Budapesti Mőszaki Fıiskola Neumann János Informatikai Kar Informatikai Automatizált Rendszerek szakirány Forgalomfigyelı rendszer

Budapesti Mőszaki Fıiskola Neumann János Informatikai Kar Informatikai Automatizált Rendszerek szakirány 2008-2009

Forgalomfigyelı rendszer

Készítette: Dankovics József István (LWQI3E)

Dankovics József István – LWQI3E

Tartalomjegyzék Célkitőzés .................................................................................................................................. 3 Célkitőzés ........................................................................................................................... 3 Megvalósítás....................................................................................................................... 3 Továbbfejlesztés................................................................................................................. 4 Létezı forgalomfigyelı rendszerek – irodalomkutatás......................................................... 5 Bevezetı ................................................................................................................................. 5 Hazai közúti forgalomszámlálás ............................................................................................ 6 Forgalomfigyelı rendszerek külföldön .................................................................................. 8 Houston TranStar AVI Traffic Monitoring System – TransCore ...................................... 8 A rendszer ...................................................................................................................... 8 AVI technológia ............................................................................................................. 8 Highway Information Services Division............................................................................ 9 Applied Traffic................................................................................................................... 9 Austrian Research Centers - Traffic Data Acquisition and Video Surveillance .............. 10 A Smart Systems elemei .............................................................................................. 10 Összefoglalás.................................................................................................................... 10 Forgalomfigyelı rendszerek itthon ...................................................................................... 11 Magyar Közút Kht............................................................................................................ 11 UTFORG – Közúti Forgalmi Információs Rendszer ................................................... 11 Köztech Közlekedéstechnikai és Kereskedelmi Zrt......................................................... 12 Újbudai dugóhúzó ............................................................................................................ 12 UTV.HU – Közlekedési képinformációs portál ............................................................... 12 AnaLogic Computers Kft. ................................................................................................ 13 Termékek és szolgáltatások.......................................................................................... 13 Videó analizis – Forgalom figyelés.............................................................................. 13 Összefoglalás.................................................................................................................... 14 Megvalósítás – irodalomkutatás ........................................................................................... 15 Lehetséges megoldások 1..................................................................................................... 15 Felmerülı problémák ................................................................................................... 15 Megoldások .................................................................................................................. 15 Feldolgozás menete ...................................................................................................... 17 Jármővek detektálása – nappal ..................................................................................... 18 Fényszóró visszatükrözıdés eltüntetése:...................................................................... 19 Árnyék eltüntetése........................................................................................................ 19 Jármő detektálása éjszaka............................................................................................. 20 Közlekedési paraméterek kinyerése ............................................................................. 21 Rendszerterv ........................................................................................................................... 23 Hivatkozások........................................................................................................................... 28 Mellékletek .............................................................................................................................. 30

BMF-NIK, IAR szakirány 2008-2009

http://iar.bmfnik.hu/2008_2009/TrafMon

2. oldal


Célkitőzés Célkitőzés A közúti forgalmi dugók súlyos problémákat okoznak nemcsak országunkban, hanem bárhol a világon. Ezt megelızvén különbözı szempontok szerint vizsgálják a kritikus helyszineket. Ezen vizsgálatok nagy részben hozzájárulnak a kényelmesebb utazást biztosító infrastruktúrális fejlesztéshez, a különbözı elvezetı utak, körgyőrők, autópályák elvárásoknak megfelelı megépítésében, azok célszerőségének indoklásában. Célom olyan forgalom figyelı rendszer fejlesztése, mely segítséget nyújt a közlekedési forgalmak különbözı szempontok szerinti analizálására, figyelésére. Lehetıség lesz a vizsgált közúton áthaladó forgalom megszámlálására, külön autó típusonként (személygépkocsik, teherautók, kamionok). Lehetıség szerint a rendszer képes lesz éjjeli üzemmódra, így bármely – akár megvilágítatlan - közúti forgalmat vizsgálni. A statisztikai adatok feldolgozását is a rendszer végzi, és különbözı kimutatások elvégzésére is képes lesz.

Megvalósítás A projectem megvalósításához egy digitális kamerát (min: web camera) – mint beviteli eszközt – alkalmazok, mely terveim szerint az alábbi paraméterekkel rendelkezik: - 640x480-as felbontás (min: 320x240) - 30 fps sebesség (min: 15) Az éjjeli funkció megfelelı mőködéséhez elképzeléseim szerint egy infravörös fényszóró segítségére hagyatkozom. Természetesen a videó alapú feldolgozás nem csak a kamera képeit használja fel, lehetıség lesz különbözı felbontású videó állomány(ok) betöltésére, illetve stream-elt forgalom figyelı rendszerek videóit is analizálni képes lesz. A rendszer Delphi 7.0 fejlesztı környezetben íródik, így bármely Windows98+ rendszeren alkalmazható lesz (maga a rendszer Windows XP alatt készül el). Több éves tapasztalatom miatt esett a Delphi-re a választásom, illetve szerény véleményem szerint – megfelelı és körültekintı, átgondolt munka árán – gyorsabb szoftvert lehet vele fejleszteni mint mondjuk C#-ban vagy Java-ban. Szeretném, hogy a szoftver, és így a rendszer is egyedi jellemmel rendelkezzen, utalva felhasználhatóságának és megvalósításának minıségére.



3. oldal

Dankovics József István – LWQI3E További speciális tulajdonága lesz a rendszernek, a figyelni kíván terület kijelölése, és azon belüli analizálására. Ez a funkció tipikusan olyan esetekben alkalmazható, amikor egy keresztezıdés adott irányú forgalmát kívánjuk vizsgálni. A mellékelt kép illusztrálja elképzelésemet. (A piros terület a vizsgált résztartomány, melyen belül a zöld vonalon áthaladó – az elıírt kritériumoknak megfelelı – objektumok lesznek csak figyelembe véve (pl.: megszámlálva). Forrás (direkt címe az www.utv.hu által leközölt kamera stream-eknek): http://swf1146.utv.hu:3000/1146.swf

Továbbfejlesztés Lehetıség szerint a rendszer továbbfejleszthetısége a még apróbb statisztikai szempontok figyelembevételében rejlik. Gondolok itt például a keresztezıdésekben a gyalogosok számának, illetve utazási szokásainak vizsgálatára.



