Il Ghisa Digitale
Un possibile apporto dell’informatica al
controllo della viabilità
Dove Nasce
Stage di Orientamento del Politecnico di Milano
effediesse = f(s)
• Rettificazione di un’immagine:
–
–
–
–
spazi di colore
estrazione dei contorni (Edge Detection)
geometria proiettiva e calcolo matriciale
filtri (bi-lineare, mediano)
Dove Nasce
• Ampliamento del progetto:
+ algoritmo di individuazione obiettivi con
metodo “Discriminative Features”
+ librerie di calcolo avanzate
+ statistica univariata
+ dinamica del moto uniformemente accelerato
+ algebra dei vettori
Timeline
Timeline
Server
Client
Inizializzazione
Inizializzazione
Background
Detection Engine
Tracking Engine
Matrice
Calcolo
trasformazione
Auto
Rettificazione
Controllo
infrazioni
Calcolo Trasformazione (DLT)
• Direct Linear Transform:
– acquisizione dati dall’utente
• punti dell’omografia
• dimensioni
– calcolo della matrice inversa

y
0
0
0

xy


1
x
yy
y

P
'
P
P
P
P
'
P
P
' 
1
1
1
1
1
1
1
h


1
1
 

x
x
y
1
00
0

x
x

y
x


P
'
PP
P
P
'
P
P
'




1
1
1
1
1
1
1
h
1
2






y
0
0
0

xy


1
x
y
y
y


P
'
P
P
P
P
'
P
P
'
h
2
2
2
2
2
2
2

1
3
h
h
h




1
11
2
1
3



x
x
y
1
00
0

x
x
y
x
h
P
'
PP
P
P
' 
P
P
'


2
2
2
2
2
2
2
2
1






H

h
h
h

 
i
n
v
2
12
2
2
3




h

y
0
0
0

xy


1
x
y
y
y



2
P
'
P
P
P
P
'
P
P
'

 2
3
3
3
3
3
3
3

h
h
3
13
21






h
x
x
y
1
00
0

x
x
y
x


2
3
P
' 
PP
P
P
' 
P
P
'

3
3
3
3
3
3
3





h
3
1 
y
0
0
0

xy


1
x
y
y
y


P
'
P
P
P
P
'
P
P
'
4
4
4
4
4
4
4





h
3
2





x
x
y
1
00
0

x
x
y
x
P
'
PP
P
P
' 
P
P
'

4
4
4
4
4
4
4

Acquisizione Sfondo
• Memorizzazione di n frames in cui non
compaiono oggetti in movimento
• Calcolo dello sfondo virtuale con due metodi
– mediana tra pixel corrispondenti negli n frames
– Background adattivo
Frame #3
Frame #2
Frame #1
Mediana
Detection Engine
• Background Subtraction
• Applicazione di filtri:
– filtro mediano
– filtri morfologici di erosione e dilatazione
• Blob Extraction per definizione area auto
• Rettificazione dell’area del target
Tracking Engine
• Calcolo della feature più adatta:
– applicazione su target e background di ogni feature
– classificazione dei valori ottenuti in istogrammi
– calcolo della funzione l e della Variance Ratio
• Calcolo della nuova posizione:
– applicazione della funzione l su target e background
– calcolo baricentro dei pixel del target
– calcolo nuova grandezza dell’automezzo
Controllo Infrazioni
• Analisi statistica delle traiettorie.
• Infrazioni rilevabili:
–
–
–
–
–
–
inversione a U
eccesso di velocità
stop in carreggiata
invasione corsia d’emergenza
uscita di strada
guida pericolosa
• Possibilità di estensione del modulo
Timeline client/server
Test 1
SCOPO:
• Verificare il funzionamento del
detection engine
• Verificare il funzionamento del
tracking engine
CARATTERISTICHE:
• Rendering virtuale di
un’automobile per evitare rumore
sull’immagine
• Scelta di un bersaglio molto
contrastato rispetto allo sfondo
Test 2 – A
SCOPO:
• Verificare il collegamento fra
client e server
• Verificare la comunicazione
dei dati relativi alle automobili
CARATTERISTICHE:
• Condizioni analoghe al Test 1
Test 2 – B
SCOPO:
• Verificare l’effettivo
funzionamento del
ridimensionamento dell’area del
bersaglio
CARATTERISTICHE:
• Condizioni analoghe al Test 1
Test 3
SCOPO:
• Verificare il funzionamento in
contesto autostradale con luce
realistica
CARATTERISTICHE:
• Il Test è effettuato su un video
ripreso da una camera posta a
circa 10 m di altezza su una strada
• Vengono controllati bersagli di
diverse dimensioni
Software utilizzato
• Visual C++
• Input
– Webcam / videocamera digitale
– video digitali (DivX, XviD)
• Struttura Client/Server con IPC namedpipe
– Comunicazione fra client e server ad alta efficienza
• Librerie Microsoft DirectShow®
– Alta velocità di computazione
– Semplicità di utilizzo
• Librerie wxWidgets
Considerazioni Finali
• Punti di forza:
– adatto all’utilizzo da parte di una centrale di
controllo del traffico
– controllo remoto delle telecamere
• Punti di debolezza:
– la camera necessità di un’unità di elaborazione