TR201812156A2 - Plaka tanima si̇stemi̇ kamera görüntüleri̇ kullanilarak ön koltuk yolcu kapasi̇tesi̇ i̇hlal tespi̇t yöntemi̇ - Google Patents
Plaka tanima si̇stemi̇ kamera görüntüleri̇ kullanilarak ön koltuk yolcu kapasi̇tesi̇ i̇hlal tespi̇t yöntemi̇ Download PDFInfo
- Publication number
- TR201812156A2 TR201812156A2 TR2018/12156A TR201812156A TR201812156A2 TR 201812156 A2 TR201812156 A2 TR 201812156A2 TR 2018/12156 A TR2018/12156 A TR 2018/12156A TR 201812156 A TR201812156 A TR 201812156A TR 201812156 A2 TR201812156 A2 TR 201812156A2
- Authority
- TR
- Turkey
- Prior art keywords
- passengers
- image
- images
- windshield
- detection
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000009471 action Effects 0.000 claims abstract description 8
- 238000013135 deep learning Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000011835 investigation Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000013136 deep learning model Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000010801 machine learning Methods 0.000 claims 1
- 238000012549 training Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 239000011521 glass Substances 0.000 description 2
- 241000801593 Pida Species 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/593—Recognising seat occupancy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Abstract
Buluş, karayollarında sabit kamera taşıma platformları üzerine yerleştirilmiş plaka tanıma sistemi (PTS) kameraları kullanarak yoldan geçen araçların görüntülerinde ön koltukta yolcu kapasitesinin üstünde yolcu taşınması durumunun tespiti ve yöntemi ile ilgilidir. Buluş özellikle, yol boyunca çekilen görüntüler üzerinde görüntü işleme, derin öğrenme tekniklerini kullanarak araçların (101) ön koltuklarında oturan yolcuların otomatik olarak saptanılmasını ve saptanılan görüntülerde ihlal tespit durumunda uyarı veya cezai işlem uygulanmak üzere görevli emniyet personeline iletilmesini sağlayan ön koltuk yolcu (400) kapasitesi ihlal tespit yöntemi ile ilgilidir.
Description
TEKNIK ALAN
Bulus, karayollarinda sabit kamera tasima platformlari üzerine yerlestirilmis plaka tanima
sistemi (PTS) kameralari kullanarak yoldan geçen araçlarin görüntülerinde ön koltukta yolcu
kapasitesinin üstünde yolcu tasinmasi durumunun tespiti ve yöntemi ile ilgilidir.
Bulus özellikle, yol boyunca çekilen görüntüler üzerinde görüntü isleme, derin ögrenme
tekniklerini kullanarak araçlarin ön koltuklarinda oturan yolcularin otomatik olarak
saptanilmasini ve saptanilan görüntülerde, ön koltuk yolcu kapasitesi ihlalinin tespiti
durumunda uyari veya cezai islem uygulanmak üzere görevli emniyet personeline iletilmesini
saglayan ön koltuk yolcu kapasitesi ihlal tespit yöntemi ile ilgilidir.
ÖNCEKI TEKNIK
Günümüzde karayollarinda trafik güvenligine yönelik en etkili çözüm polis denetimleri
olmakla beraber, alternatif olabilen en verimli çözümlerden birisi güvenlik kamera sistemleri
tabanli çözümlerdir. Karayollarinda trafik denetimine yönelik kamera kullaniminin en popüler
oldugu alanlar; hiz tespit sistemleri, kirmizi isik ihlal sistemleri, kavsak kontrol sistemleri ve
yaya geçidi denetleme sistemleri seklinde açiklanabilir.