4. oldal


Létezı forgalomfigyelı rendszerek – irodalomkutatás Bevezetı A közlekedéstudományi intézet elemzése [1] alapján A közúti forgalmak figyelése, elemzése illetve mérése fontos jelentıséggel bírnak, amely információk tudatában jelentıs változtatásokat illetve átépítéseket lehet végrehajtani a megfigyelt terület eredményeinek függvényében. A megfigyelt tulajdonságok lehetnek: - Csomópontok kapacitása - Forgalmi konfliktusok - Balesethalmozódási helyek feltérképezése - Sebességválasztási szokások - Jármővezetıi magatartás A megfigyelt területrıl beérkezı adatok feldolgozását követıen különbözı kimutatások segítségével olyan elemezhetı képet és információt ad egy-egy forgalmi helyrıl, amely nagymértékben elısegíti az esetleges további forgalomirányítási, illetve gazdasági fejlesztések, módosítások munkáját. A Közlekedéstudományi Intézet 1. ábra – KTI kimutatása évek óta folyó munkája az átalakításra érett csomópontok átalakításának költség-haszon elemzése. Ennek egy szemléletes végeredményét mutatja a 2. ábra, ahol az átalakítás elıtti fajlagos balesetszám 1,61 baleset/év volt. Az elemzés során forgalomtechnikai szoftverek segítségével számítják ki az átalakítás következtében várható jármőkésedelem költség-nyereséget, amelyhez hozzáadják a személysérüléses baleseti adatokból adódó várható baleseti költség-nyereséggel. Jelen esetben a körforgalommá való átépítés számított megtérülési rátája (egy évre számított várható nyereség / beavatkozás költsége) 131%, azaz az átépítés költsége 1 éven belül megtérül.

2. ábra – Az 5. sz. fıút – 5411. sz. út csomópontjának átépítése körforgalommá BMF-NIK, IAR szakirány 2008-2009


5. oldal


Hazai közúti forgalomszámlálás [2], [3] Magyarországon a közúti forgalmak elemzésének, figyelésének rendszere 1927 óta mőködik, ami, azóta is folyamatosan korszerősödik. A hazai forgalomszámlálási rendszer összefüggı, fontosabb elemei a következık: - országos átfogó keresztmetszeti forgalomszámlálás - önkormányzati (korábban tanácsi) közúti keresztmetszeti forgalomszámlálás - a közúti forgalom folyamatos figyelemmel kísérése - országos célforgalmi felmérés. A forgalomszámláló állomások hálózatát az 1970-es évek elején a közúti igazgatóságok szakelıadóinak bevonásával a Közlekedéstudományi Intézet alakította ki.

A mintegy 30 000 km hosszúságú országos közúthálózaton ciklikusan ismétlıdıen kerül végrehajtásra az átfogó forgalomszámlálás. - 1980-ig ötévenként, egy évben, valamennyi megyében - 1984-1986 és 1990-1992 között 3 éves rotációs rendszerben, 6-7 megyében fı és mellékállomásokon egyaránt - 1994-ben törvényszerőségi állomásokon, megyénként átlagosan 24 db mellékállomáson - 1995-tıl úgynevezett „gördülı” rendszerben valósul meg (egymást követı ötéves számlálási ciklusokban). A közúti forgalom figyelése és analizálása e rendszernek szerves része. A gördülı rendszer bevezetésével a teljes körő forgalomszámlálás 5 éves ciklusokban történik. Egy-egy megye úthálózatának évente mintegy 20 %-án végeznek keresztmetszeti forgalomfelvételeket. A forgalomszámláló állomások 86 %-án az adatfelvételt csak "kézi" módszerrel, számláló-személyzet alkalmazásával végzik, de az automata mérıhelyek keresztmetszeteiben is tartanak kiegészítı kézi számlálásokat. A forgalomszámláló az áthaladó jármőveket vonalkázással jelöli be a számláló-lap megfelelı rovatába. Munkáját számlálási útmutató segíti, amely külön fejezetben tartalmazza az egyes jármőosztályokhoz tartozó tipikus jármővek fényképeit. Esetenként, fıleg a nagy forgalmú keresztmetszetekben a kézi számlálást videofelvétellel és irodai kiértékeléssel váltják ki.

3. ábra – Jármőosztályok

A hazai forgalomszámlálás automatizálása a hetvenes évek közepén kezdıdött el, azóta jelentıs minıségi és mennyiségi változáson ment keresztül. A kezdeti, pneumatikus elven mőködı gumitömlıs automatákat felváltották a darabszámláló, jármőosztályozó vagy tengelyterhelésmérı automaták. Forgalomszámláló automatával a számlálóállomások 12 %án végeznek méréseket. A mérımőszerek egy része fixen telepített mérıberendezésben üzemel, a többségük azonban hordozható mőszer, amelyet elıre megtervezett mérıkörök



6. oldal

Dankovics József István – LWQI3E alkalmával helyeznek ki a többnyire az útpadkába telepített mérıszekrénybe. Az irodában rögzített kézi és a kiolvasott gépi adatokat ellenırzés után számítógépes adathordozón vagy emailben juttatják el a Magyar Közút Kht. központjába adatfeldolgozás céljából. Az eredményeket évkönyvekben, adathordozón és a Kht. honlapján jelentetik meg. Az állomásonkénti és jármőosztályonkénti éves átlagos napi forgalmakat az Országos Közút Adatbankba is beillesztik.



7. oldal


Forgalomfigyelı rendszerek külföldön Houston TranStar AVI Traffic Monitoring System – TransCore [4] A rendszer A Houston TranStar Automatic Vehicle Identification (AVI) (Houston TranStar Automatikus Jármő Azonosítás) forgalmom figyelı rendszert arra használják, hogy valós idıjő információt győjtsön a forgalmas houstoni autópályákról. Az esetleges torlódásokról illetve egyéb információkról a Houston TranStar Centeren keresztül értesül a nyilvánosság akár a web oldaluk ( http://traffic.houstontranstar.org ), akár az autópályákon elhelyezett információs kijelzık által.

4. ábra – AVI Information Data Flow

AVI technológia A rendszer az Amtech Systems Division ( http://www.transcore.com ) által fejlesztett TransCore – Automatic Vehicle Identificationt (AVI) tehcnológiára épül. Houston volt az elsı város, amely ezt a technológiát alkalmazta a közúti forgalmak valós idejő információ győjtésére. Az AVI rendszer olyan AVI antennákon és olvasókon keresztül mőködik, amelyek az autópályák mentén vannak beszerelve. Ezek figyelik a jármővek áthaladását, amelyek egy speciális válaszadó készülékekkel vannak felszerelve – transponder tag. Ez a készülék egy minimális fogyasztású elemmel mőködve a jármőre bocsájtott jeleket tükrözi vissza, majd a visszatükrözött jeleket dolgozzák fel az olvasók.

