31579

بازشناسي و رديابي خودروها به صورت چند دوربينه با استفاده از ويژگي هاي ظاهري، مكاني و زماني

كارشناسي ارشد

مهندسي كامپيوتر - هوش مصنوعي و رباتيكز

1403

1403/02/24

دكتر محسن سرياني

-

مهندسي كامپيوتر

با گسترش و محبوبيت دوربين‌هاي مداربسته، به ويژه در سطح شهري، برنامه هاي كاربردي در اين زمينه بيشتر شده‌اند. يكي از كارهايي كه در سال هاي اخير مورد توجه ويژه قرار گرفته و شركت هاي بزرگ هوش مصنوعي به آن پرداخته‌اند، رديابي خودروها در دوربين هاي نظارت شهري است. وظيفه رديابي خودرو در دوربين هاي مداربسته به دليل ناهمگوني كيفيت تصاوير دوربين‌ها، جهت گيري نصب دوربين و ... در شهرها و همچنين چالش‌هايي مانند انسداد و شباهت‌‌هاي ظاهري خودروها به يكي از وظايف دشوار در حوزه بينايي ماشين تبديل شده است. ‫ ‫ ‫در روش ارائه شده اين پژوهش تلاش شده است كه سرعت يكي از روش‌هاي لبه دانش كه به صورت بلادرنگ اجرا نمي‌شد را بهبود داده و بتوان آن را به صورت بلادرنگ اجرا نمود، بنابراين بهبودهايي بر روي ماژول‌هاي آشكارساز، ردياب تك‌دوربينه و ماژول بازشناسي داده شد. ‫ابتدا براي حفظ دقت و بهبود سرعت از روشyolov8 بهينه شده با TensorRT و از روش BOTSort براي رديابي در يك دوربين استفاده كرديم. همچنين، براي بازشناسي علاوه بر استفاده از ابزار TensorRt روشي را براي انتخاب فريم هاي مناسب، پياده سازي كرديم كه سرعت اجرا را به ميزان قابل توجهي افزايش داد. اين روش به جاي اينكه تمام فريم هاي به دست آمده از خودرو را پردازش كند، فريم‌هاي مناسب كه تعداد كمتري دارند را پردازش مي‌كند. ‫در انتها نيز كارآمدي بهبودهاي انجام شده نسبت به روش درنظرگرفته شده از نظر دقت و زمان اجرا بررسي شده است كه در نتايج مي‌توان ديد روش ارائه شده توانسته است با از دست دادن مقدار كمي از دقت، سرعت اجرا را به صورت چشم‌گيري افزايش دهد. ‫

1403/09/03

Multi-camera multi target vehicle tracking and re-identification based on visual and spatial-temporal features

5/13/2025 12:00:00 AM

With the expansion and spread of surveillance cameras, especially in cities, applications in this field became more and more. One of the tasks that has received special attention in recent years and has been addressed by large companies such as Nvidia is tracking vehicles in city surveillance cameras. The task of tracking vehicles in surveillance cameras has become one of the most difficult tasks in the field of machine vision due to the non-uniformity of the quality and direction of the cameras, occlusion and appearance similarities of vehicles. In the presented method of this research, it has been tried to improve the speed of one of the state of the art methods that was not implemented in real-time and, so improvements were made on detector modules, single camera detector and recognition module to obtain real-time feature. First, to maintain accuracy and improve speed, we used the Yolov8 method optimized with TensorRT and the BOTSort method for single camera tracking. Also, for re-identification, in addition to using the TensorRt tool, we implemented a method to select suitable frames for re-identification, which significantly increased the execution speed. Instead of processing all the frames containing the vehicle, this method processes less frames by selecting appropriate frames. At the end, the performance of the improvements compared to the competing method has been checked in terms of accuracy and execution time, and the results show that the proposed method has been able to significantly increase the execution speed by losing a small amount of accuracy.

رديابي چندهدفه چند دوربينه , بازشناسي خودرو , آشكارسازي خودرو , رديابي تك‌دوربينه

Multi Camera Multi Target Tracking , Single Camera Tracking , Re-Identification , Object Detection

Mohammad Mahdi Sheybani

Mohsen Soryani