Robust vehicle detection under different weather conditions

• Autores: Nastaran Yaghoobi Ershadi
• Directores de la Tesis: David Jiménez Bermejo (dir. tes.)
• Lectura: En la Universidad Politécnica de Madrid ( España ) en 2021
• Idioma: español
• Tribunal Calificador de la Tesis: Federico Alvarez García (presid.), Juan Antonio Rodrigo Ferrán (secret.), Juan Torres Arjona (voc.), Mahdi Orooji (voc.), Sattar Mirzakuchaki (voc.)
• Programa de doctorado: Programa de Doctorado en Tecnologías y Sistemas de Comunicaciones por la Universidad Politécnica de Madrid
• Materias:
  • Ciencias tecnológicas
    • Tecnología de las telecomunicaciones
• Enlaces
  • Tesis en acceso abierto en: Archivo Digital UPM
• Resumen
  • español

    Resumen La introducción de nuevas técnicas para mejorar la solidez y la precisión de la detección de vehículos es de evidente importancia para los Sistemas Inteligentes de Transporte (conocidos como ITS por sus siglas en inglés), ya que les permite afrontar diferentes problemas y desafíos. La variabilidad de entornos de conducción como urbanos y áreas interurbanas, las diferentes y cambiantes condiciones climáticas y de iluminación tienen una alta incidencia en el rendimiento de la detección del vehículo y procesos posteriores.

    Esta tesis propone una serie de métodos mejorados respecto al estado del arte que ofrecen una alta precisión que permita hacer frente con éxito a los desafíos existentes. Con el fin de ofrecer resultados fiables y validar el procesamiento rápido y robusto de la solución, el rendimiento de los métodos propuestos se ha evaluado a partir de una base de datos propia construida con vídeos grabados en España e Irán bajo diferentes condiciones climáticas, de iluminación y contextuales; a partir de los cuales se ha llevado a cabo una validación completa.

    Del estudio del estado del arte presentado en la tesis se concluye que los métodos basados en imágenes para la detección de vehículos tienen dificultades para la adquisición de imágenes buenas debido al efecto de perspectiva y el ruido de fondo. Por lo tanto, se propone un esquema de detección de vehículos de alta precisión mediante el uso de una versión modificada del mapeo de perspectiva inversa (MIPM) dentro de un primer método, que integra un marco cooperativo que se adapta sobre la base de dos análisis complementarios. Las características espectrales asociadas a una característica espacial están integradas en el análisis a nivel de píxel. Posteriormente, en el análisis a nivel de región se extraen las características geométricas de los vehículos con el objetivo de reducir la tasa de falsos positivos. El análisis posterior se realiza en la imagen original basada en un operador de diferencias discreto que obtiene información precisa de los vehículos. A continuación, se proponen estrategias basadas en reglas para reducir la tasa de falsos negativos y proporcionar los resultados finales de detección. Como se muestra en los resultados experimentales, se logra una mayor precisión mediante la imagen transformada del MIPM, lo que lleva a un incremento en el rendimiento de detección del vehículo en todas las condiciones climáticas. Experimentalmente, se ha verificado que las pequeñas diferencias cualitativas que proporcionan los métodos de transformación se manifiestan de importancia crucial en el resultado final de los sistemas de supervisión del tráfico. En comparación con los métodos publicados con anterioridad se demuestra que integrando MIPM, no sólo es más simple y directo, sino también que es más preciso. De esta forma, se puede concluir que el método propuesto es válido para extraer y recoger información de tráfico real.

    La tesis propone un segundo método con el fin de hacer frente a una vibración de la cámara debido al viento o de la infraestructura en condiciones climáticas adversas y permitir un sistema de detección de vehículos preciso. Este se ha desarrollado a través de tres unidades principales que están estrechamente integradas.

    En particular, la unidad basada en movimiento es capaz de detectar vehículos mediante características espectrales y temporales basadas en las características estadísticas de los píxeles de la imagen y una combinación de varios procesamientos adicionales. Además, la precisión del sistema se incrementa mediante la incorporación efectiva de los datos adquiridos en las diferentes partes del método propuesto. En cuanto a la unidad basada en el conocimiento, se ha desarrollado un marco de trabajo con un filtro de partículas adaptable alimentado con múltiples mediciones y un modelo de ruido realista que requiere la información de la unidad anterior en las diferentes etapas.

