Разработка метода детектирования объектов транспортных потоков по спутниковым фотоснимкам сверхвысокого разрешения

Обложка

Цитировать

Полный текст

Аннотация

Описывается набор алгоритмов, использующихся для распознавания объектов на спутниковых фотографиях высокого качества. Этот метод обладает уникальной возможностью обнаруживать объекты, размеры которых на изображениях не превышают нескольких десятков пикселей. На фотографии исследуется каждый отличительный участок изображения, чтобы определить присутствие объекта определенного класса, и рассчитывается вероятность этого присутствия на рассматриваемом участке. По результатам анализа изображения делается вывод о наличии и вероятном местонахождении объекта. Дается также подробное объяснение того, как изучаются и параметризуются алгоритмы, используемые в процессе обнаружения. С учетом результатов исследования можно автоматизировать широкий спектр процессов, например, упростить сбор и анализ данных в многочисленных аналитических системах. Метод обладает огромным потенциалом и может быть продуктивно использован в различных областях, связанных с обработкой изображений и анализом данных, в частности, применен для эффективного управления дорожным движением, обеспечения равномерной загрузки транспортной сети на пределе ее пропускной способности, не допуская перегрузки уязвимых зон, а также прогнозирования развития транспортной обстановки. Он способствует ускорению алгоритма детектирования транспортных средств на спутниковых снимках, позволяет оценивать состояние дорожного движения и эффективность его организации, выявлять и прогнозировать развитие процессов, влияющих на состояние дорожного движения, а также контролировать сферу безопасности и организации дорожного движения.

Полный текст

Доступ закрыт

Об авторах

Игорь Николаевич Пугачев

Хабаровский федеральный исследовательский центр ДВО РАН

Автор, ответственный за переписку.
Email: ipugachev64@mail.ru
ORCID iD: 0000-0003-0345-4350

доктор технических наук, доцент

Россия, Хабаровск

Владимир Сергеевич Тормозов

Тихоокеанский государственный университет

Email: 007465@pnu.edu.ru
ORCID iD: 0000-0002-5628-858X

кандидат технических наук, доцент

Россия, Хабаровск

Список литературы

  1. Пугачев И. Н., Маркелов Г. Я., Тормозов В. С. Методика подсчета транспортных средств с использованием космических снимков сверхвысокого пространственного разрешения // Вестн. ТОГУ. 2017. № 2 (45). С. 13–20.
  2. Пугачев И. Н., Маркелов Г. Я., Тормозов В. С. Ускорение алгоритма детектирования транспортных средств на спутниковых снимках с помощью процедуры фильтрации гипотез // Вестн. Рос. нов. ун-та. Серия: Сложные системы: модели, анализ, управление. 2019. № . 1. С. 130–139.
  3. Chen Ch., Минальд А. А., Богуш Р. П., Ma G., Weichen Y., Абламейко С. В. Обнаружение и классификация транспортных средств на снимках сверхвысокого разрешения с помощью нейронных сетей // Журн. прикл. спектроскопии. 2022. Т. 89. № 2. С. 275–282.
  4. Пугачев И. Н., Маркелов Г. Я., Тормозов В. С. Обучение и использование сверточной нейронной сети для детектирования и классификации транспортных средств на спутниковых снимках сверхвысокого разрешения // Пром. АСУ и контроллеры. 2019. № 10. С. 20–25.
  5. Головнин О. К. Системный анализ и моделирование объектов, процессов и явлений транспортной инфраструктуры в технических системах управления // Изв. Самар. науч. центра РАН. 2018. Т. 20, № 6–2 (86). С. 301–310.
  6. Бобырь М. В., Архипов А. Е., Якушев А. С., Бхаттачарья С. Построение карты глубины с использованием модернизированного фильтра Канни. Ч. 2 // Пром. АСУ и контроллеры. 2021. № 5. С. 3–15.
  7. Пашаев М. Я. Управление системами транспортной логистики на основе ГЛОНАСС // Вестн. Астрахан. гос. техн. ун-та. Серия: Управление, вычислительная техника и информатика. 2017. № 3. С. 143–148.
  8. Филиппова Н. А., Мушта Б. М., Сидоренко А. В. Анализ развития навигационной системы диспетчерского управления грузовым транспортом // Синергия наук. 2019. № 36. С. 734–751.
  9. Исаева Е. И., Сорокин Е. А. Оценка эффективности от внедрения навигационных спутниковых технологий при перевозках в международном сообщении // Актуальные вопросы организации автомобильных перевозок, безопасности движения и эксплуатации транспортных средств: сб. науч. тр. по материалам XIV Междунар. науч.-техн. конф. Саратов, 2019. С. 97–104.
  10. Петрова Е. А. Снижение издержек транспортного предприятия с помощью цифровых технологий // Проблемы совершенствования организации производства и управления промышленными предприятиями: межвуз. сб. науч. тр. Самара, 2021. № 1. С. 228–231.
  11. Михеева Т. И., Головнин О. К., Федосеев А. А. Интеллектуальная геоинформационная платформа исследования транспортных процессов // Информационные технологии и нанотехнологии (ИТНТ-2017): сб. тр. III Междунар. конф. и молодежной школы / Самар. нац. исслед. ун-т им. акад. С. П. Королева. Самара, 2017. С. 753–761.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Базовые стадии работы метода детектирования и классификации ТС: а – участок спутникового снимка, включающий в себя изображение перегона; б – изображение перегона в рамках рассматриваемого участка, полученное программной реализацией алгоритма сокращения области поиска; в – множество гипотез, полученных модифицированным алгоритмом селективного поиска; г – набор гипотез, оставшихся в результате выполнения фильтрации по низкочастотной информации и по размерам; д – множество детектированных ТС, для которых была выполнена классификация; е – ТС с определенным направлением движения, полученным исходя из относительной позиции на дорожном полотне

Скачать (184KB)
Метаданные
3. Рис. 2. Структурная схема используемой CNN

Скачать (94KB)
Метаданные
4. Рис. 3. Полученные в результате исследования графики зависимости ошибки обучения CNN от количества эпох обучения (1750, 3500, 5250, 7000 примеров в обучающей выборке)

Скачать (152KB)
Метаданные
5. Рис. 4. Направление трафика, определяемое путем нахождения центральной точки гипотезы и ее положения по отношению к центральной линии интерполированной модели пролетов

Скачать (186KB)
Метаданные

© Российская академия наук, 2024