Vehicle Speed Monitoring using Convolutional Neural Networks

Authors

  • Vitor Bruno de Oliveira Barth Computing Department, Instituto Federal de Mato Grosso, Cuiabá, Brazil
  • Ruy de Oliveira Computing Department, Instituto Federal de Mato Grosso, Cuiabá, Brazil
  • Mario Anderson de Oliveira Electrical and Electronic Department, Instituto Federal de Mato Grosso, Cuiabá, Brazil https://orcid.org/0000-0002-3619-3989
  • Valtemir Emerêncio do Nascimento Computing Department, Instituto Federal de Mato Grosso, Cuiabá, Brazil

Keywords:

CNN, traffic analysis, urban traffic, overspeed detection, computational vision.

Abstract

The usage of computer vision techniques applied to security cameras video has motivated developing robust traffic monitoring applications. Traditional methods use frames subtraction algorithms to detect moving vehicles. The main disadvantage of those methods, for urban roads surveillance, comprises its poor ability to handle lighting changes or pedestrians on the video frame. Unlike existing methods, this paper proposes using Convolutional Neural Networks (CNN) for both background segmentation and the recognition of regions of interest applied to monitor vehicle speed. It applied the CNN based method to different datasets to evaluate the developed application. The results reveal 87% hit rate. Although the overall accuracy is near to background subtraction based methods, the major advantage of this approach is being environmentally adaptable which may significantly impact the design and analysis of new traffic monitoring systems.

Downloads

Download data is not yet available.

Author Biographies

Vitor Bruno de Oliveira Barth, Computing Department, Instituto Federal de Mato Grosso, Cuiabá, Brazil

Vitor Bruno de Oliveira Barth é aluno do curso de Engenharia da Computação do Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso (IFMT). Realiza pesquisas nas áreas de Inteligência Artifical, Visão Computacional e Smart Grids.

Ruy de Oliveira, Computing Department, Instituto Federal de Mato Grosso, Cuiabá, Brazil

Ruy de Oliveira possui graduação em Engenharia Elétrica pela Universidade Federal de Itajubá (1992), mestrado em Engenharia Elétrica pela Universidade Federal de Uberlândia (2001) e doutorado em Redes de Computadores e Sistemas Distribuídos pela University of Bern, Suíça (2005). Realizou Pós-Doutorado em Segurança em Redes na Purdue University, EUA (2007-2009). Atualmente é professor titular do Instituto Federal de Mato Grosso (IFMT). Tem experiência na área de Engenharia Elétrica, com ênfase em sistemas de comunicação de dados e automação de processos. Desenvolve pesquisas nos seguintes temas: redes de comunicação de dados, redes elétricas inteligentes, segurança da informação e aprendizagem de máquinas.

Mario Anderson de Oliveira, Electrical and Electronic Department, Instituto Federal de Mato Grosso, Cuiabá, Brazil

Mário Anderson de Oliveira possui graduação em Engenharia Elétrica pela Universidade Federal de Goiás (2004). Mestre em Engenharia Elétrica pela Universidade Federal de Santa Catarina (2007). Doutor em Engenharia Elétrica pela UNESP de Ilha Solteira (2013). Em 2014-2015 desenvolveu estágio de Pós Doutorado na University of Michigan (Aeroespace Department) focando na Análise da Integridade Estrutural (Structural Health Monitoring - SHM). Desde 2009 é professor efetivo do Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso (IFMT) e possui experiência na área de Engenharia Elétrica, com ênfase em eletrônica e instrumentação, atuando principalmente nos seguintes temas: processamento de sinais, aquisição de dados, instrumentação, aplicações de transdutores PZT, sistemas SHM, sistemas inteligentes e redes neurais artificiais.

Valtemir Emerêncio do Nascimento, Computing Department, Instituto Federal de Mato Grosso, Cuiabá, Brazil

Valtemir Emerêncio do Nascimento possui graduação em Engenharia Elétrica pela Universidade Federal de Mato Grosso do Sul (1999), mestrado pela EESC - Universidade de São Paulo (2002) e doutorado pela EESC - Universidade de São Paulo (2007). Atualmente é professor no Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso. Possui experiência em redes de sensores, métodos numéricos aplicados a propagação de onda em comunicações e dispositivos, possui interesse em computação de alto desempenho e inteligência artificial.

 

Downloads

Published

2019-11-07

How to Cite

Barth, V. B. de O., de Oliveira, R., de Oliveira, M. A., & do Nascimento, V. E. (2019). Vehicle Speed Monitoring using Convolutional Neural Networks. IEEE Latin America Transactions, 17(6), 1000–1008. Retrieved from https://latamt.ieeer9.org/index.php/transactions/article/view/190

Issue

Vol. 17 No. 6 (2019): Ordinary Issue

Section

Articles