    Sobre esa base, se puede que justificar que la segunda unidad es beneficiosa ya que permite refinar los resultados gruesos obtenidos por el primer método debidos a las condiciones desfavorables. Por último, la unidad de toma de decisiones aumenta la precisión de la estimación al considerar las diversas situaciones desde dos puntos de vista diferentes.

    La evaluación de este segundo método se divide en dos partes, con el fin de probar el mayor rendimiento del método propuesto frente a otros. A diferencia de la literatura anterior, el método propuesto logró un resultado más preciso en condiciones climáticas adversas mediante la integración efectiva de los diversos datos de las unidades propuestas.

    En resumen, los resultados experimentales muestran que los métodos propuestos ofrecen grandes mejoras en términos de precisión, robustez y estabilidad en la vigilancia del tráfico.

    PALABRAS CLAVE: ITS, MIPM, Detección de vehículos, Precisión de la detección, Filtro de Partículas, cámara con vibraciones, condiciones climáticas adversas.

  • English

    The introduction of new techniques for improving the robustness and accuracy of vehicle detection is always important for the Intelligent Transportation System (ITS) as they may face different problems and challenges. Variability of driving environments such as urban and interurban areas, different weather conditions, and illumination variations will affect the vehicle detection performance and later processes.

    This thesis proposes a number of improved methods with a high accuracy which can successfully cope with the existing challenges. In order to provide reliable results and to ensure fast and robust processing, the performance of the proposed methods have been evaluated taking advantage of an own constructed database built with videos recorded in Spain and Iran under different weather, illumination, and environmental conditions; therefore, a complete validation has been carried out.

    According to an exhaustive review presented in this thesis, conventional image-based vehicle detection methods have difficulties in acquiring good images due to the perspective effect and background noise. Thus, a high-accurate vehicle detection scheme by using a modified version of inverse perspective mapping (MIPM) is proposed in the first method. A cooperative framework is adapted based on two complementary analyses. The spectral features which follow a spatial feature are integrated for the pixel-level analysis. Subsequently, the regional-level analysis takes place to extract the geometric features of vehicles and reducing the false-positive rate. The later analysis is performed at the original image based on a discrete differentiation operator in order to get accurate information of vehicles. Thereupon, rule-based strategies are proposed to reduced the false-negative rate and provide the final detection results. As experimental results indicated, higher accuracy is achieved by means of MIPM transformed image leading to increase vehicle detection performance under all weather conditions. Experimentally, we verified that small qualitative differences of transformation methods can manifest themselves crucially important in traffic monitoring systems. Comparing with previously published methods it demonstrates that MIPM, was not only simple and straightforward, but it was also more accurate in front of others. On the other hand, the proposed method opens the door to extract and collect real traffic information.

    In order to deal with a camera vibration due to the wind or bridge movements, adverse weather conditions, and achieve an accurate vehicle detection system, the second method is proposed. This has been developed through three main units which are tightly integrated.

    Particularly, the motion-based unit demonstrates the existence of vehicles by means of spectral and temporal features based on statistical characteristics of image pixels and a combination of several extra processing. Moreover, the accuracy of the system will be increased by the effective incorporation of the acquired data at the different parts of the proposed method. Regarding the knowledge-based unit, an adaptive particle filter framework with multiple measurements and a realistic noise model was developed which requires the information from the prior unit at the different stages. As a consequence, the second unit is beneficial as it allows refining the coarse results obtained by the former which happened due to the unfavorable conditions. Finally, the decision-making unit increased the accuracy of inter-frame correspondence by considering the various situations from two different points of view. The evaluation is divided into two extensive parts to prove the higher performance of the proposed method in front of others. Different from previous literature, the proposed method achieved a more accurate result under bad weather conditions by the effective integration of diverse information.

    In summary, experimental results show that the proposed methods offer great improvements in terms of accuracy, robustness, and stability in traffic surveillance.

    KEYWORDS: ITS, MIPM, Vehicle detection, Detection accuracy, Particle filter, Vibrating camera, Adverse weather conditions.