5. ábra – AVI station BMF-NIK, IAR szakirány 2008-2009


8. oldal

Dankovics József István – LWQI3E Highway Information Services Division – SHA Maryland Department of Transportation [5] „As part of a major re-engineering effort in 1997, the Highway Information Services Division (HISD) became responsible for administering the Maryland State Highway Administration’s (SHA) Traffic Monitoring Program. This program involves collecting, processing, analyzing, and summarizing Maryland highway traffic count data, as well as reporting on it.” A Traffic Monitoring System (TMS) Team adminisztrálja a Maryland State Highway Administration Traffic Monitoring Programját. Feladata az információgyőjtés, feldolgozás, analizálás, összegzés a marylandi országúti forgalomszámlálási adatokról. Magába foglalja az adatok feldolgozását, és azok publikálását web alapú riportokon keresztül ( http://www.marylandroads.com/tmsreports ). A Traffic Monitoring Program Marylandben 79 állandó ATR (Automated Traffic Recorders), automatikus forgalomrögzítıt és több mint 3700 rövidtávú (48 órás) számlálást tartalmaz. A 79 ATR-bıl 20 arra is képes, hogy a 13 féle jármőbesorolási számolásokat hajtson végre [1. számú melléklet]. Applied Traffic [6] Az 1998-ban alapított Applied Traffic Anglia egyik vezetı forgalomfigyeléssel foglalkozó cége. Kínálatukban sokféle forgalmi ellenırzı rendszer és szolgáltatás szerepel, melyek megoldást nyújtanak a különbözı egyéni követelményeknek. Megoldásaik elsısorban hardveres technológiákra épülnek, ezek segítségével elemzik a forgalmat. Tapasztalt, kellı tudással rendelkezı cég, a 80-as évek közepétıl fejlesztik a forgalomfigyelı rendszereiket, új technológiákat, eszközöket alkalmazva: - Számlálók és osztályozók - Forgalomáramlás elemzı szoftver - High-speed wheigh in motion

6. ábra – Balról jobbra: T5 osztályozó; AT-SR3/SR4 radar; HI-TRAC 100 wim



9. oldal

Dankovics József István – LWQI3E Austrian Research Centers - Traffic Data Acquisition and Video Surveillance [7] A bécsi székhelyő osztrák Research Centers csapata az okos, valós idıjő Smart Systems fejlesztésének szentelték munkájukat: all-in-one megoldású rendszerként, ICT alapú intelligenciával, melyek az élet számos területén használhatóak. Biztonságot és kényelmet nyújtanak, és lehetıvé teszi nyílt rendszerek összekapcsolását. Alapkoncepciójuk a megbízható jel és adatfeldolgozás chip-en, beágyazott rendszereken illetve számítógépes rendszereken egyaránt. A Smart Systems elemei Smart Eye TDS – (Traffic Data Sensor) forgalmi érzékelı a jármővek tömegének, sebességének meghatározása, jármővek osztályozása, sávelfoglalás meghatározása. Nagy sebességő (a válaszidı kevesebb mint 1 ms) forgalmi érzékelı egy új úti érzékelı, amely egyidejőleg akár 4 forgalmi sávot elemez, miközben forgalmi menedzsmentrendszereknek valós idıjő adatokat nyújt: sáv elfoglalás, súly, sebesség, méret, osztály. Ezen adatokat akár soros (RS485), akár Etherneten vagy GSM / GPRS kapcsolaton keresztül továbbítja (7. ábra). Smart Eye UCOS – (Universal COunting Sensor for reliable and compact over-head people counting) emberek megszámlálása. Új megközelítést képvisel a népszámlálásba, ami újszerő CMOS technológián alapul. Egy intelligens optikai érzékelı, mely egyedülálló belsı jellemzıi révén térhatású látással bír, s gondoskodik róla, hogy pontos személyszámolást hajtson végre, ami teljesen független bármely környezeti hatásoktól, mint például a rossz fényfeltételektıl, árnyékoktól, tárgyaktól, hımérsékletváltozásoktól (8. ábra). Smart Video Surveillance Suite (SVSS) – videók felvétele, kódolása, dekódolása, tárolása. Szabadon konfigurálható rendszer, mely hardver és szoftver komponensek által kódol, dekódol, felvesz, és tárol (MPEG4, H.264). Beépített képanalizálóval is rendelkezik (9. ábra).

Összefoglalás A fent bemutatott technológiák színes tárháza is azt tükrözi, hogy a forgalomfigyelés terén is rengeteg megoldás született, mégis úgy gondolom mindezen technológiák egyetlen hátránya a mobilitás hiánya. Szükséges egy mobil eszköz, mely nem függ a vizsgált jármő felszereltségétıl (transponder tag), nem követeli meg elıfeltételnek a vizsgált keresztmetszet beépítését a megfelelı eszközökkel (hurok módszer), hanem hordozható, könnyen elıkészíthetı, és ez által gyorsan elvégezhetı installálást követıen az elvárt méréseket meg lehet oldani.



10. oldal


Forgalomfigyelı rendszerek itthon Magyar Közút Kht. [8] A Magyar Közút Közhasznú Társaság az ÁKMI Kht. és a 19 megyei közútkezelı közhasznú társaság összeolvadásával jött létre 2005. október 1-jén. Ennek alapja, hogy a Kormány a 1069/2005. (VII.8.) határozatával döntött az ÁKMI Kht. Átalakításáról. Szervezet-átalakítással az alapító célja: - az országos közúthálózati szemlélet fokozott érvényesítése, - a gazdaságos üzemeltetési és fejlesztési feladatok feltételeinek javítása, - a területileg megosztott adminisztrációs tevékenység egyesítése, - a vagyon és eszközgazdálkodás hatékonyságának növelése, - az átlátható és ellenırizhetı forráselosztás és felhasználásának javítása, a teljesítményellenırzés fokozása, - a helyi érdekek és területi igények arányos illeszthetısége az országos érdekekhez, - az EU támogatások és egyéb pályázati lehetıségek hatékonyabb felhasználása. UTFORG – Közúti Forgalmi Információs Rendszer Az ÁKMI Kht fejlesztése, mely 2000-ben indult a BME informatikai támogatásával - Adatok győjtése o M3-as hurokadatok o UTFORG állomások Eszközök [9]: Miniloop: jármődarab érzékelése elvén mőködı automata ADR: jármőosztályozó automata, mely a tengelyelrendezés alapján képezik a

jármőosztályokat RAKTEL: Mikros Systems által gyártott forgalomszámláló és jármőosztályozó

automata HESTIA: Weigh-in-Motion (WIM) dinamikus tengelysúlymérı berendezés QLD: Mikrobit által fejlesztett horokelvő automata

