Křížení toků chodců - analýza videozáznamů z experimentů

Abstract

Práce se soustředí na analýzu a zpracování videozáznamu experimentu křížení chodců pořízeného na ČVUT FJFI v roce 2014. Výsledkem je algoritmus na automatickou extrakci trajektorií chodců z tohoto videa. Chodci na sobě měli speciální čepičky pro rozpoznání. Sledování osob je založeno na detekci čepiček z jednotlivých snímků videa. Asociace detekcí identitám je provedena pomocí nejmenších vzdáleností. U sledovacích algoritmů se může stát, že se trajektorie ztratí. Tyto lokace jsou aproximovány úsečkou. Další částí je rozpoznání kódu z čepiček. Konvoluční neuronová síť detekovala správně 45 % čepiček na náhodném vzorku 20 čepiček. Výstupem práce je dataset trajektorií a analýza pohybu chodců (průměrná rychlost, rychlost a fundamentální diagram).

The thesis focuses on processing and analysis of a video record from crossing pedestrian flows experiment conducted at CTU FNSPE in 2014. The result is an algorithm for automatic extraction of trajectories from this video. Pedestrians in the video had special hats for recognition. The tracking of people is based on hats detection from video frames. Track identity association is done using the shortest distance. When tracking, it can happen that part of the trajectory is missing. The missing parts are approximated by a line segment. Next aim is to recognize binary code from hats. With usage of a convolutional neural network 45\% accuracy was achieved on 20 randomly picked hat samples. The outcome of the thesis is a dataset of trajectories and its analysis using pedestrian flow characteristics (average speed, velocity, density, and fundamental diagram).