Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Spatiotemporal Stacked Sequential Learning for Pedestrian Detection Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Extremely Overlapping Vehicle Counting

verfasst von : Ricardo Guerrero-Gómez-Olmedo, Beatriz Torre-Jiménez, Roberto López-Sastre, Saturnino Maldonado-Bascón, Daniel Oñoro-Rubio

Erschienen in: Pattern Recognition and Image Analysis

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The challenging problem that we explore in this paper is to precisely estimate the number of vehicles in an image of a traffic congestion situation. We start introducing TRANCOS, a novel database for extremely overlapping vehicle counting. It provides more than 1200 images where the number of vehicles and their locations have been annotated. We establish a clear experimental setup which will let others evaluate their own vehicle counting approaches. We also propose a novel evaluation metric, the Grid Average Mean absolute Error (GAME), which overcomes the limitations of previously proposed metrics for object counting. Finally, we perform an experimental validation, using the proposed TRANCOS dataset, for two types of vehicle counting strategies: counting by detection; and counting by regression. Our results show that counting by regression strategies are more precise localizing and estimating the number of vehicles. The TRANCOS database and the source code for reproducing the results are available at http://​agamenon.​tsc.​uah.​es/​Personales/​rlopez/​data/​trancos.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Brain Neural Data Analysis with Feature Space Defined by Descriptive Statistics
Nächstes Kapitel Sentence Clustering Using Continuous Vector Space Representation
Fußnoten
Literatur
1.
Everingham, M., Van Gool, L., Williams, C.K.I., Winn, J., Zisserman, A.: The PASCAL visual object classes (VOC) challenge. IJCV 88(2), 303–338 (2010)CrossRef
2.
Guerrero-Gómez-Olmedo, R., López-Sastre, R.J., Maldonado-Bascón, S., Fernández-Caballero, A.: Vehicle tracking by simultaneous detection and viewpoint estimation. In: Ferrández Vicente, J.M., Álvarez Sánchez, J.R., de la Paz López, F., Toledo Moreo, F.J. (eds.) IWINAC 2013, Part II. LNCS, vol. 7931, pp. 306–316. Springer, Heidelberg (2013) CrossRef
3.
Geiger, A., Lenz, P., Stiller, C., Urtasun, R.: Vision meets robotics: the KITTI dataset. IJRR 32(11), 1231–1237 (2013)
4.
Caraffi, C., Vojir, T., Trefny, J., Sochman, J., Matas, J.: A system for real-time detection and tracking of vehicles from a single car-mounted camera. In: ITS Conference (2012)
5.
Dalal, N., Triggs, B.: Histograms of oriented gradients for human detection. In: CVPR (2005)
6.
Sudowe, P., Leibe, B.: Efficient use of geometric constraints for sliding-window object detection in video. In: Crowley, J.L., Draper, B.A., Thonnat, M. (eds.) ICVS 2011. LNCS, vol. 6962, pp. 11–20. Springer, Heidelberg (2011) CrossRef
7.
Lempitsky, V., Zisserman, A.: Learning to count objects in images. In: NIPS (2010)
8.
Fiaschi, L., Köthe, U., Nair, R., Hamprecht, F.A.: Learning to count with regression forest and structured labels. In: ICPR (2012)
9.
Chan, A.B., Liang, Z.S.J., Vasconcelos, N.: Privacy preserving crowd monitoring: counting people without people models or tracking. In: CVPR (2008)
10.
Lu, W., Wang, S., Ding, X.: Vehicle detection and tracking in relatively crowded conditions. In: IEEE International Conference on Systems, Man, and Cybernetics (2009)
11.
Jun, G., Aggarwal, J.K., Gökmen, M.: Tracking and segmentation of highway vehicles in cluttered and crowded scenes. In: IEEE Workshops on Applications of Computer Vision (2008)
12.
Tamersoy, B., Aggarwal, J.K.: Robust vehicle detection for tracking in highway surveillance videos using unsupervised learning. In: AVSS (2009)
13.
Chen, K., Loy, C.C., Gong, S., Xiang, T.: Feature mining for localised crowd counting. In: BMVC (2012)
14.
Arteta, C., Lempitsky, V., Noble, J., Zisserman, A.: Learning to detect partially overlapping instances. In: CVPR (2013)
15.
Selinummi, J., Seppala, J., Yli-Harja, O., Puhakka, J.A.: Software for quantification of labeled bacteria from digital microscope images by automated image analysis. Biotechniques 39(6), 859–863 (2005)CrossRef
16.
Lowe, D.G.: Distinctive image features from scale-invariant keypoints. IJCV 60(2), 91–110 (2004)CrossRef
17.
Metadaten
Titel
Extremely Overlapping Vehicle Counting
verfasst von
Ricardo Guerrero-Gómez-Olmedo
Beatriz Torre-Jiménez
Roberto López-Sastre
Saturnino Maldonado-Bascón
Daniel Oñoro-Rubio
Copyright-Jahr
2015
Buch
Pattern Recognition and Image Analysis

Print ISBN: 978-3-319-19389-2

Electronic ISBN: 978-3-319-19390-8

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-19390-8_48

Premium Partner

    Bildnachweise