- Az adatok konvertálása, feldolgozása és kiértékelése - Mérési eredmények publikálható formára alakítása - Forgalmi információk megjelenítése az Interneten 50 mérıállomással rendelkezı rendszer, ahol a mért adatok továbbítása GSM hálózaton keresztül történik, SMS táviratok formájában. Elvégzett mérések: - Forgalomszámlálás - Sebesség mérés - Kategorizálás (9 jármőtipust különböztettek meg) Magyarországon ez volt az elsı ilyen rendszer (2005) - Világviszonylatban is korszerőnek számít - Online, real-time szolgáltatás - Ötvözi a közlekedési, az informatikai és a távközlési technológiákat - Heterogén rendszerkomponenseket integrál - Elosztott architektúra - További fejlesztések alapjául szolgálhat



11. oldal

Dankovics József István – LWQI3E Köztech Közlekedéstechnikai és Kereskedelmi Zrt. [10] A gyıri székhelyő cég tevékenysége a mozgó- illetve nyugvó forgalom területére is kiterjed, a tervezési és fejlesztési feladatoktól, az eszközök értékesítésén és telepítésén át, egészen a karbantartási és szerviz tevékenységig. Forgalomszámlálásnál használatos eszközök: - Fixen telepített egységek: az útburkolatba vágott detektorhurkok szolgálnak a számlálás eszközéül, melyek megfelelı elhelyezésével jármőosztályozási funkció is megvalósítható (10. ábra). - Mobil kiszerelés: radaros elven mőködı számláló, adattároló. 2 sávban elhaladó jármővek adatait képes begyőjteni (sebesség, hossz). A begyőjtött adatok Palm-top segítségével exportálhatók (11. ábra).

Újbudai dugóhúzó [11] Újbuda (Budapest, XI. kerület) önkormányzata 2005-ben egy mindenki számára hozzáférhetı, nyilvános forgalomfigyelı rendszer kiépítését kezdeményezte, amely segítségével interneten ( www.ujbudaidugohuzo.hu ) keresztül lehet tájékozódni az egyes forgalmas keresztezıdések forgalmi helyzetérıl. A kihelzelyezett kamerák az alábbi forgalmas keresztezıdésekrıl adnak tájékoztatást: - Kosztolányi Dezsı tér - Fehérvári út - Etele út sarok - Október huszonharmadika utca - Irinyi J. utca - BAH csomópont - Móricz Zsigmond körtér - Budaörsi út - Nagyszılıs utca sarok - M1-M7 bevezetı szakasz - Egér út - Csákvár utca - Petıfi híd budai hídfı - Szerémi út - Prielle Kornélia utca sarok Az project a fenti címen nem mőködik tovább, átkerült újbuda eredeti weboldalára. (http://www.ujbuda.hu/forgalomfigyelo.php ) UTV.HU – Közlekedési képinformációs portál [12] „Az Út Televízió - rövidítve az UTV - célja az érdeklõdõk kíváncsiságának, tájékozódási igényeinek kielégítése, forgalmas fõvárosi csomópontokból. Mozgóképeink alapján a közlekedõk megítélhetik és kiválaszthatják a megfelelõ útvonalat, a városon belül. A rendszer segítségével - egyedülálló módon - vizuálisan tájékozódhatnak a közlekedéssel kapcsolatban.” A kamerák által közvetített videók vizuális információt adnak egyes forgalmi helyekrıl, amelyek feldolgozását maga az érdeklıdı felhasználó végzi, nincs automata, amely a videók adatait valamilyen formában feldolgozná.



12. oldal

Dankovics József István – LWQI3E AnaLogic Computers Kft. [13] 2000-ben alakult magántulajdonú vállalat, az MTA SZTAKI "spin-off" cége. Célkitőzése a kutatási eredmények gazdasági hasznosítása. Valós idıjő, rendkívül nagysebességő, biológiai ihletéső képfeldolgozás Cellular Neural/nonlinear Networks (CNN) technológia alkalmazásával. Egyedülálló, saját feljesztéső technológiát alkalmaznak a biztonságtechnika és a felügyeleti eszközök területén. Tevékenységük: kutatás, termékfejlesztés, termék eladás, alkalmazás fejlesztés Kulcs know-how: Szupergyors képfeldolgozás természet motíválta érzékelı-számító eljárások és berendezések segítségével. Technológiák: - CVM Design Technology: technology efficiently improves array visual sensing and processing by integrating image acquisition, storage and computing in a single device. The Company uses CVM technology to build the next generation C-TON chips - RAS Design Technology: Reconfigurable Adaptive System (RAS) development successfully combines various microprocessors within a flexible computational framework by optimal partitioning of the algorithmic solutions for minimal hardware configurations. The Company is building on RAS technology developing and improving its Bi-i intelligent cameras. 12. ábra – Bi-i kamera - FPA Design Technology: Flow Processing Algorithms (FPA) rely on spatio-temporal visual subroutines developed within a platform independent environment. The Company is building on FPA technology developing and improving its InstantVision ISE and the associated libraries. Termékek és szolgáltatások - Bi-i High-speed Intelligent Cameras (Bi-i V2; Bi-i V301; Bi-i V301F) - InstantVision ISE o Video Analytics Library Video Analytics - Traffic Monitoring [14] o Signal and Image Processing Library o Signal- and Image-flow Processing Library o Multitarget Tracking Library o Feature Classification Library - FPGA IP Cores for Video Content Analysis - Application Development & Consulting Videó analizis – Forgalom figyelés - Jármő osztályozás (busz autó vagy motorkerékpár) - Jármő számlálás - Jármő követés - Sáv váltás észlelés (ezáltal szabálysértések ellenırizhetısége – pl.: buszsáv jogosulatlan használata)



13. oldal

Dankovics József István – LWQI3E Library-k: - Signal and Image Processing Library (SI Lib) - Signal and Image Flow Processing Library (SIF Lib) - Multitarget Tracking Library (MTT Lib) Az algoritmusok beépíthetıek a cég által fejlesztett kamerákba, illetve DSP programba vagy a még gyorsabb FPGA IP blokkokba.

13. ábra : a cég által fejlesztett Traffic Monioring demója

Összefoglalás Az itthoni rendszerek többsége is egyazon technológiákra épülnek, melyek a vizsgált keresztmetszetek megfelelı kiépítésével járnak. Esett szó viszont igazán frappáns, és modern megoldásokról (AnaLogic Computer), ötletes, de sajnos ez idáig itthoni megvalósításában elmaradt on-line statisztikai riportokról (UTFORG), illetve a már bevált web-kamerás élıközvetítéses próbálkozásokról (UTV), mely utóbbi az automatizált forgalomfigyelés hiányosságával küzd. Mindezek célszerő és jól megtervezett ötvözetét alkalmazva igen kimagasló és eredményes befektetésnek lehetnénk sikerekben gazdag megvalósítói.