Araçlar belli sayilarda yolcu alabilecek sekilde tasarlanmistir ve araç Içi güvenlik önlemleri de
bu kapasiteye göre tasarlanmistir. Ilk olarak araçtaki emniyet kemeri sayisi aracin kapasitesi
kadardir. Araç yolcu kapasitesinin asildigi durumda emniyet kemeri sayisi yetersiz kalacaktir
ve yolcularin bir kismi ehliyet kemeri takmadan yolculuk etmek zorunda kalacaktir. Emniyet
Genel Müdürlügü tarafindan yapilan çalismada emniyet kemeri kullanim durumunun agir
yaralanma riskini % 45 oraninda azalttigi belirtilmektedir. Ayrica, araçtaki hava yastiklarinin
sayisi ve konumlari aracin kapasitesi ve bu kapasiteye göre olasi yolcu konumlari göz önünde
bulundurularak tasarlanmistir. Fazla yolcu yer almasi durumunda, hava yastiklari öngörülen
islevlerini yerine getiremez durumda kalacaktir. Bu gibi durumlar göz önünde
bulunduruldugunda yolcu kapasitesi asiminin denetlenmesinin önemi ortaya çikmaktadir. Bu
islemin de mevcut insan tabanli sistemlerin aksine bilgisayarlar tarafindan otomatik olarak
gerçeklestirilmesi, kazalarda ortaya çikan yaralanma/ölüm durumlarinin azalisina yönelik
olumlu ve daha büyük bir etki yaratacagi kesindir.
Mevcut teknikte yol üzerinde halihazirda bulunan kameralari kullanilarak yoldan geçen
araçlarin görüntülerinde ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun
tespitini saglayan çözümler bulunmamaktadir.
çalismalarda emniyet kemeri ihlal tespiti, sürücü cep telefonu kullanim tespitine yönelik
çesitli metotlar gelistirilmektedir.
içerisinden yolcu tespiti yapilmaktadir. Bunun için çesitli algilayici ve sensörler
yolcu koltugunun yalnizca dolu ya da bos olduguna karar vermeye yönelik analizler
yapilmistir.
Sonuç olarak, mevcut teknikte var olan yukarida belirtilen problemlerin çözümü için, yeni bir
ekonomik, kullanisli ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun
tespiti ve yöntemine duyulan gereksinim ve mevcut çözümlerin yetersizligi ilgili teknik alanda
bir gelistirme yapmayi zorunlu kilmistir.
BULUSUN AMACI
Bulus yukarida bahsedilen problemlerin hepsini ayni anda çözmektedir. Söz konusu bulus en
genel haliyle, sabit kamera tasiyici platformlar üzerine yerlestirilmis plaka tanima sistemi
kameralarindan elde edilen görüntüler üzerinde çesitli görüntü isleme, derin ögrenme
tekniklerini kullanarak araçta bulunan yolcu sayisinin otomatik olarak tespitini saglayan bir
yöntem ile ilgilidir.
Bulusun en önemli amaci, yol üzerinde halihazirda bulunan kameralari kullanilarak yoldan
geçen araçlarin görüntülerinde ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi
durumunun tespitini otomatik olarak herhangi bir personele ihtiyaç duymadan saglamasidir.
Ayrica araçta bulunan yolcu sayisina yönelik elde edilen tespit sonuçlari ve görüntüler,
sürücüye uyari veya cezai islem uygulanmak üzere görevli emniyet personeline
iletilmektedir.
Bulusun bir diger amaci, sistem var olan plaka tanima sistemi altyapisinin üzerine kurularak
çok düsük maliyetlere sahip olmasidir.
Bulusun bir diger amaci, sadece RGB görüntülerde degil NIR kamera görüntülerinde de basari
ile çalisarak gece ve gündüz uygulama imkani sunmasidir.
Bulusun bir diger amaci sistemin plaka tanima sistemine ek olarak çalisacagi için ön koltukta
birden fazla yolcu tasidigi tespit edilen görüntüler için plaka tespiti yapilarak araca ceza islemi
uygulanarak bu islem sonucunda maddi kazanç elde edilmesini saglamasidir.
Bulusun bir diger amaci toplumda trafik güvenligine ve ön koltukta bir yetiskinle birlikte dahi
olsa çocuk bulundurmanin önüne geçmeye yönelik olarak OECD ülkeleri düzeyinde bilinç
artisi gerçeklestirmesidir.
