Python Traffic Camera Analyzer Python Traffic Camera Analyzer is een geautomatiseerde congestie-analyse-tool voor verkeerscamera.
Download nu

Python Traffic Camera Analyzer Rangschikking & Samenvatting

Python Traffic Camera Analyzer Tags

analys camera Cameralanalyzer Congestie met verkeerscamera Analyse van cameracongestie Python Traffic Camer

Python Traffic Camera Analyzer Beschrijving

Python Traffic Camera Analyzer is een geautomatiseerde Traffic Camera Congestion Analysis-tool. Python Traffic Analyzer is een Python Basisklasse en Sample Driver Script geschreven om afbeeldingen uit de verkeerscamera's op te halen en te manipuleren en een numerieke waarde te berekenen die de huidige verkeersflow.pytran, een voorbeeld stuurprogramma-script vertegenwoordigt, een beeldverzamelaar en een maker van een beeldmasker en een beeldmasker zijn beschikbaar Om te downloaden van de link die onderaan wordt getoond. Om het Pytran-pakket te gebruiken Begin met het kiezen van een camera die u wilt analyseren, voor dit voorbeeld gebruiken we de hierboven gecertificeerde camera. We willen een masker bouwen over het gebied van de afbeelding waarmee we geïnteresseerd zijn, namelijk de weg. In dit specifieke voorbeeld neemt de weg de meerderheid van het beeld in beslag, maar dat is niet altijd de zaak. We zullen het masker aanbrengen op veroverde afbeeldingen om het gebied te verfijnen waarover we op zoek zijn naar beweging. Om het masker te maken, moeten we eerst een sequentiële reeks snapshots van de doelcamera verzamelen. De afbeelding_collector.py script is geschreven voor deze taak: $ MKDIR MASK_200003 $ CD MASK_200003 $ ../Image_collector.py 20000330 Collecturing 30 afbeeldingen ... 30DONE. Het script is hard gecodeerd om afbeeldingen op een vertraging van 2 seconden vast te leggen. De vertraging is nodig om ervoor te zorgen dat de afbeelding is gewijzigd. Ik geloof dat 2 seconden het absolute minimum zijn. Eenmaal voltooid, worden 30 afbeeldingen genummerd van 1 tot en met 30 gemaakt in de huidige map.We construeren een masker van deze vastgelegde afbeeldingen door een diff-beeld te maken voor elk sequentiaal beeldpaar en vervolgens elk diff-beeld aan elkaar toe te voegen. Natuurlijk is er een script geschreven om deze taak ook te automatiseren: $ ../mask_maker.py 130creating een diff voor elk sequentiaal beeldpaar.Diffing 29creating Het oorspronkelijke masker van het eerste beeldpaar. .Masking 29done.a Aantal .Diff-bestanden worden in dit proces gegenereerd. Deze bestanden herhalen de beweging tussen individuele sequentieparen.Deiff-bestanden zijn eenvoudig tussenpersoonsbestanden, het belangrijke bit is het 'masker'-bestand, dat wordt gegenereerd als de som van alle verschillen. Het maskerbestand kan vies zijn (zoals in dit geval ) en vereisen handmatige opruiming. De basisvorm van de weg is echter duidelijk zichtbaar, bewijs dat we kunnen met minimale inspanning automatiseer het productopwekkingsproces. Ook is deze run 's nachts uitgevoerd, dagelijkse beelden opleveren betere resultaten. Er zijn een paar laatste stappen die we moeten nemen voordat we het voorbeeld Pytran Driver-script kunnen gebruiken. Eerst moeten we het masker naar ASCII (Noraw) formaat converteren: $ PNMNoraw Mask> Mask_200003.asciithen We moeten een fantasemagick 'display'-venster openen en het zijn X-window-ID krijgen met behulp van' xwininfo '. Ten slotte, update 'Camera_ID' en 'venster_id' in Pytran_sampling.py en start de bestuurder: $ ../pytran_sampling.py debug> Grabbing frame van camera 200003debug> Roterende afbeelding: Pytran. Dit> Pytran.lastdebug> Verfrissend beeld in 3 secursten Een monster van 5 minuten bij verschillende drempelds.debug> Grabbing frame van camera 200003debug> Genererende frame diff on pytran.last, pytran.thisdebug> Afbeelding: Pytran.DiffDebug> Pytran. DIFF naar AsciIteBug> Berekening verkeersverhouding ... Ratio : 55% Debug> Berekening van de verkeersverhouding ... Ratio : 52% ...... 5 minuten monster : 67.885 Minute monster : 42.665 minuten monster : 30.575 minuten monster : 23.035 MINUTE MONSTER : 18.395 Minuste monster : 14.795 Minuste monster : 12.425 MINUTE MINISTER : 10.535 MINUTE MINISTUUR : 9.065 MINUTE SAMPLE : 7.85 Het Sampling-script zal 5 minuten monsters nemen bij variërende kleurdrempels. De optimale drempel moet handmatig worden gekozen. Bovendien moet u de verkeersratio's proeven tijdens zowel zware als lichte verkeerstijden om een goed gevoel te krijgen voor uw acceptabele assortiment. Houd er ook rekening mee dat de waarde van de verkeersverhouding eenvoudigweg de percentage verandert veranderd, of met andere woorden, de beweging die is gedetecteerd in de gemaskeerde regio. Dit betekent dat een volledig lege weg vergelijkbare waarden zal registreren op een weg, dus verstopt het lijkt op een parkeerplaats. Het tijdstip van de dag kan worden gecombineerd met het verkeersrantsoen om de logische waarheid te bepalen. Met deze taak geïmplementeerde en geabstraheerde meer complexe systemen kan worden gebouwd. Wanneer ik de tijd vind dat ik een systeem zou willen maken dat meerdere potentiële reisroutes en tijden zal maken, en tijdens de reistijd e-mail de reiziger met de beste route om te nemen. Een ander idee dat ik had zou zijn om de verkeersstroomwaarden voor elke camera te registreren, voor elke dag en voor elk interval met een half uur. Reizigers en andere geïnteresseerde partijen kunnen vervolgens verkeerspatronen analyseren om de snelste route afhankelijk te stellen op datum / tijd.

Python Traffic Camera Analyzer Gerelateerde software