Gjenkjenning av kjøretøy ved inn- og utkjøring av tunneler

Abstract

Flere granskningsrapporter av tunnelbranner de siste årene har konkludert med at det savnes en teknologi som kan gi sanntids posisjonsoversikt over antall kjøretøy og tilhørende personer i tunnelen. En slik oversikt kan hjelpe nødetatene med å gjøre en effektiv vurdering av skadeomfanget og tilpasse redningsarbeidet mer målrettet deretter. I denne oppgaven drøfter vi muligheten for å anvende maskinsyn for et slikt formål. Det er blitt utarbeidet et forslag til et system som registrerer ulike egenskaper til kjøretøy ved tunnelinngang. Egenskapene brukes til å gjenkjenne kjøretøyet ved utgang, samtidig som det definerer kjøretøyet som lett eller tung klasse. Egenskapene som detekteres informerer om kjøretøyets farge, form og struktur. Sistnevnte egenskap brukes til å beskrive kjøretøyfronten. Denne egenskapen er vektlagt gjennom oppgaven. Kjøretøyets front representerer sterke karakteristiske trekk, og egnes derfor til å skille ulike kjøretøy fra hverandre. Metodene HOG og trace transform benyttes til å hente de ulike strukturelle egenskapene. Den ene beregningen detekterer kantstrukturen i bildet, og den andre detekterer signaturen. Disse testes opp mot lysendring, okklusjon og geometriske transformasjoner som oppstår i filmopptaket. Det er blitt gjennomført filmopptak ved hjelp av to kamera som filmet kjøretøy på veien i et topp-ned perspektiv. Kameraene simulerer en plassering ved inn- og utgang på tunnel. Resultatet av testene viser at HOG-deskriptor er egnet til å danne en beskrivelse av kjøretøyfronten, da den viser seg å være både rask og lite sensitiv til støy i form av lysendringer. Antall kjøretøy som HOG-metoden matcher korrekt, er høyt nok til å tilfredsstille oppgavens formål. Metodens ulempe er at fronter med lik kantstruktur, men ulik farge ikke blir separert ved HOG-metoden. En mer omfattende frontbeskrivelse kan derimot oppnås ved å kombinere HOG sammen med en deskriptor som henter informasjon om intensiteten i bildet. I oppgaven ble trace transform brukt til dette, og et bedre resultat ble oppnådd. Ulempen er at metoden krever mye prosesseringskraft. Utviklingen i verden er preget av en økende grad av automatisering. Teknologien kan bidra til tryggere omgivelser for fremtiden. Derfor er det viktig å starte utviklingen av et system som har potensiale til å redde liv i fremtiden. Denne oppgaven kan sees på som den første byggeklossen i et slikt system.