Vehicle Detection and Classification in Aerial Images

В данной работе описывается многоуровневое каскадное распознавание транспортных средств и их последующая классификация. Этот метод пригоден для поиска движущихся и неподвижных TC. В методе применятся несколько новых подходов. В частности, быстрый поиск ROI (визуальными методами, сегментация области ROI на суперпиксели методом SEEDS, обучаемый четырёхуровневых каскадный детектор объединенных суперпикселей - регионов, который использует технику искусственных нейронных сетей. Характеристики регионов строятся, по геометрическим и текстурным свойствам регионов (HoG и LPB дескрипторы), и непосредственно по фрагменту изображения с применением техники нелинейных автоэнкодеров. Дополнительный каскад детектора использует данные о движущихся объектах на изображении. Близкие срабатывания детектора объединяются и классифицируются по цвету и типу TC. Для обучения данных алгоритмов была составлена крупнейшая база данных из разных источников. Полученный детектор был протестирован на реальных экспериментальных данных и показал достаточно высокую точность. Быстродействие алгоритма позволяет рассчитывать на его бортовое применение. Разработанный метод может быть применен для мониторинга дорожного движения, оценки занятости парковок и ряда смежных задач.

Статья опубликована в журнале Indian Journal of Science and Technology, выпуск № 47, декабрь 2016 http://indjst.org/index.php/indjst/article/view/105475

Работа выполнена при финансовой поддержке Министерства образования и науки Российской федерации в рамках Соглашения о предоставлении субсидии № 14.576.21.0051 от «08» сентября 2014 г. (Уникальный идентификатор соглашения RFMEFI57614X0051) на выполнение прикладных научных исследований по теме: «Разработка интеллектуальных алгоритмов обнаружения и распознавания дорожных ситуаций для бортовых систем беспилотных летательных аппаратов, осуществляющих автоматическое патрулирование транспортных магистралей с применением ГЛОНАСС».