Abstrakt
This paper introduces a Smart City solution designed to run on edge devices, leveraging NVIDIA's DeepStream SDK for efficient urban surveillance. We evaluate five object-tracking approaches, using YOLO as the baseline detector and integrating three Nvidia DeepStream trackers: IOU, NvSORT, and NvDCF. Additionally, we propose a custom tracker based on Optical Flow and Kalman filtering. The presented approach combines advanced machine learning and deep learning techniques to enhance object tracking in intelligent traffic management systems, contributing to the evolving landscape of urbanization. Experimental results highlight the challenges and potential improvements in tracking accuracy, particularly in addressing object misclassification. In the conducted study, the proposed method achieved average precision = 0.95.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Autorzy (8)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Aktywność konferencyjna
- Typ:
- publikacja w wydawnictwie zbiorowym recenzowanym (także w materiałach konferencyjnych)
- Język:
- angielski
- Rok wydania:
- 2024
- Opis bibliograficzny:
- Kocejko T., Neumann T., Mazur-Milecka M., Kowalczyk N., Rumiński J., Kang-Hyun J., Kaszyński M., Ludwisiak T.: Evaluating the Use of Edge Devices for Detection and Tracking of Vehicles in Smart City Environment// / : , 2024,
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1109/iwis62722.2024.10706028
- Źródła finansowania:
-
- Działalność statutowa/subwencja
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 7 razy