Bulusun bir diger amaci da dolayli olarak emniyet kemeri takamamanin önüne geçilmesinde
katki saglamasidir. Emniyet kemeri sayisi aracin standart kapasitesine göre belirlendigi için,
kapasite fazlasi yolcular emniyet kemeri takamayarak ayrica emniyet kemeri takma ihlali
yaratmis olacaklar.
Bulusun bir diger amaci bireylerde olusacak olan bilinç sayesinde olasi kazalarda yasanilacak
olan yaralanma ve ölümle sonuçlanma vakalarinin önüne büyük ölçüde geçilmesini
saglamasidir.
Bulusun yapisal ve karakteristik özellikleri ve tüm avantajlari asagida verilen sekiller ve bu
sekillere atif yapilmak suretiyle yazilan detayli açiklama sayesinde daha net olarak
anlasilacaktir. Bu nedenle degerlendirmenin de bu sekiller ve detayli açiklama göz önüne
alinarak yapilmasi gerekmektedir.
BULUSUN ANLASILMASINA YARDIMCI OLACAK SEKILLER
SEKIL -1; Bulus konusu ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun
tespiti ve yöntemini gösteren çizimdir.
SEKIL -2; Bulus konusu ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun
tespiti ve yönteminin egitim ve test akis diyagramini gösteren çizimdir.
SEKIL -3; Bulus konusu ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun
tespiti ve yönteminin akis diyagramini gösteren çizimdir.
SEKIL -4; Bulus konusu ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun
tespiti ve yöntemini gösteren çizimdir.
SEKIL -5; Bulus konusu ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun
tespiti ve yönteminin ögrenme asamasinda ön cam bulma modelini gösteren çizimdir.
SEKIL -6; Bulus konusu ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun
tespiti ve yöntemine ait yolcu bulma modelinin ögrenme asamasinda kullanilan egitim
kümesini gösteren çizimdir.
REFERANS NUMARALARI
100. Karayolu
101. Araç
102. PTS Kamera Sistemi
103. PTS Kamera Isik Kaynagi
Kamera ile internet ag baglantisi alt yapisi
Polis Merkezi
Görüntü depolama ve analiz bilgisayari
Gözlemci Personel
Cezai Islem
Kamera Tasiyici Platform
Kamera-araç arasi mesafe
Egitim ve Test Akis Diyagrami
NIR ve RGB Görüntü Kümesi
NIR ve RGB Egitim Görüntüleri
Ön Cam Bölgesi Tespiti modeli
Ön Cam Bölgesi Tespiti
NIR ve RGB Test Görüntüleri
Otomatik Ön Cam Bölgesi Tespiti
Sonraki Görüntü
Sürücü ve Yolcu tespiti
Yolcularin Toplam Sayisi
Sonraki Görüntüye Geçme
212. Polis Incelemesi
213. Ön Cam Bölgesi
300. Akis Diyagrami
400. Yolcu alani
500. Sürücü alani
BULUSUN DETAYLI AÇIKLANMASI
Söz Konusu bulus, halihazirda yol üzerinde bulunan plaka tanima sistemi kameralarindan
elde edilen görüntüler üzerinde çesitli görüntü isleme, derin ögrenme tekniklerini kullanarak
araçta bulunan yolcu sayisinin otomatik olarak tespitini saglayan bir yöntem ile ilgilidir.
Sekil - 1'de bulus konusu ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi
durumunun tespiti ve yöntemini gösterilmektedir. Bulusta karayolu (100) üzerinde ilerleyen
araç (101) trafik denetimine yönelik olarak kurulmus sabit kamera tasiyici platform (110)
üzerine yerlestirilmis en az 2 mega-piksel (MP) çözünürlüge sahip kizilötesi (NIR) ve renkli
(RGB) kamera ( uygun
mesafeye (111) geldigi esnada görüntülenmektedir. Araç geçisi esnasinda plaka tanima
sistemi (102) kameralari üzerinde olusturulan görüntüler ve ilgili plaka bilgileri kamera ile
internet ag baglantisi alt yapisi (104) kullanilarak internet agi altyapisi (105) üzerinden polis
merkezinde (106) bulunan görüntü depolama ve analiz sunucu bilgisayarina (107)
aktarilmaktadir. Görüntü depolama ve analiz bilgisayarinda (107) veri tabanina plaka bilgisi
ile birlikte kaydedilen bu görüntüler üzerinde ön koltuk yolcu sayisinin tespitine yönelik
islemler yapilmaktadir. Yolcu kapasitesi asimi tespit yönteminin sonucuna göre görüntü polis
incelemesine (108) gönderilmekte ve cezai islem (109) uygulanabilmektedir.
