Notice bibliographique
Résumé
Video monitoring of traffic is a common practice in major cities. The data generated by video monitoring has practical uses such as traffic analysis for city planning. However, the usefulness of video monitoring of traffic is limited unless there is also a reliable way to automatically classify road users. This thesis presents a framework that is designed to classify road users into vehicles, cyclists and pedestrians by using the motion cues obtained from their tracks. The road user tracks are obtained using a tracker system such as computer vision techniques. As such, this classification technique does not require additional video or image analysis alongside obtained road user tracks. The separate pieces of information are gained from these motion cues are hereafter called Classifiers. There are nineteen classifiers included in this framework. These classifiers include: average and maximum speeds; average and maximum acceleration; average and maximum deceleration; average and maximum direction; average of change in direction; average of cosine of change in direction; average and maximum area; average and maximum length; average and maximum width; peaks in speed; effective frequency; and the effective weighted average frequency. After obtaining the classifiers' values from the tracked objects' tracks, the information from these classifiers will be assessed and integrated using fuzzy membership approach, which in turn requires prior configurations to be available. This will lead to the final classification of the tracked object. The performance of this framework demonstrated very promising results under different measures. An important contribution of this study is the creation of a robust approach that can integrate different motion cues using fuzzy membership framework. The developed approach also uses parametric classifiers, which do not II depend on the geometry or specific traffic operation of the intersection. This is a key advantage because it enables transferability and improves the practicality and usefulness of the approach. III
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».