Sistema automático de estimación de densidad de tráfico en imágenes de videovigilancia en carretera

Abstract

Se ha creado un sistema de validación experimental para sistemas de estimación de la congestión del tráfico. El objetivo principal del trabajo ha sido la implementación y evaluación de un sistema de estimación precisa del número de vehículos presentes en la escena. Para ello, en lugar de detectar y localizar la posición individual de los objetos, se ha planteado un esquema que es capaz de estimar la densidad de los vehículos, de modo que, una vez obtenida la misma, la cuenta de los objetos presentes en una zona de la imagen puede aproximarse computando la integral de la densidad estimada. Para la evaluación experimental, se ha utilizado una base de datos que hemos recopilado expresamente para este proyecto. En ella se incluyen imágenes reales, tomadas por cámaras de videovigilancia de tráfico, que han sido debidamente anotadas para evaluar las soluciones. A la vista de los resultados obtenidos, destacamos dos conclusiones. La primera es que las imágenes recopiladas suponen un gran desafío, incluso para sistemas considerados como el estado del arte en cuanto a conteo de objetos se refiere. La segunda es que para obtener unos resultados satisfactorios con el modelo implementado, resulta fundamental realizar un ajuste de los parámetros del sistema.

In this work, we have developed a system for estimating the number of vehicles in images of video surveillance cameras. The goal of this project is the implementation and experimental evaluation of a system for accurately estimating the number of vehicles on the scene. For this purpose, instead of detecting and locating the position of individual objects, we have proposed a system that is able to estimate the density of the vehicles. When the estimated density is obtained, the count of the objects present in any region of the image can be approximated by computing the integral over the estimated density. For the experimental evaluation, we have used a database specifically built for this project. It includes real images taken by traffic video surveillance cameras. These images have been properly annotated for evaluating the solutions. Regarding to the results, we highlight two conclusions. The first one is that the images collected represent a big challenge, even for systems considered the state-of- the- art in terms of counting objects. The second one is that to obtain satisfactory results with the implemented model, it is essential to make an adjustment of the system parameters.