Bulus konusu ön koltukta yolcu tasinmasi durumunun tespiti;
aracin (101) üzerinde bulundugu ve ilerledigi karayoluna (100) yerlestirilmis
olan, araçlarin (101) gece ve gündüz sartlarinda aracin (101) içinin ve plakasinin
görüntülerinin belirli bir mesafeden (
ve/veya renkli (RG B)ya pida olan birdenfazla sayida kamera (102),
Plaka Tanima Sistemi (PTS) NIR özelligine sahip olan ve bahsedilen kameralarin (102)
özellikle gece sartlarinda uygun isikta görüntü almasini saglayan birden fazla sayida
isik kaynagi (103),
bahsedilen kameralarin (102) internet (105) alt yapisina baglanmasinda kullanilan
ve bahsedilen kamera (102) tarafindan kaydedilen görüntülerinin internete (105)
aktarilmasini saglayan en az bir haberlesme birimi (104),
bahsedilen kamerayi (102), bahsedilen isik kaynagini (103) ve haberlesme birimini
(104) tasiyan birdenfazla sayida platform (110) ve
polis teskilati (106) içerisinde yer alan, bahsedilen kamera (102) vasitasiyla gece
-gündüz sartlarinda karayolu (100) üzerinde ilerleyen araçlarin (101) belirli bir
mesafeden (101) çekilen görüntüleri internetten (105) alip depolayan,
o görüntülerin içerisinde ön cam bölgesinin olup olmadiginin otomatik bir
sekilde tespit edilen,
ön cam bölgesi tespit edilemezse bir sonraki görüntüye geçen,
ön cam bölgesi tespit edilirse, ön cam bölgesi görüntüsü alan,
ön cam bölgesi görüntüsü üzerinde sürücü ve yolcularin tespiti yapan,
tespit edilen yolcu sayisi ikiden küçükse bir sonraki görüntüye geçen,
tespit edilen yolcu sayisi iki veya ikiden büyükse cezai islem için polisin
incelenmesine gönden
görüntü depolama ve analiz bilgisayari(107),
içermektedir.
Sekil- 2' de bulusun egitim ve test akis diyagrami (200) sunulmaktadir. Görüntü depolama
ve analiz sunucu bilgisayarinda (107) bulunan görüntü kümesi (201) egitim ve test
asamalarinda kullanilmak üzere 2 kümeye ayrilmaktadir. NIR ve RGB kamera egitim
görüntülerinde (202) bulunan görüntüler üzerinden ilk olarak araç ön cam bölgesi tespitine
yönelik olarak model olusturulmaktadir(203). Ön cam bulma modeli olusturulurken (203)
elimizde var olan egitim kümesinde bulunan araç görüntülerinde (NIR ve RGB görüntüler) ön
camin bulundugu bölge (213) Sekil 5'de gösterildigi gibi manuel olarak isaretlenmektedir.
Daha sonrasinda orijinal araç görüntüsü ve isaretlenmis NIR ve RGB görüntülerden olusan
egitim veri seti SSD derin ögrenme modeli kullanilarak ön cam tespit modeli (203)
olusturulmaktadir.
SEKIL 5'de ön cam bulma modelini ögrenme asamasi; aracin bulundugu orijinal görüntünün
manuel olarak kullanici tarafindan isaretlenmesinden olusmaktadir. Burada isaretleme
tercihen dikdörtgen alan seklinde yapilmaktadir.