14. oldal


Megvalósítás – irodalomkutatás A videó alapú forgalomfigyelés adatfeldolgozásának menete a videóból származó képsorozatok feldolgozásán alapszik. Két féle módszer ismert: - modell alapú feldolgozás [15] - nem modell alapú feldolgozás Modell alapú feldolgozás Az analizált képsorozatból – megfelelı képfeldolgozó algoritmusok segítségével – kiszegmentálják a mozgó jármőveket (beleértve azok útját és irányát is), melyek alakját összevetik 3D-s modellekkel, így egyértelmően meghatározható a jármő kategóriája. A modell lépései: 1. mozgás szegmentálás 2. modell hipotézis 3. jármőmodell felismerés 4. objektum felismerés és elhelyezkedés 14. ábra: mozgás szegmentálás meghatározás 5. árnyékok felismerése 6. mozgás modell készítés 7. Kalman-szőrés 8. modell értelmezés 9. osztályozás 15. ábra: 3D modellek; felismert jármő árnyékkal

Nem modell alapú feldolgozás A képsorozatokon felmerülı változások detektálásán és annak feldolgozásán alapuló módszer.

Lehetséges megoldások 1. Videó alapú forgalomfigyelési módszer részletes ismertetése a [16] alapján. A feldolgozás során a konstans hátteret kivonják a képbıl. Így csak a ténylegesen mozgó objektumok (illetve hibák, zavarok) maradnak a képen. A különbözı képfeldolgozó algoritmusok segítségével már könnyen beazonosíthatóak a különbözı osztályokba tartozó jármővek. Felmerülı problémák o Dinamikus háttérfrissítés o Éjszakai mód (fényszóró) o Éjszaka – nappal átmenete o Árnyékok o Idıjárási körülmények o Aszfalt rajzok

17. ába: felmerülı problémák

Megoldások Dinamikus háttérfrissítés: o folyamatos kivonásokból egyre szebben látszódik a háttér. o interpoláció (több képkockán): az egyes képkockák intenzitás átlagából. Mindezen megoldások nem hatékonyak változó háttérben, rövid videó esetén (pl.: köd, esı, stb…).



15. oldal

Dankovics József István – LWQI3E Éjszakai mód: Egyik legjelentısebb hibája az erıs fényszóró magas intenzitása a körülötte lévı pixelekhez képest. Legjobb megoldás lenne, ha ezt a hibát, mint jelzés használjuk ki, a jármő észlelésére, viszont ez igen számításigényes feladat lenne. Éjszaka – nappal átmenete: Az éjszakai jármő dekektálás mővelete eltérı a nappaliéhoz képest. Elkerülhetetlen a szükséges automatikus átváltás a két mód feldolgozási mővelete között. Megoldása az automatikus éjjel v. nappal státuszának detektálása. Ez viszon nehezen megvalósítható, mivel a két napszak változása fokozatosan zajlik. A kép teljes intenzitás értékének analizálása annak érdekében, hogy megkülönböztessük az éjszakát a nappaltól, nem nyújt megbízható megoldást. Ez azért van, mert nagy forgalom esetén a jármővek fényszórói jelentısen növeli a kép teljes intenzitását. Egy megoldás lehet, hogy a forgalman kívüli képrészeket vizsgáljuk, viszont nincs biztosíték arra, hogy az így vizsgált kiesı területek változatlanok maradnak a hosszasan vizsgált idıintervallumban. Két feldolgozási mód létezik: - Ablakolás technikája A vizsgált területen belül egyfajta virtuális hurkot – ablakot helyezünk el. Az elhaladó jármőveket akkor veszzük számításba, ha e fölött az ablak fölött haladnak el. Ez a megoldás jármő sebességének meghatározására is alkalmazható, ha két ablakot használunk. Az analizált képen két ablakot helyezünk el, a vizsgált terület tetején, illetve alján. Az áthaladó objektum amikor áthalad a felsı (x) ablakon, majd egy kis idı múlva eléri az alsó (y) ablakot, a két pont között eltelt idı segítségével meghatározható a jármő sebessége, természetesen, ha ismert a két pont közötti fizikai távolság értéke. Hátránya hogy a pontosság függ a videó képfrissítésétıl.

18. ábra: ablakolás technikája

- Követés technikája A vizsgált területen belül (ROI) vizsgáljuk az elhaladó jármővet. Amint belép egy jármő a területre, azt követjük, és a jármő hosszától illetve a belépési, kilépési pont távolságából, és természetesen az eltelt idıtıl függıen meghatározható a jármő sebessége. A belépési és a kilépési pont közötti terület az SPZ (Speed Profile Zone). A kilépési pont maga a jármő detektáló ablak (VDW – Vehicle Detection Window).

19. ábra: ablakok



16. oldal

Dankovics József István – LWQI3E Feldolgozás menete 1. Éjszaka – nappal meghatározása 2. Jármő detektálás (külön éjszakai – nappali megvalósításban) Éjszakai mód észlelésének algoritmusa Az éjszakai mód megkülönböztetésének algoritmusa a vizsgált területen belüli (Region Of Interest – figyelembe vett terület) pixelek intenzitásának szórására épül. Az éjszakai módban, jármővek jelenlétében történı felvétel esetén, a pixelek intenzitásának nagy a szórása sötét háttér és a jármővek fényszórinak intenzitása miatt. A 21. ábrán jól látható az f3(g) pixel-intenzitás eloszlás függvényen, hogy két maximum pontja van, a sötét háttér, és a fényszórók intenzitása. Az f2(g) elolszlásfüggvényen – ahol a vizsgált területen belül elhaladó jármő nincs – jól látható, hogy az intenzitás eloszlás a sötétebb pixelekre jellemzı. Az f1(g) eloszlásfüggvény a nappali fénynek megfelelı intenzitáseloszlást reprezentálja, amely maximuma pontosan a középérték. 20. ábra – éjjeli kép Ezen eloszlásértékek meghatározásához két paraméter szükséges: - Átlagos intenzitás érték:

∑ I ( x, y ) ROI

I AVE = -

x,y

N ROI

Statisztikai intenzitás szórás érték: 21. ábra – eloszlás függyvények

VSTS =

∑(I

AVE

− I ROI (x, y) )

2

x,y

N ROI

ahol - IROI a vizsgált területen belüli x,y koordinátákban található intenzitás érték, - NROI a vizsgált területen belüli pixelek számát jelöli. Az algoritmus: 1. Kiszámolni IAVE és VSTS értékeit 2. Ha VSTS > VTH vagy (IAVE < ITH és VSTS < VTH) Akkor „Nappal van” Különben „Éjszaka van”. Megjegyzés: VTH: konstans érték, minimális intenzitás szórása ROI-n belül, éjszaka, fényszórónál. ITH: konstans érték, maximális átlagos intenzitás ROI-n belül, éjszaka, fényszóró nélkül.



