Vehicle Re-Identification for Automatic Video Traffic Surveillance

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F16%3APU121634" target="_blank" >RIV/00216305:26230/16:PU121634 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/CVPRW.2016.195" target="_blank" >http://dx.doi.org/10.1109/CVPRW.2016.195</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CVPRW.2016.195" target="_blank" >10.1109/CVPRW.2016.195</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Vehicle Re-Identification for Automatic Video Traffic Surveillance

Popis výsledku v původním jazyce

This paper proposes an approach to the vehicle re-identification problem in a multiple camera system.  We focused on the re-identification itself assuming that the vehicle detection problem is already solved including extraction of a full-fledged 3D bounding box. The re-identification problem is solved by using color histograms and histograms of oriented gradients by a linear regressor.  The features are used in separate models in order to get the best results in the shortest CPU computation time. The proposed method works with a high accuracy (60% true positives retrieved with 10% false positive rate on a challenging subset of the test data) in 85 milliseconds of the CPU (Core i7) computation time per one vehicle re-identification assuming the fullHD resolution video input. The applications of this work include finding important parameters such as travel time, traffic flow, or traffic information in a distributed traffic surveillance and monitoring system.

Název v anglickém jazyce

Vehicle Re-Identification for Automatic Video Traffic Surveillance

Popis výsledku anglicky

This paper proposes an approach to the vehicle re-identification problem in a multiple camera system.  We focused on the re-identification itself assuming that the vehicle detection problem is already solved including extraction of a full-fledged 3D bounding box. The re-identification problem is solved by using color histograms and histograms of oriented gradients by a linear regressor.  The features are used in separate models in order to get the best results in the shortest CPU computation time. The proposed method works with a high accuracy (60% true positives retrieved with 10% false positive rate on a challenging subset of the test data) in 85 milliseconds of the CPU (Core i7) computation time per one vehicle re-identification assuming the fullHD resolution video input. The applications of this work include finding important parameters such as travel time, traffic flow, or traffic information in a distributed traffic surveillance and monitoring system.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

International Workshop on Automatic Traffic Surveillance (CVPR 2016)

ISBN

978-0-7695-4989-7

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

1568-1574

Název nakladatele

IEEE Computer Society

Místo vydání

Las Vegas

Místo konání akce

Las Vegas

Datum konání akce

26. 6. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000391572100188