| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Automašīnas ātruma noteikšana video plūsmā |
| Title in English |
Detecting Car Speed with an Optical Camera |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Olga Krutikova |
| Reviewer |
Aleksandrs Sisojevs |
| Abstract |
Tradicionālās transportlīdzekļa ātruma noteikšanas metodes, piemēram, RADAR, LIDAR un vidējā ātruma kameras, nodrošina precīzus ātruma noteikšanas rezultātus, taču tās ir dārgas un to uzstādīšanai ir nepieciešamas
Bakalaura darba mērķis ir izstrādāt metodi transportlīdzekļa ātruma noteikšanai ar optisko kameru. Risinājums balstās uz mašīnmācīšanās modeli un homogrāfijas transformāciju.
Izstrādātā metode ir paredzēta transportlīdzekļa ātruma noteikšanai, izsekošanai un aprēķināšanai. Transportlīdzekļu noteikšanai tika izmantots īpaši apmācīts YOLO11 modelis. Transportlīdzekļu identitātes izsekošanai atkārtotos videokadros tika izmantots ByteTrack izsekošanas algoritms. Tad metode aprēķina ātrumu, izmantojot homogrāfijas transformāciju, kas nodrošina ģeometrisko transformāciju starp kameras perspektīvu un zemes plakni, kas ļauj attēla plaknes pikseļu kustību pārvērst reālās pasaules mēroga attālumos. Analizējot transportlīdzekļa laika nobīdi starp kadriem, tiek noteikts transportlīdzekļa ātrums. Pēc ātruma noteikšanas ātruma precizitāte tika uzlabota, izmantojot EMA filtrēšanu un MAD balstītu noviržu noraidīšanu.
Izstrādātās metodes precizitāte un uzticamība tika pārbaudīta reālos video, kurus ierakstījis autors un kuros transportlīdzekļa faktiskais ātrums bija objektīvi zināms un pārbaudīts ar transportlīdzekļa instrumentu paneļa palīdzību. Testus veica pie ātruma no 30 km/h līdz 60 km/h ar dažādu izšķirtspēju (720p un 1080p) un kadru ātrumu 30 FPS un 60 FPS. Izstrādātās metodes eksperimentālie rezultāti liecina, ka metodes vidējā mērījumu kļūda ir mazāka par 4 %, kas norāda, ka šī metode nodrošina augstu precizitāti un atkārtojamību dažādās ierakstīšanas konfigurācijās. Ierosinātā metode ir precīza, lēta un pielāgojama.
Informācija par disertācijas apjomu - 73 lappuses, 10 tabulas, 32 attēls, 2 pielikumi un 50 atsauces avoti. |
| Keywords |
datorredze, transportlīdzekļa ātruma noteikšana, YOLO, homogrāfija, mašīnmācīšanās |
| Keywords in English |
Computer Vision, Vehicle Speed Detection, YOLO, Homography, Machine Learning |
| Language |
eng |
| Year |
2026 |
| Date and time of uploading |
06.01.2026 22:08:32 |