Derin ögrenme modelleri son yillarda obje tespiti, obje takibi ve görüntü siniflandirma gibi
alanlarda oldukça yaygin olarak kullanilmaktadir. Bu modellerden biri olan SSD, çoklu
evrisimsel sinir aglari katmanlarinda tespit edilecek objeyi görsel (görünüs özellikleri) ve
dokümaninda sunulan teknige benzer sekilde [13] dokümaninda da sunulan teknikler de
benzer sekilde ön cam tespitinde kullanilabilir, fakat bu metotlarin kullanilmasi durumunda
birim zamanda islenecek görüntü sayisinda azalma ve ön cam tespit basari oraninda düsüs
gözlenmektedir. Ayrica, ön cam tespit modeli olusturmaya yönelik olarak [6]dokümaninda
kullanilan teknik yerine [14] ve [15] dokümanlarinda sunulan teknikler de kullanilabilir.
Sekil 5'de gösterilen geometri, çekim yapilan kameranin araç üzerine konumlandigi ve baktigi
yere göre degisebilmektedir. Geometride bakis açisindan dogan gözle görülür bir fark oldugu
zaman egitim kümesinin yenilenmesi ve egitim asamasinin tekrarlanmasi gerekmektedir.
Ön cam bölgesi tespiti modeli kullanilarak NIR ve RGB görüntüler üzerinde ön cam tespit
edilmesinden (204) sonra bu bölge görüntülerden alinmaktadir. Alinan ön cam bölge
görüntüleri (213) üzerinde sürücü ve yolcularin tespitine yönelik derin ögrenme modeli (205)
olusturulmaktadir. Sürücü ve yolculari tespit modelini olusturmak asamasinda Sekil 6'de
gösterildigi gibi ön cam bölgesi üzerinde ( kullanici
tarafindan manuel olarak isaretli alanlar (400,500) kullanilmaktadir. Bu bölgeler sürücü veya
yolcuya ait olmasi durumunu yansitacak sekilde etiketlenmektedir.
SEKIL 6'da yolcu bulma modelinin ögrenme asamasinda kullanilan egitim kümesi, aracin
(101) bulundugu orijinal görüntüden tespit edilerek alinan ön cam bölgesi görüntüsünden ve
bu görüntüler üzerinde kullanici tarafindan manuel olarak isaretlenen sürücü (500) ve yolcu
(400) alanlarindan olusmaktadir. Burada tercihen sürücü ve yolcu için dikdörtgen alanlar
kullanilmaktadir.
Egitim asamasinda, ön cam bölgesi Iokalizasyonu, sürücü/yolcu tespit modelleri
olusturulurken kümedeki aracin yalniz RGB görüntüsü, yalniz NIR görüntüsü veya RGB ve NIR
görüntüleri birlikte kullanilabilir. Egitim asamasinda, olusturulan modeller test asamasinda
kullanilmaktadir.
NIR ve RGB kamera test görüntüleri (206) üzerinde akis semasinda NIR ve RGB görüntüler
üzerinde ön cam tespit modeli (203) kosturularak görüntülerde ön cam bölgesi tespit
edilmektedir. Görüntüden ön cam bölgesi tespitinde (207) olusturulan ön cam bölge
görüntüleri üzerinde yolcu ve sürücü tespit modeli (205) uygulanarak tespit edilen yolcu ve
sürücülere ait bölgeler lokalize edilmektedir. Tespit edilen yolcu ve sürücü görüntüleri
alinarak (209), tespit edilen toplam yolcu sayisina bakilmaktadir. Elde edilen toplam yolcu
sayisi sonuçlarina (210) göre ihlal teskil eden durumlar isaretlenerek (400) polis incelemesine
(212) gönderilecektir.