17. oldal

Dankovics József István – LWQI3E Jármővek detektálása – nappal Az input kép élsőrőséginformációját kell megkapnunk ahhoz, hogy megkülönböztessük a jármő összetett külsejét az útfelület homogén külsejétıl. Az élsőrőség feldolgozásának ideje alatt nincs szükség a referencia képre (háttérkép), így nem lesz túl memória igényes ennek megoldása. A másik elınye, hogy kevésbé érzékeny az olyan hirtelen fényváltozásokra, amelyeket például az elhaladó felhık okozhatnak az árnyékok által. Ennek a megoldása a szomszédos pixelek intenzitás változásának vizsgálata. A jármődetektálási folyamat lépéseit az alábbi folyamatábra tükrözi:

22. ábra: jármődetektálás folyamata

Sobel éldetektálással a teljes kép horizontális és vertikális éljeinek detektálása

EH(x, y) =

m =1;n =1

∑ (SH(m + 1, n + 1) * I(x + m, y + n) )

m =−1;n =−1

EV(x, y) =

m =1;n =1

∑ (SV(m + 1, n + 1) * I(x + m, y + n) )

m =−1;n =−1

Ahol

−1 −2 −1

−1 0 1

SH = 0 0 0 és SV = −2 0 2 1 2 1 −1 0 1 így a komplett élintenzitás E(x,y)=(1-K)*EH(x,y) + K*EV(x,y) ahol K konstans (0..1) – de K>0.5 értéknél képessé teszi a rendszert arra, hogy tovább minimalizálja az árnyék vízszintes éleit.



18. oldal

Dankovics József István – LWQI3E A VDW-n belüli hasznos élintenzitás értéket (EVDW) tehát az alábbiak szerint kapjuk meg: VDW-n belül az összes pixelre Ha (E(x,y)>Er) akkor EVDW=EVDW+E(x,y) ahol Er küszöbérték az nem kívánt zajok – mint például a fényszórók visszatükrözıdése – kiküszöbölésére szolgál. Az összehasonlítás modulban EVDW értéke az E_RefVDW az átlag él intenzitás értékével (a VDW-n belül amikor nincs jármő) összehasonlítva állapítható meg a jármő jelenle: Ha (EVDW > E_RefVDW + Kr) akkor jármő van különben jármő nincs ahol Kr konstans küszöbérték. Egy nem kezelt dinamikus külsı környezetben a háttér élsőrősége E_RefVDW jelentısen változik. A változás értéke sok tényezıtıl függ, mint például az út mintázatától, a felbontástól, a kamera nagyításától. Ezért nem praktikus az E_RefVDW-nek konstans értéket adni. Ennek megoldása, ha dinamikusan frissítetjük az értékét. A detektálás menetében kihasználjuk azt, hogy az út mintázata reletívan "elmosottabb" mint a jármővek. Ha nincs jármő, E_RefVDW dinamikusan meghatározható az alábbiak szerint: Ha (jőrmő NINCS) akkor Ha (E_RefVDW > EVDW) Akkor E_RefVDW= E_RefVDW - (E_RefVDW - EVDW)/RUP különben ha (E_RefVDW < EVDW ÉS EVDW < E_RefVDW + Kr) akkor E_RefVDW = E_RefVDW + (EVDW - E_RefVDW)/ RUP ahol RUP konstans, a frissítés rátája. E_RefVDW értékét relatívan nagy kezdıértékkel állítjuk be, így az értéke a fentiek alapján dinamikusan áll be az út aktuális élsőrőség értékére. Fényszóró visszatükrözıdés eltüntetése: Amikor élkeresést alkalmazunk, van rá lehetıség, hogy sikeresen minimalizáljuk a fals detektálást a fényszórók visszatükrözödései által, úgy, hogy maga a visszatükrözıdés is eltőnik. Ez azért van, mert az élek nagysága arányos az intenzitás változás nagyságával egymás melletti pixelek esetében. Általánosan, fényszórók visszatükrözıdésének intenzitás változása fokozatos, így az él nagysága pici. Árnyék eltüntetése A fenti módon az árnyékok eltőntetése is hasonló módon történik, mivel az élkeresést követıen az árnyékok nagyrésze is eltőnik a fokozatos intenzitás változás miatt, így csak az erıs élek eltőntetését kell megoldani az árnyékok tekintetében. Erre az a megoldás, hogy még egy vertikális élszőrést kell alkalmazni.



19. oldal

Dankovics József István – LWQI3E Jármő detektálása éjszaka Az éjszakai jármő detektálás a ROI-n belüli fényszóró intenzitás vizsgálatán alapszik. Ezt a vizsgálatot a ROI-n belül hajtjuk végre, melyet nevezzünk IAAC(y)-nek, intenzitás profile függvénynek.

23. ábra: intenzitás-profile függvény

A függvény minden y értéke a teljes intenzitás értékekbıl adódik a ROI-n belüli sorokból számolva. hogyan a mellékelt ábrán is látszik, a függvényben lévı meredek csúcsok könnyen azonosíthatóak, melyek a jármő fényszóróit jelzik (headlight-peaks). Az aszfaltról visszatükrözıdı fény által adott görbe viszont jóval simább, kisebb meredekségő csúcs (headlight reflection-peaks). Ezzel a függvénnyel egyszerően detektálható a jármő. Elınye az eljárásnak, hogy csak egy dimenzióban kell a fényforrást keresni, illetve a zajok nem okoznak problémát a feldolgozás során. Két paramétert kell megállapítani a meredek élek detektálásához. Ezek a következık: Gradiens GH és a csúcs szélessége WH. GH(y)=d IACC(y) / dy , vagyis képfeldolgozás esetén: GH(y)=IACC(y+S)-IACC(y)/S ahol S=1 a pixel különbség. WH a csúcs szélessége, ami a fényszóró szélességét határozza meg. Ezek által a jármő detektálása az alábbiak szerint: Ha (GH(y) > Gr ÉS WH(y) < Wr) akkor Jármő detektálva ahol Gr és Wr konstans küszöbértékek. A detektálás eljárása az alábbi lépésekbıl áll: 1. IACC(y) kiszámítása ROI-n belül 2. Gradiens meghatározása az aktuális IACC(y)-ra 3. Ha y=y1-nél meredek lejtı adódik, ahol GH(y1) > Gr, akkor meg kell keresni a lokális csúcsot IACC(y)-ban Ymax helyen, és meg kell határozni IACCmax-ot és WH-t. IACmax meghatározása: y=y1 WHILE (IACC(y) < IACC(y+1)) DO y=y+1 IACCmax=IACC(y) ÉS Ymax=y



