Kontakt

Intelligente Fahrzeugzählung

Intelligente Fahrzeugzählung

Unser Kunde

Unser Kunde ist ein privates Unternehmen, das Verkehrszählungen für Behörden anbietet.

Übersicht

Herausforderung

 

Das Unternehmen bietet Verkehrszählungen für den öffentlichen Dienst an, die auf der manuellen Analyse aufgezeichneter Videos basieren. Um die Effizienz der Arbeitsabläufe zu steigern, sollte ein Automatisierungstool für die Fahrzeugerkennung und -zählung entwickelt werden, das Fahrzeugtypen nach bestimmten Kategorien im allgemeinen Straßenverkehr erkennt. Ziel war es, den manuellen Aufwand zu senken, Fehler zu eliminieren und den Arbeitsablauf und damit auch die Ergebnisse zu beschleunigen.

Lösung

Wir haben ein halbautomatisches System zur Schätzung der Straßenverkehrsbelastung entwickelt. Die Anwendung ist so konzipiert, dass sie eine webbasierte Benutzeroberfläche bereitstellt, die die Verarbeitung von Verkehrsvideos, die Berichterstellung und die Validierung ermöglicht. Unser Data-Science-Team war für die Entwicklung des Machine Learning-Modells auf Basis von Computer-Vision-Technologie verantwortlich. Die Lösung beherrscht die Erkennung und Klassifizierung von Fahrzeugen in einem Videostream nach mehreren Kategorien, die Verfolgung einzelner Fahrzeuge durch jedes Bild und die Zählung von Fahrzeugen mithilfe eines Deep-Learning-Ansatzes.

 

In der ersten Phase des Projekts wurde eine vortrainierte YOLO-Architektur (“You Only Look Once”) auf einen COCO-Datensatz (“Common Objects in Context”) angewandt, die in der Lage war, eine begrenzte Anzahl der erforderlichen Fahrzeugkategorien zu erkennen. Spätere Entwicklungsphasen des Projekts zielten darauf ab, das angepasste neuronale YOLO-Netzwerk neu zu trainieren, um alle erforderlichen Fahrzeugtypen korrekt zu klassifizieren und zu zählen. Das war zu Beginn aufgrund des Fehlens gelabelter Daten nicht möglich. Wir haben uns für einen Ansatz entschieden, der es uns sofort ermöglicht, Videostreams zu verarbeiten und gleichzeitig einen beschrifteten Datensatz für zukünftige Anforderungen zu erzeugen. Diese Lösung besteht aus einer intelligenten Funktion für die Erzeugung benutzerdefinierter, beschrifteter Verkehrsbilder-Datensätze, die in späteren Entwicklungsphasen das Training des neuronalen Netzwerks zur Erkennung von Fahrzeugen auf vordefinierte Kategorien von Grund auf ermöglichen.

 

Die Lösung erkennt über YOLO zunächst die “Bounding Box” eines Fahrzeuges, ein gedachter quaderförmiger Hüllkörper, der das Objekt umschließt. Zur Verfolgung kommt dann ein System zum Einsatz, das auf dem SiamMask-Ansatz basiert. Die Ergebnisse des Trackers werden schließlich weiter analysiert, um die Bewegungsrichtung festzulegen und den Tracker-Algorithmus zu verbessern.

 

Unser Team entwickelte darüber hinaus einen Algorithmus für die automatisierte DROI- und Zähllinienerkennung. Das ermöglicht die vollautomatische Videoverarbeitung ohne manuelle Positionierung von Zähllinien für Aufnahmen, sowie eine verbesserte Modellleistung und geringere Kosten.

 

Neben dem Algorithmus zum Zählen von Fahrzeugen haben wir zudem eine Lösung für die Prüfung der Videoqualität und die Sortierung von Videos in “manuelle” oder “automatische” Buckets unter Nutzung des Azure Functions-Dienstes entwickelt.

Ergebnis

Unsere Lösung trägt mit innovativen Technologien dazu bei, wertvolle Daten aus Verkehrsnetzen und der Messung des Verkehrsflusses besser zu nutzen. Sie schöpft den Wert visueller Daten durch die Implementation von Algorithmen und Modellen für die Analyse und Manipulation von Bild- und Videodaten voll aus. Die Lösung bietet:

 

  • Skalierbare, halbautomatische Kategorisierung und Zählung von Fahrzeugen unter Verwendung von Computer-Vision-Techniken; schnelle, exakte, ressourcenschonende Prozesse
  • Maßgeschneiderte Algorithmen für vordefinierte Fahrzeugkategorien und Randfälle
  • KI-gestützte manuelle Arbeitsabläufe für bessere Effizienz und Skalierbarkeit

Eingesetzte Technologien

  • Python

  • OpenCV

  • Azure

  • YOLO

  • SiamMask

Fordern Sie uns heraus.
Wir freuen uns auf Ihre Nachricht. Bitte nutzen Sie das Kontaktformular, wir werden uns schnell bei Ihnen zurückmelden.