dc.contributor.author | Μαστοράκης, Κωνσταντίνος![]() |
el |
dc.contributor.author | Mastorakis, Konstantinos![]() |
en |
dc.date.accessioned | 2016-07-13T10:59:35Z | |
dc.date.available | 2016-07-13T10:59:35Z | |
dc.date.issued | 2016-07-13 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/43093 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.13048 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Δορυφορικές εικόνες - βίντεο | el |
dc.subject | Παρακολούθηση πολλαπλών αντικειμένων | el |
dc.subject | Multiple object tracking | en |
dc.subject | Kalman filters | en |
dc.subject | Traffic Monitoring | en |
dc.title | Παρακολούθηση πολλαπλών οχημάτων από δορυφορικά δεδομένα βίντεο με χρήση φίλτρων Kalman | el |
dc.title | Tracking multiple vehicles from satellite video using kalman filters | en |
heal.type | bachelorThesis | |
heal.generalDescription | Η παρούσα διπλωματική εργασία με τίτλο “Παρακολούθηση πολλαπλών οχημάτων από δορυφορικά δεδομένα βίντεο με χρήση φίλτρων Kalman” ανατέθηκε και εκπονήθηκε στο πλαίσιο των προπτυχιακών μου σπουδών, από το Εργαστήριο Τηλεπισκόπησης της Σχολής Αγρονόμων & Τοπογράφων Μηχανικών του Εθνικού Μετσόβιου Πολυτεχνείου, με κύριο στόχο την διερεύνηση, ανάπτυξη και αξιολόγηση μεθόδου παρακολούθησης οχημάτων σε αλληλουχία δορυφορικών εικόνων, τα οποία κινούνται σε τμήμα οδικού άξονα και με απώτερο σκοπό την εξαγωγή στατιστικών στοιχείων σε μαζική κλίμακα για ποικίλες εφαρμογές σε συγκοινωνιακές μελέτες. Σε περιοχές όπου συγκεντρώνονται μεγάλοι πληθυσμοί η μεγάλη και μαζική ανάγκη για μεταφορά, οδηγεί χωρίς αμφιβολία στην μεγάλη αύξηση των οχημάτων πάσης φύσεως. Αυτό δοκιμάζει όλο και πιο έντονα τα οδικά δίκτυα, ιδιαίτερα εντός των μεγάλων αστικών κέντρων που συνεχώς καλούνται να προσαρμόζονται στις ανάγκες αυτές. Για την βέλτιστη καταγραφή κυκλοφοριακών προτύπων σε κλίμακα συνοικίας, δήμου ή και πόλης και την ανάλυση τάσεων και οδηγικών συμπεριφορών, η αξιοποίηση των νέων δορυφορικών δεδομένων τύπου βίντεο μπορεί να αλλάξει τον τρόπο με τον οποίο πραγματοποιούνται τέτοιου είδους μελέτες. | el |
heal.classification | Τηλεπισκόπηση | el |
heal.classification | Αντίληψη και όραση υπολογιστών | el |
heal.classificationURI | http://data.seab.gr/concepts/29f3834f510e2fcbee2fcce329a355775dd48e27 | |
heal.classificationURI | http://data.seab.gr/concepts/12c1c913dbe758d67c4c509a6768bdbc7905830c | |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2016-07-05 | |
heal.abstract | Αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η μελέτη τεχνικών παρακολούθησης πολλαπλών αντικειμένων/οχημάτων (multiple object tracking) τα οποία κινούνται σε οδικούς άξονες με βάση μοντέλα πρόβλεψης θέσης που βασίζονται στη χρήση φίλτρων τύπου Kalman. Η ανάλυση και παρακολούθηση πραγματοποιείται σε δορυφορικά δεδομένα βίντεο πολύ υψηλής χωρικής ανάλυσης, στα οποία μπορεί να γίνονται διακριτά τα οχήματα ως συσσωρεύσεις λιγοστών pixel. Μετά τον εντοπισμό των κέντρων των οχημάτων στις αρχικές εικόνες της αλληλουχίας με βάση τεχνικές αφαίρεσης υποβάθρου, εφαρμόζονται πολλαπλά και ανά αντικείμενο μοντέλα πρόβλεψης θέσης στο επόμενο καρέ με βάση φίλτρα τύπου Kalman. Με βάση την πρόβλεψη πραγματοποιείται αξιολόγηση σε σχέση με το αποτέλεσμα του αλγορίθμου αφαίρεσης φόντου. Βασικό αποτέλεσμα της παρούσας εργασίας αποτελεί αλγόριθμος που υλοποιεί την παραπάνω μεθοδολογία καθώς και τα σετ των παραμέτρων που οδηγούν σε βέλτιστα αποτελέσματα για τα δεδομένα που χρησιμοποιήθηκαν. Παρ’ όλα αυτά το αναπτυγμένο λογισμικό δεν μπορεί να θεωρηθεί έτοιμο για επιχειρησιακή χρήση και απαιτείται εκτεταμένη αξιολόγηση και περαιτέρω ανάπτυξη. Τα αποτελέσματα όμως φαίνεται ότι είναι ιδιαιτέρως ελπιδοφόρα για ποικίλες εφαρμογές σε κυκλοφοριακές και συγκοινωνιακές μελέτες. | el |
heal.abstract | The main goal of this diploma thesis is to study tracking methods of multiple objects, which move on large scale roads based on prediction models which rely on Kalman filters theory. The analysis and tracking is realized on satellite video data of very high spatial resolution, in which vehicles can be distinguished as accumulations of few pixels. After locating the centroids of the vehicles on the raw images of the video sequence using background subtraction techniques, multiple and object by object location prediction models based on Kalman type filters are being recursively applied for each frame. Evaluation of the process is being carried out by comparing the prediction results to those of the background subtraction algorithm. The main product of this diploma thesis consists of an algorithm that implements the methodology described above, as well as the set of parameters that lead to the optimized results for the given datasets. However, the developed software should not be considered ready for operational use. Extended evaluation and further research is required for this to be accomplished. Even so, the results are definitely promising for multiple traffic and transport applications. | en |
heal.advisorName | Καράντζαλος, Κωνσταντίνος | el |
heal.committeeMemberName | Καράντζαλος, Κωνσταντίνος | el |
heal.committeeMemberName | Καρράς, Γεώργιος | el |
heal.committeeMemberName | Αντωνίου, Κωνσταντίνος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 90 σ. | el |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: