Chulalongkorn University Theses and Dissertations (Chula ETD)

การปรับปรุงการลบฉากหลังเชิงสถิติสำหรับการตัดแยกยานพาหนะ

Other Title (Parallel Title in Other Language of ETD)

Improved statistical background subtraction for vehicle segmentation

Year (A.D.)

2009

Document Type

Thesis

First Advisor

สุภาวดี อร่ามวิทย์

Second Advisor

ธนารัตน์ ชลิดาพงศ์

Third Advisor

ศุภกร สิทธิไชย

Faculty/College

Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Degree Name

วิศวกรรมศาสตรมหาบัณฑิต

Degree Level

ปริญญาโท

Degree Discipline

วิศวกรรมไฟฟ้า

DOI

10.58837/CHULA.THE.2009.1477

Abstract

การประมวลผลภาพจากล้องวีดิทัศน์จราจรเพื่อควบคุมสภาพจราจร ปัจจุบันมีบทบาทสำคัญในระบบการจราจรอัจฉริยะ โดยงานวิจัยพื้นฐานของการประมวลผลภาพจากกล้องวีดิทัศน์คือ การตัดแยกวัตถุ ซึ่งการตัดแยกส่วนยานพาหนะที่มีความแม่นยำถูกต้อง จะส่งผลให้การนับยานพาหนะ การตรวจจับความเร็ว หรือการจำแนกชนิดยานพาหนะ มีความแม่นยำด้วย โดยการตัดแยกยานพาหนะสำหรับวีดิทัศน์จราจร มักพบกับปัญหาการตัดแยกผิดพลาด เนื่องจากเงาอันเป็นผลมาจากเงื่อนไขของแสง และการเปลี่ยนแปลงของแสงตามเวลาของวัน วิทยานิพนธ์นี้จึงได้นำข้อเด่นของวิธีการเชิงสถิติสำหรับการลบฉากหลัง และการตรวจจับเงามาเป็นพื้นฐานของวิธีการตัดแยกยานพาหนะ สำหรับวีดิทัศน์จราจร แต่เนื่องจากข้อจำกัดของวิธีการเชิงสถิตินี้คือ จำเป็นต้องอาศัยลำดับฉากหลังในการเรียนรู้แบบจำลองฉากหลัง ตัวแบบจำลองยังไม่สามารถปรับตัวตามเวลาได้ และการตัดแยกผิดพลาดเนื่องจากสีของวัตถุฉากหน้าใกล้เคียงกับสีของวัตถุฉากหลังมาก วิทยานิพนธ์นี้จึงได้นำเสนอการปรับปรุงการตัดแยกยานพาหนะ โดยมีการประมวลผลก่อนโดยการใช้การกรองแบบค่ามัธยฐาน เพื่อให้ได้ลำดับฉากหลังสำหรับการเรียนรู้แบบจำลองฉากหลัง และทำการรวมกันของวิธีการเชิงสถิติแบบสีเข้ากับลักษณะขอบของภาพฉากหน้า เพื่อให้ได้ผลการตัดแยกยานพาหนะที่มีความแม่นยำมากยิ่งขึ้น และการทำให้แบบจำลองปรับตัวได้ตามการเปลี่ยนแปลงสภาพแสง โดยใช้การประมาณค่ามัธยฐานแบบสีที่นำเสนอขึ้น นอกจากนี้สามารถตรวจจับสภาพจราจรได้โดยการใช้ค่าการครอบครอง เพื่อเป็นตัวช่วยเลือกปรับตัวได้ และในการประเมินค่าระบบการตัดแยกยานพาหนะนี้คำนวณในรูปของค่าความแม่นยำและค่าเรียกกลับ ซึ่งวิธีที่นำเสนอให้ผลที่มีความแม่นยำและสมบูรณ์กว่าวิธีที่นำมาเปรียบเทียบที่นิยม อย่างวิธีการเชิงสถิติสำหรับการลบฉากหลังแบบดั้งเดิม วิธีการลบภาพฉากหลังจากการสร้างแบบจำลองฉากหลังรวมกันแบบเกาส์ และวิธีการเชิงสถิติสำหรับการลบฉากหลังที่มีการทำให้สามารถปรับตัวได้

Other Abstract (Other language abstract of ETD)

Image processing with traffic video for traffic monitoring has an important role in Intelligent Transportation System (ITS). The essential step for further analysis of traffic video is vehicle segmentation. Accurate vehicle segmentation leads to accurate vehicle flow analysis, speed analysis, vehicle classification and other traffic data. The major drawback of vehicle segmentation in outdoor scene is the changes in lighting conditions. A vehicle segmentation system which based on the statistical background subtraction (SBGS) is proposed. The limitation of the statistical background model is identified, namely its requirement of background sequence for background learning. Secondly, it is a non-adaptive model, the object cannot be segmented accurately in changing light such as an outdoor scenes. Lastly, the model is sensitive to object color which is similar to background color and leads to camouflage problem. In the proposed system, the input image sequence is pre-processed to eliminate foreground pixels using median filtering. The background subtraction is based on a combination of color-based features and edge information. Finally, the approximated color median filtering is proposed to accurately adapt the background model. Traffic occupancy is calculated for model update selection and initial traffic report. The performance evaluation of this system is in terms of precision and recall which outperform the original method and the mixture of Gaussian background subtraction method.

Link to Full Text

Share

COinS