Vehicle speed estimation from fixed point camera using projective geometry and object tracking

Abstract

Cada año, aproximadamente 1,35 millones de personas mueren en las carreteras del mundo debido a accidentes de tránsito. Muchas ciudades importantes han implementado sistemas de cámaras que pueden usarse para estimar la velocidad de vehículos. Este trabajo propone un flujo de trabajo de tres componentes para tal propósito: Primero, la estimación de homografía se emplea para retroproyectar las coordenadas de la imagen a las coordenadas de longitud-latitud. Luego, se utiliza un detector de objetos para localizar vehículos en la escena. Finalmente, un rastreador de objetos recibe esas detecciones para dar seguimiento a los vehículos y estimar su velocidad. El proceso de estimación de velocidad se realiza para cada vehículo convirtiendo las ubicaciones del plano de la imagen en coordenadas del mundo real utilizando la matriz de homografía, luego calculando la distancia entre líneas y dividiéndola por un marco de tiempo de medio segundo. Además, se compararon tres implementaciones de estimación de homografía: un algoritmo básico de Transformación lineal directa (DLT), un DLT robusto que utiliza el consenso de muestra aleatoria (RANSAC) y una metodología propuesta que emplea algoritmos evolutivos para una búsqueda localizada de puntos óptimos, así como dos versiones de un rastreador de objetos. El primero usa la distancia euclidiana para asignar detecciones a las pistas, mientras que el segundo usa Intersection over Union (IoU), más un umbral para minimizar la asignación incorrecta de pistas. Finalmente, los resultados muestran que el flujo que utiliza cualquiera de los tres métodos de homografía y el rastreador de IoU puede registrar con éxito distribuciones de velocidad para vehículos que están a la expectativa de acuerdo con el entorno del tráfico urbano y también puede manejar cambios en la velocidad del vehículo.