Analizzatore della fotocamera del traffico Python Python Traffic Camera Analyzer è uno strumento di analisi della congestione della telecamera del traffico automatizzata.
Scarica ora

Analizzatore della fotocamera del traffico Python Classifica e riepilogo

Analizzatore della fotocamera del traffico Python Tag

analizzatore telecamera Analizzatore della fotocamera. Congestione della telecamera del traffico analisi della congestione della telecamera Python Traffic Camer.

Analizzatore della fotocamera del traffico Python Descrizione

Python Traffic Camera Analyzer è uno strumento di analisi della congestione della telecamera del traffico automatizzata. Python Traffic Analyzer è una classe di base di Python e script del driver di esempio scritta per recuperare e manipolare le immagini dalle telecamere della Materiale e calcolare un valore numerico che rappresenta il traffico corrente Flow.pytran, uno script del driver di esempio, è disponibile un collettore di immagini e un creatore di immagini Mask Per il download dal collegamento mostrato in basso. Per utilizzare il pacchetto Pytran, iniziare scegliendo una fotocamera che desideri analizzare, per questo esempio useremo la fotocamera sottotitoli sopra. Vogliamo costruire una maschera sull'area dell'immagine che siamo interessati, cioè la strada. In questo esempio particolare, la strada prende la maggior parte dell'immagine ma non è sempre il caso. Applicheremo la maschera su immagini catturate per ottimizzare la zona in cui stiamo cercando il movimento. Per creare la maschera, dovremo prima raccogliere una serie sequenziale di istantanee dalla fotocamera di destinazione. Lo script image_collector.py è stato scritto per questa attività: $ MKDIR Mask_200003 $ CD Mask_200003 $ ../image_collector.py 20000330 Collezione di 30 immagini ... 30done. Lo script è codificato per catturare immagini su un ritardo di 2 secondi. Il ritardo è necessario per garantire che l'immagine sia cambiata. Credo che 2-secondi siano il minimo assoluto. Una volta completa, 30 immagini numerate da 1 a 30 sono state create nella directory corrente. Comprende una maschera da queste immagini catturate creando un'immagine diffusa creando un'immagine diffusa per ciascuna coppia di immagini sequenziali e quindi aggiungere insieme ciascuna immagine diff. Naturalmente, uno script è stato scritto anche per automatizzare questo compito: $ ../mask_maker.py 130Creating a diff di ogni coppia di immagini sequenziali.diffing 29creating la maschera iniziale dalla prima coppia di immagini. Dando il resto dei diff .Making 29done. Un numero di file .diff sono generati in questo processo. Questi file ripensanti il movimento tra le singole coppie di sequenza. I file .diff sono semplicemente file intermediari, il bit IMPORTANTE è il file 'Mask', che viene generato come la somma di tutte le differenze. Il file della maschera potrebbe essere sporco (come in questo caso ) e richiedono la pulizia manuale. La forma di base della strada tuttavia è chiaramente visibile, la prova che possiamo con lo sforzo minimo automatizza il processo di generazione della maschera. Inoltre, questa corsa è stata condotta di notte, le immagini giornaliere producono risultati migliori. Ci sono alcuni passaggi finali che dobbiamo prendere prima di poter utilizzare lo script del driver Pytran di esempio. Innanzitutto dobbiamo convertire la maschera in formato ASCII (NORAW): $ PNMNoRAW Mask> Mask_200003.ASCithen Dobbiamo aprire una finestra "Display" di ImageMagick e ottenere è X-Window-ID usando 'XWININFO'. Infine, aggiorna 'fotocamera_id' e 'window_id' in pytran_sampling.py e lancia il driver: $ ../pytran_Sampling.py Debug> Grabbing Telaio dalla fotocamera 200003Debug> Immagine rotante: Pytran.Questa> Pytran.lastdebug> Immagine rinfrescante in 3 secondi Un campione di 5 minuti in varie soglie.Debug> Telaio di presa dalla fotocamera 200003Debug> Generazione del telaio Diff su Pytran.Last, Pytran.Thisdebug> Visualizzazione dell'immagine: Pytran.diffDebug> Converting Pytran.diff to Asciidebug> Calcolo del rapporto traffico ... Ratio : 55% di debug> Calcolo del rapporto traffico ... Rapporto : 52% ...... campione di 5 minuti : campione da 67,885 minuti : campione 42,665 minuti : campione 30.575 minuti : 23.035 minuto campione : campione 18.395 minuti : campione 14.795 minuti : campione da 12,45 minuti : campione da 10.535 minuti : campione da 9.065 minuti : 7.85 lo script di campionamento Ci vorranno 5 minuti di campioni a vari soglie di colore. La soglia ottimale deve essere scelta manualmente. Inoltre, dovrai assaggiare il rapporto tra il traffico durante i tempi di traffico pesanti e leggeri per ottenere una buona sensazione per la tua gamma accettabile. Inoltre, tieni presente che il valore del traffico è semplicemente il cambio percentuale rilevato, o in altre parole il movimento rilevato all'interno della regione mascherata. Ciò significa che una strada completamente vuota registrerà valori simili a una strada così congestionata sembra un parcheggio. L'ora del giorno può essere combinata con la razione del traffico per determinare la verità logica. È possibile costruire questo compito implementato e astratto di sistemi più complessi. Quando trovo il tempo che vorrei creare un sistema che richiederà più potenziali percorsi di viaggio e orari e durante il viaggio in e-mail il viaggiatore con il percorso migliore da prendere. Un'altra idea che avrei dovuto registrare i valori del flusso del traffico per ogni telecamera, per ogni giorno e per ogni intervallo di mezz'ora. I viaggiatori e altre parti interessate possono quindi analizzare i modelli di traffico per determinare il percorso più veloce dipende dalla data / ora.

Analizzatore della fotocamera del traffico Python Software correlato