研究人员在Arxiv.org上发表了一篇名为“高速公路交通中的车辆智能监控系统”（An Intelligent Monitoring System of Vehicles on Highway Traffic）的论文，文中指出研究人员描述了一个框架，该框架利用480 x 640像素的摄像头（安装在路边电线杆或交通信号灯上），以每秒25帧的速度抓取视频；然后人工智能（AI）模型会逐帧消化视频，以探测车辆并记录车辆的位置和速度。该系统使用一种简单的图像处理技术提取单个帧，同时算法对帧的数值像素值中包含的背景数据（如树木、建筑物和停放分汽车）以及前景数据（如移动的车辆和行人）进行分类，以创建没有静止物体的道路掩模。 在完成噪音抑制预处理步骤后，该系统通过检测车辆的轮廓（具体来说，是通过确定车辆的边缘是否能通过给定的像素），并且通过比较相邻的每辆车的颜色，将每一帧中的车辆隔离开。图像分割技术 - 区域生长分割检查种子点的像素，并确定是否应该将相邻的像素添加至初始区域中，从而可确定车辆的方向，而车辆与摄像头的距离可测量出车辆的相对速度。该方法利用了模式识别、数字图像处理和数学方法，对车辆进行探测、追踪并计算车辆速度。 研究人员承认，具有更高分辨率和帧速率的摄像头能够获取“更丰富”的时间和车辆数据，但是他们表示，他们的概念验证已经在几种道路上经过了测试，而且得到了良好的结果，可为提供一个简单、经济、易于部署的高速公路监控解决方案奠定基础。该框架可帮助更好地管理交通流量，减少交通事故发生的机会，此外，还能用于探测并拦下违反交通规则的车辆。 未来，研究人员将把该框架应用于道路交叉口，并扩展至隧道和立交桥。据外媒报道，密切关注高速公路的交通流量从多方面来看都有益处，主要可以揭示造成交通堵塞、违反道路规则和交通事故的根本原因。不幸的是，传统技术依赖昂贵的雷达、激光和激光雷达传感器的组合才能了解交通流量。因此，巴基斯坦斯瓦比大学（University of Swabi）、伊斯兰堡Comstats大学和孟加拉国杰索尔科技大学（Jessore University of Science and Technology）的研究人员找到了一种替代方法：利用机器学习算法从摄像头拍摄的镜头中提取有用的数据。 研究人员在Arxiv.org上发表了一篇名为“高速公路交通中的车辆智能监控系统”（An Intelligent Monitoring System of Vehicles on Highway Traffic）的论文，文中指出研究人员描述了一个框架，该框架利用480 x 640像素的摄像头（安装在路边电线杆或交通信号灯上），以每秒25帧的速度抓取视频；然后人工智能（AI）模型会逐帧消化视频，以探测车辆并记录车辆的位置和速度。该系统使用一种简单的图像处理技术提取单个帧，同时算法对帧的数值像素值中包含的背景数据（如树木、建筑物和停放分汽车）以及前景数据（如移动的车辆和行人）进行分类，以创建没有静止物体的道路掩模。 在完成噪音抑制预处理步骤后，该系统通过检测车辆的轮廓（具体来说，是通过确定车辆的边缘是否能通过给定的像素），并且通过比较相邻的每辆车的颜色，将每一帧中的车辆隔离开。图像分割技术 - 区域生长分割检查种子点的像素，并确定是否应该将相邻的像素添加至初始区域中，从而可确定车辆的方向，而车辆与摄像头的距离可测量出车辆的相对速度。该方法利用了模式识别、数字图像处理和数学方法，对车辆进行探测、追踪并计算车辆速度。 研究人员承认，具有更高分辨率和帧速率的摄像头能够获取“更丰富”的时间和车辆数据，但是他们表示，他们的概念验证已经在几种道路上经过了测试，而且得到了良好的结果，可为提供一个简单、经济、易于部署的高速公路监控解决方案奠定基础。该框架可帮助更好地管理交通流量，减少交通事故发生的机会，此外，还能用于探测并拦下违反交通规则的车辆。 未来，研究人员将把该框架应用于道路交叉口，并扩展至隧道和立交桥。
研究人员在Arxiv.org上发表了一篇名为“高速公路交通中的车辆智能监控系统”（An Intelligent Monitoring System of Vehicles on Highway Traffic）的论文，文中指出研究人员描述了一个框架，该框架利用480 x 640像素的摄像头（安装在路边电线杆或交通信号灯上），以每秒25帧的速度抓取视频；然后人工智能（AI）模型会逐帧消化视频，以探测车辆并记录车辆的位置和速度。该系统使用一种简单的图像处理技术提取单个帧，同时算法对帧的数值像素值中包含的背景数据（如树木、建筑物和停放分汽车）以及前景数据（如移动的车辆和行人）进行分类，以创建没有静止物体的道路掩模。 在完成噪音抑制预处理步骤后，该系统通过检测车辆的轮廓（具体来说，是通过确定车辆的边缘是否能通过给定的像素），并且通过比较相邻的每辆车的颜色，将每一帧中的车辆隔离开。图像分割技术 - 区域生长分割检查种子点的像素，并确定是否应该将相邻的像素添加至初始区域中，从而可确定车辆的方向，而车辆与摄像头的距离可测量出车辆的相对速度。该方法利用了模式识别、数字图像处理和数学方法，对车辆进行探测、追踪并计算车辆速度。 研究人员承认，具有更高分辨率和帧速率的摄像头能够获取“更丰富”的时间和车辆数据，但是他们表示，他们的概念验证已经在几种道路上经过了测试，而且得到了良好的结果，可为提供一个简单、经济、易于部署的高速公路监控解决方案奠定基础。该框架可帮助更好地管理交通流量，减少交通事故发生的机会，此外，还能用于探测并拦下违反交通规则的车辆。 未来，研究人员将把该框架应用于道路交叉口，并扩展至隧道和立交桥。