Таблица | Карточка | RUSMARC | |
Разрешенные действия: –
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
Работа посвящена проблеме эффективного управления транспортными потоками на перекрёстках, в условиях растущего числа автотранспорта и увеличения нагрузки на дорожную инфраструктуру. Одним из ключевых моментов в улучшении управления транспортными потоками на перекрёстках является точное и оперативное получение данных о движении. В связи с этим, работа ставит перед собой цель исследовать современные методы сбора данных о транспортных потоках с использованием видеопотока и разработать систему их анализа. Исследуются современные методы детекции и отслеживания объектов, включая алгоритмы на основе нейронных сетей, такие как Faster R-CNN, YOLO, а также алгоритмы отслеживания, такие как SORT, DeepSort, ByteTrack. Особое внимание уделено исследованию эффективности и скорости применения нейронных сетей для анализа параметров транспортного потока. В контексте работы также проводится анализ конфликтных ситуаций на перекрёстках и разрабатывается система визуализации и подсчёта статистики. В результате удалось спроектировать систему, которая обрабатывает данные с видеопотока, подсчитывает количество и тип транспортных средств, количество пешеходов по направлениям движения, сохраняет данные на сервер и выводит наглядную информацию на экран.
The work is dedicated to the problem of efficient traffic management at intersections, in the face of increasing numbers of vehicles and growing pressure on road infrastructure. One of the key aspects in improving traffic flow management at intersections is the accurate and prompt collection of movement data. Therefore, the aim of the work is to investigate modern methods of collecting data on traffic flows using video streams and to develop a system for their analysis. Modern methods of object detection and tracking are studied, including algorithms based on neural networks such as Faster R-CNN, YOLO, as well as tracking algorithms such as SORT, DeepSort, ByteTrack. Special attention is paid to researching the effectiveness and speed of applying neural networks for analyzing traffic flow parameters. In the context of the work, an analysis of conflict situations at intersections is also conducted, and a system for visualization and statistical counting is developed. As a result, a system has been designed that processes data from a video stream, counts the number and type of vehicles, the number of pedestrians in each direction of movement, saves the data to a server, and provides visual information on the screen.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все | |||||
Интернет | Авторизованные пользователи СПбПУ | |||||
Интернет | Анонимные пользователи |
Оглавление
- СПИСОК ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ
- ВВЕДЕНИЕ
- ТРАНСПОРТНЫЕ ПОТОКИ И ПЕРЕКРЁСТКИ
- Определение транспортных потоков и их значение для городской инфраструктуры
- Основные понятия в области организации дорожного движения
- Определение конфликтности перекрёстка
- ОБЗОР АНАЛОГИЧНЫХ СИСТЕМ НА РЫНКЕ
- DataFromSky
- GoodVision
- Logipix
- НЕЙРОННЫЕ СЕТИ ДЛЯ ОБНАРУЖЕНИЯ ОБЪЕКТОВ НА ИЗОБРАЖЕНИИ
- Задача обнаружения объектов на изображении
- R-CNN
- Fast R-CNN
- Faster R-CNN
- YOLO
- АЛГОРИТМЫ ОТСЛЕЖИВАНИЯ ОБЪЕКТОВ
- Описание задачи отслеживания объектов
- Математическая основа Фильтра Калмана
- SORT
- DeepSORT
- ByteTrack
- BoTSORT
- РЕАЛИЗАЦИЯ И ТЕСТИРОВАНИЕ СИСТЕМЫ
- Описание системы и используемые технологии
- Описание входных данных
- Детекция объектов
- Yolov8
- Faster RCNN
- Трекинг объектов по результатам детекции
- Подсчёт статистики в базу данных
- Визуализация результата
- Тестирование точности работы системы
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- ПРИЛОЖЕНИЕ : КОД ПРОГРАММЫ
Статистика использования
Количество обращений: 0
За последние 30 дней: 0 Подробная статистика |