Sekil - 3' de bulusun genel akis diyagrami (300) sunulmaktadir. Buradaki islem test
asamasindaki islem adimlarina benzerdir. Burada ön koltukta yolcu kapasitesinin üstünde
yolcu tasinmasi durumunun tespiti ve yöntemi:
- kamera (102) vasitasiyla gece - gündüz sartlarinda karayolu (100) üzerinde ilerleyen
araçlarin (101) belirli bir mesafeden (111) görüntülerinin alinmasi,
- görüntü depolama ve analiz bilgisayari (107) vasitasiyla, görüntülerin içerisinde ön
cam bölgesinin olup olmadiginin otomatik bir sekilde tespit edilmesi,
- ön cam bölgesi tespit edilemezse, görüntü depolama ve analiz bilgisayari (107) bir
sonraki görüntüye geçmesi,
- ön cam bölgesi tespit edilirse, görüntü depolama ve analiz bilgisayari (107)
tarafindan görüntüden ön cam bölgesi görüntüsü alinmasi,
- depolama ve analiz bilgisayari (107) vasitasiyla, ön cam bölgesi görüntüsü
üzerinde sürücü ve yolcularin tespitinin yapilmasi,
- tespit edilen yolcu sayisi ikiden küçükse bir sonraki görüntüye geçmesi,
- tespit edilen yolcu sayisi iki veya ikiden büyükse cezai islem için polisin incelenmesine
gönderilmesi,
Bu basvurunun koruma kapsami istemler kisminda belirlenmis olup yukarida kesinlikle
örnekleme amaciyla anlatilanlarla sinirli tutulamaz teknikte uzman bir kisinin bulusta ortaya
konan yeniligi, benzer yapilanmalari kullanaraktan ortaya koyabilecegi ve/veya bu
yapilanmayi ilgili teknikte kullanilan benzer amaçli diger alanlara da uygulayabilecegi açiktir.
Dolayisiyla böyle yapilanmalarin yenilik ve özellikle teknigin bilinen durumunun asilmasi
kriterinden yoksun olacagi da asikârdir.
Claims (1)
- ISTEMLER Aracin (101) üzerinde bulundugu ve ilerledigi karayoluna (100) yerlestirilmis olan, araçlarin (101) gece ve gündüz sartlarinda aracin (101) içinin ve plakasinin görüntülerinin belirli bir mesafeden ( ve/veya renkli (RGB)yapida olan en az birkamera (102), Plaka Tanima Sistemi (PTS) NIR özelligine sahip olan ve bahsedilen kameralarin (102) özellikle gece sartlarinda uygun isikta görüntü almasini saglayan birden fazla sayida isik kaynagi (103), Bahsedilen kameralarin (102) internet (105) alt yapisina baglanmasinda kullanilan ve bahsedilen kamera (102) tarafindan kaydedilen görüntülerinin internete (105) aktarilmasini saglayan en az bir haberlesme birimi (104), Bahsedilen kamerayi (102), bahsedilen isik kaynagini (103) ve haberlesme birimini (104) tasiyan birdenfazla sayida platform (110) Içeren yol boyunca çekilen görüntüler üzerinde görüntü isleme, makine ögrenimi ve derin ögrenme tekniklerini kullanarak araçlarin (101) ön koltuklarinda oturan yolcularin otomatik Polis teskilati (106) içerisinde yer alan, bahsedilen kamera (102) vasitasiyla gece - gündüz sartlarinda karayolu (100) üzerinde ilerleyen araçlarin (101) belirli bir mesafeden (101) çekilen görüntüleri internetten (105) alip depolayan, - görüntülerin içerisinde ön cam bölgesinin olup olmadiginin otomatik bir sekilde tespit edilen, - ön cam bölgesi tespit edilemezse bir sonraki görüntüye geçen, - ön cam bölgesi tespit edilirse, ön cam bölgesi görüntüsü alan, - ön cam bölgesi görüntüsü üzerinde sürücü ve yolcularin tespiti yapan, - tespit edilen yolcu sayisi ikiden küçükse bir sonraki görüntüye geçen, - tespit edilen yolcu sayisi iki veya ikiden büyükse cezai islem için polisin incelenmesine gönden, en az bir görüntü depolama ve analiz bilgisayari (107), içermesidir. Bulus, karayollarinda sabit kamera tasima platformlari üzerine yerlestirilmis plaka tanima sistemi (PTS) kameralari kullanarak yoldan geçen araçlarin