OpenCV als Verkehrsanalyse-Tool

Wo kann Machine Learning in der Logistik helfen? Ein interessanter Ansatz ist hier sicher der Verkehr. Der Softwareentwickler Andrey Nikishaev sieht das genauso und hat deshalb eine Serie Algorithmen entworfen, die das Verkehrsaufkommen über einen bestimmten Zeitraum messen. Grundlage des Verfahrens sind die Straßen-Aufnahmen von Überwachungskameras. Mit Hilfe von OpenCV gelangt Nikishaev dann in vier Schritten an automatisierte Messergebnisse. Zunächst wird der passende Bildausschnitt festgelegt. Anschließend verwischt der Code erst die Ränder des Ausschnitts und dann das gesamte Bild auf der Grundlage eines binären Grenzwerts. Im letzten Schritt wird die zu Beginn festgelegte ROI-Maske über den konstruierten Bereich gelegt. Jetzt kann das Verkehrsaufkommen Anhand der Anzahl von schwarzen und weißen Pixeln analysiert werden. Die Genauigkeit der Auswertungen liegt derzeit bei 70-85%. Nikishaev möchte gemeinsam nach optimierten Lösungen suchen: Er hat seine Codes deshalb bei GitHub veröffentlicht.

Wir bedanken uns bei Andrey Nikishaev für seine fantastische Arbeit.

Lesen Sie den gesamten Artikel „Counting Road Traffic Capacity with OpenCV”.