ОПРЕДЕЛЕНИЕ ЗАНЯТОСТИ ПАРКОВОЧНЫХ МЕСТ В СИСТЕМАХ КОМПЬЮТЕРНОГО ЗРЕНИЯ
Авторы:
1.
Академия наук Республики Татарстан
ГБУ «Безопасность дорожного движения»
ГБУ «Безопасность дорожного движения»
2.
Казанский национальный исследовательский технический университет им. А.Н. Туполева
3.
Казанский государственный энергетический университет
4.
Казанский национальный исследовательский технический университет им. А.Н. Туполева
5.
КНИТУ-КАИ
6.
ГБУ «Безопасность дорожного движения»
Тип:
Статья
Номер статьи:
Статус:
Опубликован
Получено:
05.08.2025
Одобрено:
07.08.2025
Опубликовано:
07.08.2025
Язык материала:
русский
Ключевые слова:
РАСПОЗНАВАНИЕ ОБЪЕКТОВ, МЕТРИКИ ПЕРЕСЕЧЕНИЯ ОБЪЕКТОВ, CONVEX HULL INTERSECTION, INTERSECTION OVER UNION, ПАРКОВОЧНОЕ ПРОСТРАНСТВО, «УМНЫЙ» ПАРКИНГ
Аннотация (русский):
Статья посвящена описанию и сравнению метрик степени пересечения объектов при определении занятости парковочных мест. Выбор метрики имеет решающее значение, так как от нее зависит точность определения факта занятости или незанятости парковочного места. Рассмотрены особенности основных метрик степени пересечения объектов: отношение пересечения площадей и объединения площадей (Intersection over Union), отношение пересечения площадей и площади объекта (Intersection over Object Area), отношение пересечения площадей и площади маски (Intersection over Mask Area), пересечение минимальных ограничивающих прямоугольников (MBR Intersection), расстояние между центроидами (Centroid Distance) и пересечение выпуклых оболочек (Convex Hull Intersection). Для оценки точности, эффективности и времени работы алгоритмов на основе каждой из указанных метрик разработана процедура тестирования. Она включает в себя получение двухчасового видеоролика с камеры видеонаблюдения за парковкой, разметку контуров парковочных мест для используемого ракурса видеокамеры, ручную разметку занятости или незанятости каждого парковочного места на видеопоследовательности, распознавание транспортных средств на каждом кадре с помощью модели YOLO 11n, определение занятости или незанятости всех парковочных мест на кадрах видеопоследовательности с использованием каждой из описанных метрик, расчет среднего времени обработки одного кадра для каждой метрики, вычисление значений accuracy, precision, recall и F1-score для оценки точности каждой из метрик степени пересечения объектов. Процесс тестирования и сравнения метрик степени пересечения объектов проводился на компьютере с процессором AMD Ryzen 5 5000U и 16 Гб оперативной памяти. Представлены результаты проведенного тестирования и сравнения метрик степени пересечения объектов. Наилучшим образом показали себя метрики Intersection over Object Area и Convex Hull Intersection. Метрики Centroid Distance и MBR Intersection показали более низкую точность, так как они не учитывают форму объектов и могут выдавать ложные результаты. Хуже всего себя показали метрики Intersection over Mask Area и Intersection over Union как по точности, так и по среднему времени обработки кадров. Проведенный анализ показал, что метрики Intersection over Object Area и Convex Hull Intersection наиболее точно решают поставленную задачу. Это определяет целесообразность их использования для мониторинга городского парковочного пространства.
Статья посвящена описанию и сравнению метрик степени пересечения объектов при определении занятости парковочных мест. Выбор метрики имеет решающее значение, так как от нее зависит точность определения факта занятости или незанятости парковочного места. Рассмотрены особенности основных метрик степени пересечения объектов: отношение пересечения площадей и объединения площадей (Intersection over Union), отношение пересечения площадей и площади объекта (Intersection over Object Area), отношение пересечения площадей и площади маски (Intersection over Mask Area), пересечение минимальных ограничивающих прямоугольников (MBR Intersection), расстояние между центроидами (Centroid Distance) и пересечение выпуклых оболочек (Convex Hull Intersection). Для оценки точности, эффективности и времени работы алгоритмов на основе каждой из указанных метрик разработана процедура тестирования. Она включает в себя получение двухчасового видеоролика с камеры видеонаблюдения за парковкой, разметку контуров парковочных мест для используемого ракурса видеокамеры, ручную разметку занятости или незанятости каждого парковочного места на видеопоследовательности, распознавание транспортных средств на каждом кадре с помощью модели YOLO 11n, определение занятости или незанятости всех парковочных мест на кадрах видеопоследовательности с использованием каждой из описанных метрик, расчет среднего времени обработки одного кадра для каждой метрики, вычисление значений accuracy, precision, recall и F1-score для оценки точности каждой из метрик степени пересечения объектов. Процесс тестирования и сравнения метрик степени пересечения объектов проводился на компьютере с процессором AMD Ryzen 5 5000U и 16 Гб оперативной памяти. Представлены результаты проведенного тестирования и сравнения метрик степени пересечения объектов. Наилучшим образом показали себя метрики Intersection over Object Area и Convex Hull Intersection. Метрики Centroid Distance и MBR Intersection показали более низкую точность, так как они не учитывают форму объектов и могут выдавать ложные результаты. Хуже всего себя показали метрики Intersection over Mask Area и Intersection over Union как по точности, так и по среднему времени обработки кадров. Проведенный анализ показал, что метрики Intersection over Object Area и Convex Hull Intersection наиболее точно решают поставленную задачу. Это определяет целесообразность их использования для мониторинга городского парковочного пространства.
Ключевые слова:
РАСПОЗНАВАНИЕ ОБЪЕКТОВ, МЕТРИКИ ПЕРЕСЕЧЕНИЯ ОБЪЕКТОВ, CONVEX HULL INTERSECTION, INTERSECTION OVER UNION, ПАРКОВОЧНОЕ ПРОСТРАНСТВО, «УМНЫЙ» ПАРКИНГ
РАСПОЗНАВАНИЕ ОБЪЕКТОВ, МЕТРИКИ ПЕРЕСЕЧЕНИЯ ОБЪЕКТОВ, CONVEX HULL INTERSECTION, INTERSECTION OVER UNION, ПАРКОВОЧНОЕ ПРОСТРАНСТВО, «УМНЫЙ» ПАРКИНГ