görüntülerinde ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun tespiti ve yöntemi ile ilgili olup, özelligi; kamera (102) vasitasiyla gece - gündüz sartlarinda karayolu (100) üzerinde ilerleyen araçlarin (101) belirli bir mesafeden (111) görüntülerinin alinmasi, görüntü depolama ve analiz bilgisayari (107) vasitasiyla, görüntülerin içerisinde ön cam bölgesinin olup olmadiginin otomatik bir sekilde tespit edilmesi, ön cam bölgesi tespit edilemezse, görüntü depolama ve analiz bilgisayari (107) ön cam bölgesi tespit edilirse, görüntü depolama ve analiz bilgisayari (107) tarafindan görüntüden ön cam bölgesi görüntüsü alinmasi, depolama ve analiz bilgisayari (107) vasitasiyla, ön cam bölgesi görüntüsü üzerinde sürücü ve yolcularin tespitinin yapilmasi, - tespit edilen yolcu sayisi ikiden küçükse bir sonraki görüntüye geçmesi, - tespit edilen yolcu sayisi iki veya ikiden büyükse cezai islem için polisin incelenmesine gönderilmesi, islem adimlarini içermesidir. Istem 1'e ve istem Z'ye uygun ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun tespiti ve yöntemi olup, özelligi; NIR ve RGB görüntüler üzerinde aracin (101) ön cami, sürücüsü ve yolcularin tespitinde derin ögrenme modelleri içermesi ile karakterize edilir. Istem 1'e ve istem 2'ye uygun ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun tespiti ve yöntemi olup, özelligi; ön cam bulma modelini ögrenme asamasinda, aracin bulundugu orijinal görüntünün manuel olarak kullanici tarafindan isaretlenmesi ile karakterize edilir. Istem 1'e ve istem 2'ye uygun ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun tespiti ve yöntemi olup, özelligi; yolcu bulma modelinin ögrenme asamasinda aracin (101) bulundugu orijinal görüntüden tespit edilerek alinan ön cam bölgesi görüntüsü üzerinde kullanici tarafindan manuel olarak isaretlenen sürücü (500) ve yolcu alanlari (400) içermesi ile karakterize edilir. Istem 1'e ve istem Z'ye uygun ön koltukta yolcu kapasitesinin üstünde yolcu tasinmasi durumunun tespiti ve yöntemi olup, özelligi; elde edilen toplam yolcu sayisi sonuçlarina göre ihlal teskil eden durumlar isaretlenerek (400) polis incelemesine gönderilmesi ile karakterize edilir.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TR2018/12156A TR201812156A2 (tr) | 2018-08-27 | 2018-08-27 | Plaka tanima si̇stemi̇ kamera görüntüleri̇ kullanilarak ön koltuk yolcu kapasi̇tesi̇ i̇hlal tespi̇t yöntemi̇ |
| PCT/TR2019/050705 WO2020046252A2 (en) | 2018-08-27 | 2019-08-27 | Method for detecting capacity violation in front passenger seat using images of license plate recognition system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TR2018/12156A TR201812156A2 (tr) | 2018-08-27 | 2018-08-27 | Plaka tanima si̇stemi̇ kamera görüntüleri̇ kullanilarak ön koltuk yolcu kapasi̇tesi̇ i̇hlal tespi̇t yöntemi̇ |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TR201812156A2 true TR201812156A2 (tr) | 2018-09-21 |
Family
ID=67000939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TR2018/12156A TR201812156A2 (tr) | 2018-08-27 | 2018-08-27 | Plaka tanima si̇stemi̇ kamera görüntüleri̇ kullanilarak ön koltuk yolcu kapasi̇tesi̇ i̇hlal tespi̇t yöntemi̇ |
Country Status (2)
| Country | Link |
|---|---|
| TR (1) | TR201812156A2 (tr) |
| WO (1) | WO2020046252A2 (tr) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020027752A3 (en) * | 2018-05-08 | 2020-04-16 | Havelsan Hava Elektronik Sanayi Ve Ticaret Anonim Sirketi | A method for detecting child passengers in front seats of vehicles |