20. oldal

Dankovics József István – LWQI3E WH meghatározása: (IACC(y) > (IACCmax - K) ahol K konstans, ami a minimum intenzitást különbséget határozza meg a jármő fényszórója és a háttér között. 4. Ha (GH(y) > Gr ÉS WH(y) < Wr) akkor Jármő detektálva

Közlekedési paraméterek kinyerése Két összetevıbıl áll: 1. Adatok kinyerése 2. Incidens észlelése 1. Adatok kinyerése A vizsgálandó sávokban egy-egy VDV ablak van meghatározva. Ezek állapota lehet: - activate: amikor jármő belép - de-activate: jármő kilép - active: jármő jelen - idle: jármő nincs jelen Activate állapotnál inkrementálódik a jármő számláló, és egyben meghatározzuk a sebességet a sebesség meghatározás a sebességmehatározó teknikával***. Active állapotnál a present_frame_counter inkrementálódik (jármő jelenlét számláló), hogy megállapíthassuk az ellelt idıt, amíg a jármő az ablakban van. De-activate: a jármő kilép a VDV ablakból, ilyenkor határozzuk meg a jármő hosszát, az alábbi három paraméter segítségével: present_frame_counter, vehicle_speed, frame_rate (ez utóbbi adott). A frame_rate és a present_frame_counter felhasználásával meghatározható a average_time_occupancy (átlagos idı birtoklás). Idle állapotnál reseteljük a változókat. Sebesség meghatározása: SPZ-n (speed-profile-zone) belüli sebesség élfüggvények generálása f, és f+1 képkockák alapján. Az élfüggvény értékeit az SPZ-n belüli soronkénti él intenzitás átlagból kapjuk meg. Ha a VDW active állapotban van, a kapott két függvény konvolúciójából kapott függvény maximum helyének origótól való távolsága megadja a képkocka váltás alatti jármő sebességét.

24. ábra: élfüggvények



21. oldal

Dankovics József István – LWQI3E Sebességmeghatározás lépései: 1. Élkiemelést követıen (adott E) élfüggvény meghatározása SPZ-n belül minden sorra meghatározni az átlagos élintenzitás értékeket: EAVE(y) Függvény EAVE(y) ciklus x=1-tıl N(y)-ig EAVE(y)=EAVE(y) + E(x,y) EAVE(y)=EAVE(y) / N(y) F.v. 2. Ha az állapot VDW-n belül activate akkor sebesség kiszámolása: konvolúció EAVE(y|f) és EAVE(y|f-1)

C(z) = ∑ E AVE ( y frame = f ) * E AVE ( y − z frame = f − 1) ∀y

Ezután: minden z-re Cmax(z) : sebesség ∞ Zmax | C(Zmax) = Cmax(z) 3. EAVE(y|frame=f-1) frissítése minden y-ra: EAVE(y | frame=f-1)=EAVE(y|frame=f) 2.Incidens észlelése Incidens a már feldolgozott adatokból észlelhetı. Ezek tipusai lehetnek: - torlódás = (sebesség < minimális sebesség határ ÉS elfoglalás > maximális elfoglalási határ) - várakozás-megállás (sávban, útpadkán) = (sebesség = 0 ÉS várakozási idı > maximális várakozási idı) - rossz irányú közlekedés = sebesség < 0 (a konvolúció eredménye negatív dx értékénél)



22. oldal


Rendszerterv A rendszer tervezésénél figyelembe vett szempontok: - Egyszerőség: a rendszer egyszerő megvalósítása alatt értendı a modulok tömör, összetett de ugyanakkor átlátható, logikailag megfelelı struktúrájú kiépítése. - Gyorsaság: a kitőzött cél által megfogalmazott elvárásoknak megfelelıen a gyors feldolgozás fontos, melyet már a rendszer tervezésekor figyelembe kell venni. - Összefüggés: a rendszernek egységet kell képeznie a feladat megoldásakor, s különálló modulokból kell állnia a különbözı részfeladatok megoldásakor, melyeknek ésszerő logikai kapcsolatokból kell összefüggı egységet képeznie. - Mobilitás: az egyes modulokat úgy kell kialakítani, hogy azok az esetleges további fejlesztésekkor vagy javításokkor különálló részként cserélhetıek illetve egyszerően függıségek nélkül módosíthatóak legyenek.

Modulok -

Input: input videó feldolgozásáért, képkockák továbbításáért felelıs egység GUI: Graphics User Interface; felhasználói vezérlésért, és megjelenítésért felelıs egység Process: képfeldolgozó egység Adatbázis: feldolgozott adatok kezeléséért, tárolásáért felelıs egység

3.1 ábra: A rendszer moduljai

A valós világból bejövı forrást jelölnek a piros nyilak (videó, felhasználói vezérlés). A megvalósítandó modulok közötti kommunikációk útját jelölik a zöld irányvonalak. Ezek osztályok közötti adatkapcsolatot jelölnek. Ezek lehetnek képek, adatok, utasítások. A rendszer által generált kimenetek lehetnek maguk a bemeneti videók, azok feldolgozott másai, illetve az adatbázis által generált adatfájl(ok).



23. oldal

Dankovics József István – LWQI3E Input modul Az Input modul magába foglalja a különbözı forrásokból érkezı videók feldolgozását. Minden egyes forráshoz különálló egység tartozik, amely a megfelelı forrásból érkezı videót közvetíti a következı egységnek: Továbbítandó képkockák elıállítása. Ez az egység felelıs azért, hogy a bemeneti videót szükséges beállításoknak megfelelıen képkockánként továbbítsa a következı modulnak (Process). A források lehetnek: - Stream - Kamera - File A beállítások felhasználótól függıek lehetnek, melyek a következık: - Szín: (színes / szürkeárnyalatos) - Felbontás: (eredeti méret / felhasználó által megadott / minimális: 320x240)

3.2 ábra: Input modul felépítése



24. oldal

Dankovics József István – LWQI3E GUI modul Graphics User Interface – Grafikus Felhasználói Felület. A megjelenítésekért, vezérlésekért és beállításokért felelıs modul. A modulok között ennek a modulnak van a legtöbb feladata. Ennek ellenére csupán két alrendszerre oszlik: - Vezérléseket kezelı alrendszer: a beérkezı vezérléseket, beállításokat kezelı alrendszer. Ezen keresztül van lehetısége a felhasználónak befolyásolni az egész rendszer mőködését. - Megjelenítést kezelı alrendszer: a szoftver grafikus elemeit kezelı alrendszer, mely a szükséges adatmegjelenítést, képi megjelenítést hajtja végre.

3.3 ábra: GUI modul felépítése



25. oldal

Dankovics József István – LWQI3E Process modul A képfeldolgozó egység, a rendszer lényegi részét tartalmazza: a forgalomfigyelési technikák, algoritmusok megvalósításáért felel. Bemenetét képezi a feldolgozandó képkockák, és a rendszer mőködését befolyásoló utasítások halmaza. Kimenetei a megjelenítendı képek, adatok, mely utóbbi a GUI modulba illetve a Database modulba párhuzamosan kerülnek kiküldésre. Két alrendszer felelıs a megfelelı feldolgozásért, ezek a következık: - Kép analizátor: mindazon algoritmusok összessége, mely a kitőzött célnak megfelelıen analizálja a bemeneti képsorozatokat, és állítja elı a kimeneti adatokat, képeket. - Feldolgozó egység: az adatok továbbításáért, feldolgozásáért felelıs alrendszer.

3.4 ábra: Process modul felépítése



26. oldal

Dankovics József István – LWQI3E Database modul Az egyetlen modul, amely nem tartalmaz alrendszert. Feladata a bejövı adatok fizikai tárolásának megvalósítása. Tárolási formátumot tekintve a következı típusokra lesz lehetıség exportálni: - CSV - XML A fent említett formátumok mellett döntöttem azért, mert bármilyen adatbázis kezelı rendszerbe egyszerő importálni az említett formátumokat, így az esetleges további feldolgozás lehetısége adott. Másik megvalósítási lehetıség lenne, ha egy már meglévı (pl.: MS SQL) adatbázis rendszerben tárolnánk az adatokat, de azért nem ez mellett a lehetıség mellett döntöttem, mert a kiértékelendı adatok mennyisége nem teszi szükségessé a külön adatbázisrendszerbe való tárolást.

3.5 ábra: Database modul felépítése



27. oldal


Hivatkozások 1 2

KTI elemzése. Forrás: www.kti.hu/downloads/kutatas/forgalmifolyamatok.doc Látogatás ideje: 2008.10.29 Magyar Közút Kht. – A közúti forgalom figyelemmel kísérése – 2005 Forrás: http://web.kozut.hu/uploads/media/ALLANDO_MEROHELY_KIADVANY_2005_01.pdf Látogatás ideje: 2008.10.29

3

Cseffalvay Mária – Az Országos Közúti Keresztmetszeti Forgalomszámlálás CAMION TRUCK&BUS – 2008/5 szám – 102-103. oldal. Forrás: http://www.camiontruck.eu/images/2008/200805/c5104-105w.pdf Látogatás ideje: 2008.10.29

4

Houston TranStar 2008 – Houston TranStar AVI Traffic Monitoring System Forrás: http://traffic.houstontranstar.org/aviinfo/avi-intro.html Látogatás ideje: 2008.10.29

5

SHA State Highway Administration – Traffic Monitoring System Program Forrás: http://www.sha.state.md.us/SHAServices/mapsBrochures/maps/oppe/trafficvolumemaps/tms.asp Link: Traffic Monitoring System Program Direkt link a pdf dokumentumhoz: http://www.sha.state.md.us/SHAServices/mapsBrochures/maps/oppe/trafficvolumemaps/TMSPrograms/ HISD%20Traffic%20Monitoring%20System%20Program.pdf Látogatás ideje: 2008.10.29

6

roadtraffic-technology.com – Applied Traffic – Traffic Monitoring Systems Forrás: http://www.roadtraffic-technology.com/contractors/detection/applied-traffic Látogatás ideje: 2008.10.29

7

roadtraffic-technology.com – Austrian Research Centers – Traffic Data Acquisition and Video Surveillance Forrás: http://www.roadtraffic-technology.com/contractors/detection/austrian-rc-gmbh Látogatás ideje: 2008.10.29

8

Fördıs Gergely – Intelligens közlekedési rendszerek – BME elıadás anyaga 2005 Forrás: http://www.uvt.bme.hu/targyak/int_kozl/ea_2005/Intelligens_ea_6.pdf Látogatás ideje: 2008.10.29

9

ÁLLAMI KÖZÚTI MŐSZAKI ÉS INFORMÁCIÓS KHT. – A közúti forgalom figyelemmel kísérére – 2003. május 31. Forrás: http://web.kozut.hu/uploads/media/all_mero_kiadv_2002_01.pdf Látogatás ideje: 2008.10.29

10 Köztech Közlekedéstechnikai és Kereskedelmi Zrt. – Cégismertetı Forrás: http://www.koztech.hu Látogatás ideje: 2008.10.29

11 Újbuda Önkormányzata – Újbuda Forgalomfigyelı Rendszere Forrás: http://www.ujbuda.hu/forgalomfigyelo.php Látogatás ideje: 2008.10.29

12 UTV.HU Forrás: http://www.utv.hu Látogatás ideje: 2008.10.29

13 AnaLogic Computers Kft. Forrás: http://www.analogic-computers.com Látogatás ideje: 2008.10.29

14 AnaLogic Computers Kft. – Video Analytics - Traffic Monitoring Forrás: https://www.analogic-computers.com/Downloads/BiiDemos/Video_Analytics_Traffic.html Látogatás ideje: 2008.10.29

15 Dieter Koller - Model-Based Object Tracking in Road Traffic Scenes Forrás: http://www.vision.caltech.edu/koller/ModelTracking.html Látogatás ideje: 2008.11.13



28. oldal

Dankovics József István – LWQI3E 16 IMAGE PROCESSING TECHNIQUES FOR A VIDEO BASED TRAFFIC MONITORING SYSTEM AND METHODS THEREFOR Forrás: http://www.wipo.int/pctdb/en/wo.jsp?wo=2001033503&IA=SG1999000115&DISPLAY=STATUS Látogatás ideje: 2008.11.13



29. oldal


Mellékletek 1. számú melléklet – Jármőkategóriák



30. oldal

Budapesti Mőszaki Fıiskola Neumann János Informatikai Kar Informatikai Automatizált Rendszerek szakirány Forgalomfigyelı rendszer

Recommend Documents