of the cars in the initial frames. After detecting moving vehicles, their 3D bounding box are created using the vanishing points. In order to deal with the perspective, the bounding box of each vehicle is projected on a hypothetical road and then to have their real dimensions in meter, the metric coefficient (pixel-to-meter conversion) is obtained. This calculates the coefficient; a dominant car is detected and according to its metric dimensions, the pixel to meter coefficient is computed. Projecting the vehicle on the road surface and the use of the metric coefficient provides the possibility of expressing the actual speeds and dimensions of the vehicles in each frame. However, it may have some errors. To increase the accuracy of the results, these parameters are aggregated along the vehicle's path, and some histograms are made up for the speed and dimensions of each vehicle. Then the maximum of these histograms is reported as new values of speed and dimensions for each vehicle. This will improve the accuracy. Creating histograms for each vehicle requires tracking of the car in multiple frames. For this purpose, a fast algorithm is presented. Comparing the results of the proposed method with previous methods indicates higher processing speed and better response. The average error of dimension estimation is 1.4%, and the error of speed estimation is 1.1 km/h. The average processing speed for testing videos in MATLAB is about 3.5 frames per second.