| WO2020142050A3 (en) * | 2018-12-31 | 2020-09-24 | Havelsan Hava Elektroni̇k Sanayi̇ Ve Ti̇caret Anoni̇m Şi̇rketi̇ | A method for detecting the violation of mobile phone use by driver through using camera images of the license plate recognition system |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8520074B2 (en) * | 2010-12-14 | 2013-08-27 | Xerox Corporation | Determining a total number of people in an IR image obtained via an IR imaging system |
| US9964643B2 (en) * | 2011-12-08 | 2018-05-08 | Conduent Business Services, Llc | Vehicle occupancy detection using time-of-flight sensor |
| JP6281492B2 (ja) * | 2012-10-26 | 2018-02-21 | 日本電気株式会社 | 乗車人数計測装置、方法およびプログラム |
| US9652851B2 (en) * | 2014-04-01 | 2017-05-16 | Conduent Business Services, Llc | Side window detection in near-infrared images utilizing machine learning |
-
2018
- 2018-08-27 TR TR2018/12156A patent/TR201812156A2/tr unknown
-
2019
- 2019-08-27 WO PCT/TR2019/050705 patent/WO2020046252A2/en active Application Filing
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020027752A3 (en) * | 2018-05-08 | 2020-04-16 | Havelsan Hava Elektronik Sanayi Ve Ticaret Anonim Sirketi | A method for detecting child passengers in front seats of vehicles |
| WO2020142050A3 (en) * | 2018-12-31 | 2020-09-24 | Havelsan Hava Elektroni̇k Sanayi̇ Ve Ti̇caret Anoni̇m Şi̇rketi̇ | A method for detecting the violation of mobile phone use by driver through using camera images of the license plate recognition system |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020046252A2 (en) | 2020-03-05 |
| WO2020046252A3 (en) | 2020-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10296794B2 (en) | On-demand artificial intelligence and roadway stewardship system | |
| AU2019235551B2 (en) | On-demand artificial intelligence and roadway stewardship system | |
| US8811664B2 (en) | Vehicle occupancy detection via single band infrared imaging | |
| CA2885019C (en) | Robust windshield detection via landmark localization | |
| US20190035276A1 (en) | Running vehicle alerting system and method | |
| Wu et al. | Applying a functional neurofuzzy network to real-time lane detection and front-vehicle distance measurement | |
| CN106652468A (zh) | 车辆道路前车违规检测和自车违规预警提醒装置及方法 | |
| CN104598934A (zh) | 一种驾驶员吸烟行为监控方法 | |
| KR101756848B1 (ko) | 불법 주정차 관리 시스템 | |
| US11934985B2 (en) | Driving risk computing device and methods | |
| KR102549508B1 (ko) | 골목길 교차로 신호 시스템, 방법 및 컴퓨터 프로그램 | |
| TR201812156A2 (tr) | Plaka tanima si̇stemi̇ kamera görüntüleri̇ kullanilarak ön koltuk yolcu kapasi̇tesi̇ i̇hlal tespi̇t yöntemi̇ | |
| CN112395976A (zh) | 一种摩托车载人识别方法、装置、设备及存储介质 | |
| CN107615347B (zh) | 车辆确定装置及包括所述车辆确定装置的车辆确定系统 | |
| KR102296471B1 (ko) | 인공지능 기반 차량 적재불량 검출 시스템 | |
| CN105046223B (zh) | 一种隧道入口“黑洞效应”严重程度的检测装置及方法 | |
| KR102459906B1 (ko) | 듀얼밴드 적외선 카메라를 이용한 승차인원 검지 시스템 및 그 방법 | |
| Nguwi et al. | Number plate recognition in noisy image | |
| WO2017022269A1 (ja) | 車両特定装置およびこれを備えた車両特定システム | |
| WO2007135488A1 (en) | Detection system for detecing use of a mobile telecommunications device | |
| CN113327086A (zh) | 大数据行踪轨迹监管系统 | |
| CN112200148B (zh) | 一种去中心化的交通诚信评价系统 | |
| Karungaru et al. | Advanced safety vehicle (asv) technology driver support system monitor using three onboard camera | |
| Zadobrischi et al. | Benefits of a portable warning system adaptable to vehicles dedicated for seat belts detection | |
| Jayasinghe et al. | Highways traffic surveillance using internet protocol cameras and open source computer vision library |