Közlekedési események automatikus felismerésének modellje

Szerzők

  • Max Gyula Budapest Műszaki és Gazdaságtudományi Egyetem, Automatizálási és Alkalmazott Informatikai Tanszék, 1521 Budapest, Pf. 91.

Kulcsszavak:

képfeldolgozás, forgalom felismerés, közlekedési szabályok

Absztrakt

A közlekedés manapság sok kellemetlenség okozója. Ma már mindennaposak a balesetekről, a forgalomelterelésekről és a dugókról szóló hírek. A többsávos utak sem jelentenek mindenhol megoldást főleg, ha figyelembe vesszük ezek helyigényét. A rosszkedvű, arrogáns vagy ittas vezetők is egyre nagyobb veszélyt jelentenek a zsúfolt utakon. Legtöbbjük figyelembe sem veszi a közlekedési szabályokat, így okozva balesetet egy hirtelen kanyarodással vagy helytelen sebesség megválasztással. A veszélyforrást jelentő események felismerésére és kezelésére egyre hatékonyabban térfigyelő rendszereket használnak. Ezek rendszerek mind több és jobb minőségű információt adnak a megfigyelt területekről. Az automatikusan gyűjtött közlekedési információk már akár real-time módon, előfeldolgozott formában is hozzáférhetőek. A cikk azokat az alapproblémákat feszegeti, amelyek nélkül ezek az információk nem juthatnának el a forgalomirányítókig.

Információk a szerzőről

  • Max Gyula, Budapest Műszaki és Gazdaságtudományi Egyetem, Automatizálási és Alkalmazott Informatikai Tanszék, 1521 Budapest, Pf. 91.

    max@aut.bme.hu

Hivatkozások

Aguilar-Ponce, R., Kumar, A., Tecpanecatl-Xihuitl, J. L., Bayoumi, M. (2005). Autonomous Decentralized Systems Based Approach to Object Detection in Sensor Clusters. IEICE/IEEE Joint Special Section on Autonomous Decentralized Systems. 4462–4469. https://doi.org/10.1093/ietcom/e88-b.12.4462

Cho, J., Kwon,T., Jang, D., Hwang, Ch. (2005). Moving Cast Shadow Detection and Removal for Visual Traffic Surveillance. S. Zhang and R. Jarvis (Eds.): AI 2005, LNAI 3809, pp. 746–755., Springer-Verlag Berlin Heidelberg. https://doi.org/10.1007/11589990_77

Cucchiara, R., Piccardi, M., Mello, P. (2000). Image analysis and rule-based reasoning for a traffic monitoring system. IEEE Trans. on Intelligent Transportation Systems, 1(2), 119–130. https://doi.org/10.1109/6979.880969

Dailey, D. J., Cathey, F. W., Pumrin, S. (2000). An Algorithm to Estimate Mean Traffic Speed Using Uncalibrated Cameras. IEEE Transactions on Intelligent Transportation Systems, 1(2), 98–107. https://doi.org/10.1109/6979.880967

Hämäläinen, A. (2006). Studies of Traffic Situations Using Cellular Automata. Laboratory of Physics, Helsinki University of Technology : Helsinki, ISBN 951-22-8368-9

Horaud, R., Knossow, D., Michaelis, M. (2006). Camera cooperation for achieving visual attention. Machine Vision and Applications, 16(6), 331–342. https://doi.org/10.1007/s00138-005-0182-9

Hu, W., Tan, T., Wang, L., Maybank, S. (2004). A Survey on Visual Surveillance of Object Motion and Behaviors. IEEE Trans. on Systems, Man, and Cybernetics. Part C: applications and reviews, 34(3), 334–351. https://doi.org/10.1109/TSMCC.2004.829274

Köhler, J. Tapamo, J. (2006). Formal specification of region-based model for semantic extraction in road traffic monitoring. Association for Computing Machinery, ACM 1-59593-288-7/06/0001, 155–159. https://doi.org/10.1145/1108590.1108615

Maniccam, S. (2005), Effects of back step and update rule on congestion of mobile objects. Physica A 346. 631–650. https://doi.org/10.1016/j.physa.2004.08.011

Mikic, I., Cosman, P. C., Kogut, G. T., Trivedi, M. M. (2003). Moving Shadows and Object Detection in Traffic Scenes. Proceedings of the 15th International Conference on Pattern Recognition, Barcelona, Spain, 1. 321–324. https://doi.org/10.1109/ICPR.2000.905341

Park, D., Kim, Ju., Kim, Ja., Cho, S., Chung, S. (2006), Motion Detection in Complex and Dynamic Backgrounds. PSIVT 2006, LNCS, Springer-Verlag : Berlin Heidelberg, 4319. 545–552. https://doi.org/10.1007/11949534_54

Rabie, T., Shalaby, A., Abdulhai, B., El-Rabbany, A. (2002). Mobile Vision-based Vehicle Tracking and Traffic Control. IEEE 5th Int’l Conference on Intelligent Transportation Systems, Singapore

Yoneyama, A., Yeh, C. H., Jay Kuo, C.-C. (2003). Moving cast shadow elimination for robust vehicle extraction based on 2D joint vehicle/shadow models. IEEE Proc. International Conference on Advanced Video and Signal Based Surveillance, 229–236. https://doi.org/10.1109/AVSS.2003.1217926

Letöltések

Megjelent

2007-07-15

Hogyan kell idézni

Max, G. (2007). Közlekedési események automatikus felismerésének modellje. Acta Agraria Kaposváriensis, 11(2), 99-106. https://journal.uni-mate.hu/index.php/aak/article/view/1870

Ugyanannak a szerző(k)nek a legtöbbet olvasott cikkei