Python Traffic Camera Analyzer Python Traffic Camera Analyzer ist ein automatisiertes Instrument-Analyse-Tool mit automatisiertem Verkehrskamera.
Jetzt downloaden

Python Traffic Camera Analyzer Ranking & Zusammenfassung

Python Traffic Camera Analyzer Stichworte

Analysator Kamera Kameraanalysator Verkehrskamera-Überlastung. Analyse der Kameraüberlastung Python-Verkehrskammer.

Python Traffic Camera Analyzer Beschreibung

Python Traffic Camera Analyzer ist ein automatisiertes Instrument-Analysewerkzeug für Verkehrskamera. Python Traffic Analyzer ist ein Python-Basisklassen- und Beispiel-Treiberskript, das zum Abrufen und manipuliert, um Bilder von den Trafficland-Kameras abzurufen und zu manipulieren und einen numerischen Wert zu berechnen, der den aktuellen Traffic Flow.Pytran darstellt, ein Beispiel-Treiberskript, ein Bildkollektor und ein Bildmasken-Ersteller sind verfügbar zum Download aus dem unten gezeigten Link. Um das Pytran-Paket zu verwenden, indem Sie eine Kamera auswählen, die Sie analysieren möchten, verwenden wir für dieses Beispiel die oben beschriebene Kamera. Wir möchten eine Maske über dem Bereich des Bildes erstellen, an dem wir an der Straße interessiert sind, nämlich der Straße. In diesem speziellen Beispiel nimmt die Straße den Großteil des Bildes auf, aber das ist nicht immer der Fall. Wir wenden die Maske über aufgenommene Bilder an, um den Bereich zu feinen, über den wir eine Bewegung suchen. Um die Maske zu erstellen, müssen wir zunächst eine sequentielle Serie von Snapshots von der Zielkamera sammeln. Das image_collector.py-Skript wurde für diese Aufgabe geschrieben: $ MKDIR MASK_200003 $ CD Mask_200003 $ Die Verzögerung ist notwendig, um sicherzustellen, dass sich das Bild geändert hat. Ich glaube 2 Sekunden, um das absolute Minimum zu sein. Nach dem vollständigen, nummerierten 30 Bildern nummeriert 1 bis 30 werden im aktuellen Verzeichnis erstellt. Wir erstellen eine Maske aus diesen aufgenommenen Bildern, indem er ein Diff-Bild für jedes sequentielle Bildpaar erzeugt und dann jedes Diff-Bild miteinander addiert. Natürlich wurde ein Skript geschrieben, um diese Aufgabe zu automatisieren, auch: $ .Masking 29Done.A Anzahl von .diff-Dateien werden in diesem Prozess generiert. Diese Dateien repräsentieren die Bewegung zwischen einzelnen Sequenzpaaren. Die .diff-Dateien sind einfach Zwischendateien, das wichtige Bit ist die Datei "Mask", die als Summe aller Unterschiede generiert wird. Die Maskendatei ist möglicherweise verschmutzt (wie in diesem Fall) ) und erfordern manuelle Bereinigung. Die grundlegende Form der Straße ist jedoch deutlich sichtbar, den Beweis, dass wir mit minimalem Aufwand den Maskenerzeugungsprozess automatisieren können. Dieser Lauf wurde auch nachts durchgeführt, Tageszeitbilder ergeben bessere Ergebnisse. Es gibt ein paar endgültige Schritte, bis wir das Beispiel Pytran Driver-Skript verwenden können. Zunächst müssen wir die Maske in das ASCII-Format (NOGAW) konvertieren Aktualisieren Sie schließlich 'Camera_ID' und 'window_id' in pytran_sampling.py.py Eine 5-minütige Probe an verschiedenen Schwellenwerten 5]: 55% Debug> Berechnung der Verkehrsverhältnis ... Verhältnis : 52% ...... 5 Minuten Probe : 67.885 Minuten Probe : 42.665 Minuten Probe : 30.575 Minuten Probe : 23.035 Minuten Probe : 18.395 Minuten Probe : 14.795 Minuten Probe : 12.425 Minuten Probe : 10.535 Minuten Probe : 9.065 Minuten Probe : 7.85Das Samplingskript dauert 5-minütige Proben bei unterschiedlichen Farbschwellen. Der optimale Schwellenwert muss manuell gewählt werden. Darüber hinaus müssen Sie die Verkehrsquote während der schweren und leichten Verkehrszeiten probieren, um ein gutes Gefühl für Ihren akzeptablen Bereich zu erhalten. Beachten Sie auch, dass der Wert der Verkehrsquote einfach die prozentuale Änderung ermittelt wird, oder mit anderen Worten, die Bewegung, die innerhalb des maskierten Bereichs erkannt wird. Dies bedeutet, dass eine völlig leere Straße ähnliche Werte an einer Straße registrieren wird, die so verstopft ist, dass es wie ein Parkplatz aussieht. Die Tageszeit kann mit der Verkehrsration kombiniert werden, um die logische Wahrheit zu bestimmen. Mit dieser Aufgabe, implementierten und abstrahierten, können komplexere Systeme gebaut werden. Wenn ich die Zeit finde, würde ich gerne ein System erstellen, das mehrere potenzielle Reisewege und -zeiten ergibt, und während der Reisezeit per E-Mail den Reisenden mit der besten Route, um sie zu nutzen. Eine andere Idee, die ich hatte, wäre, die Verkehrsflusswerte für jede Kamera für jeden Tag und für jedes halbe Stundenintervall aufzunehmen. Reisende und andere interessierte Parteien können dann Verkehrsmuster analysieren, um die schnellste Route abhängig von Datum und Zeit zu bestimmen.

Python Traffic Camera Analyzer Zugehörige Software