Enhancing Object Tracking in Smart City Intelligent Transportation Systems: A Track-by-Detection Approach Utilizing Satellite Video Monitoring
Notice bibliographique
Résumé
Ensuring effective object tracking within Intelligent Transportation Systems (ITS) in smart cities is pivotal for enhancing urban mobility and sustainability. However, challenges arise, particularly in scenarios with occlusions and adverse weather conditions, where traditional methods may fall short in ensuring safety. To address these challenges, a novel track-by-detection approach is introduced aimed at enhancing transportation systems. The approach integrates key components, including the Detection Transformer (DETR) for emphasizing global context, and the You Only Look Once version 7 (YOLOv7) renowned for capturing local context. Additionally, the deep sort tracking filter is incorporated to enhance object tracking accuracy. A pivotal aspect of the approach lies in the utilization of the deep sort of filter for object tracking, preceded by preprocessing with the Principal Component Analysis (PCA) method to refine tracking outcomes. This buffering approach significantly improves tracking quality by reducing noise and enhancing feature representation. Moreover, the approach leverages tracking from satellite videos, enabling comprehensive monitoring of transportation activities across vast regions. The refined tracking outputs, including those from satellite videos, are fused with direct outputs from the trackers obtained from both YOLOv7 and DETR. These integrated fused buffered tracked bounding boxes demonstrate superior performance compared to individual approaches. Validation using simulated imagery under cloudy conditions, incorporating the Motion Evaluation Metric (MOT), showcases enhanced accuracy across various transportation objects. Implementing this approach in ITS promise’s benefits such as enhanced traffic management and increased efficiency in public transportation. This underscores the role of Artificial Intelligence (AI) in revolutionizing smart city mobility.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».