การปรับปรุงการลบฉากหลังเชิงสถิติสำหรับการตัดแยกยานพาหนะ

พรรณราย ศิริเจริญ

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/17020

Title:	การปรับปรุงการลบฉากหลังเชิงสถิติสำหรับการตัดแยกยานพาหนะ
Other Titles:	Improved statistical background subtraction for vehicle segmentation
Authors:	พรรณราย ศิริเจริญ
Advisors:	สุภาวดี อร่ามวิทย์ ธนารัตน์ ชลิดาพงศ์ ศุภกร สิทธิไชย
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email:	[email protected] [email protected] [email protected]
Subjects:	ระบบขนส่งอัจฉริยะ การประมวลผลภาพ -- เทคนิคดิจิตอล จราจร
Issue Date:	2552
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	การประมวลผลภาพจากล้องวีดิทัศน์จราจรเพื่อควบคุมสภาพจราจร ปัจจุบันมีบทบาทสำคัญในระบบการจราจรอัจฉริยะ โดยงานวิจัยพื้นฐานของการประมวลผลภาพจากกล้องวีดิทัศน์คือ การตัดแยกวัตถุ ซึ่งการตัดแยกส่วนยานพาหนะที่มีความแม่นยำถูกต้อง จะส่งผลให้การนับยานพาหนะ การตรวจจับความเร็ว หรือการจำแนกชนิดยานพาหนะ มีความแม่นยำด้วย โดยการตัดแยกยานพาหนะสำหรับวีดิทัศน์จราจร มักพบกับปัญหาการตัดแยกผิดพลาด เนื่องจากเงาอันเป็นผลมาจากเงื่อนไขของแสง และการเปลี่ยนแปลงของแสงตามเวลาของวัน วิทยานิพนธ์นี้จึงได้นำข้อเด่นของวิธีการเชิงสถิติสำหรับการลบฉากหลัง และการตรวจจับเงามาเป็นพื้นฐานของวิธีการตัดแยกยานพาหนะ สำหรับวีดิทัศน์จราจร แต่เนื่องจากข้อจำกัดของวิธีการเชิงสถิตินี้คือ จำเป็นต้องอาศัยลำดับฉากหลังในการเรียนรู้แบบจำลองฉากหลัง ตัวแบบจำลองยังไม่สามารถปรับตัวตามเวลาได้ และการตัดแยกผิดพลาดเนื่องจากสีของวัตถุฉากหน้าใกล้เคียงกับสีของวัตถุฉากหลังมาก วิทยานิพนธ์นี้จึงได้นำเสนอการปรับปรุงการตัดแยกยานพาหนะ โดยมีการประมวลผลก่อนโดยการใช้การกรองแบบค่ามัธยฐาน เพื่อให้ได้ลำดับฉากหลังสำหรับการเรียนรู้แบบจำลองฉากหลัง และทำการรวมกันของวิธีการเชิงสถิติแบบสีเข้ากับลักษณะขอบของภาพฉากหน้า เพื่อให้ได้ผลการตัดแยกยานพาหนะที่มีความแม่นยำมากยิ่งขึ้น และการทำให้แบบจำลองปรับตัวได้ตามการเปลี่ยนแปลงสภาพแสง โดยใช้การประมาณค่ามัธยฐานแบบสีที่นำเสนอขึ้น นอกจากนี้สามารถตรวจจับสภาพจราจรได้โดยการใช้ค่าการครอบครอง เพื่อเป็นตัวช่วยเลือกปรับตัวได้ และในการประเมินค่าระบบการตัดแยกยานพาหนะนี้คำนวณในรูปของค่าความแม่นยำและค่าเรียกกลับ ซึ่งวิธีที่นำเสนอให้ผลที่มีความแม่นยำและสมบูรณ์กว่าวิธีที่นำมาเปรียบเทียบที่นิยม อย่างวิธีการเชิงสถิติสำหรับการลบฉากหลังแบบดั้งเดิม วิธีการลบภาพฉากหลังจากการสร้างแบบจำลองฉากหลังรวมกันแบบเกาส์ และวิธีการเชิงสถิติสำหรับการลบฉากหลังที่มีการทำให้สามารถปรับตัวได้
Other Abstract:	Image processing with traffic video for traffic monitoring has an important role in Intelligent Transportation System (ITS). The essential step for further analysis of traffic video is vehicle segmentation. Accurate vehicle segmentation leads to accurate vehicle flow analysis, speed analysis, vehicle classification and other traffic data. The major drawback of vehicle segmentation in outdoor scene is the changes in lighting conditions. A vehicle segmentation system which based on the statistical background subtraction (SBGS) is proposed. The limitation of the statistical background model is identified, namely its requirement of background sequence for background learning. Secondly, it is a non-adaptive model, the object cannot be segmented accurately in changing light such as an outdoor scenes. Lastly, the model is sensitive to object color which is similar to background color and leads to camouflage problem. In the proposed system, the input image sequence is pre-processed to eliminate foreground pixels using median filtering. The background subtraction is based on a combination of color-based features and edge information. Finally, the approximated color median filtering is proposed to accurately adapt the background model. Traffic occupancy is calculated for model update selection and initial traffic report. The performance evaluation of this system is in terms of precision and recall which outperform the original method and the mixture of Gaussian background subtraction method.
Description:	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2552
Degree Name:	วิศวกรรมศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	วิศวกรรมไฟฟ้า
URI:	http://cuir.car.chula.ac.th/handle/123456789/17020
URI:	http://doi.org/10.14457/CU.the.2009.968
metadata.dc.identifier.DOI:	10.14457/CU.the.2009.968
Type:	Thesis
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
Punnarai_Si.pdf		4.98 MB	Adobe PDF	View/Open

Show full item record