Reduksjon av datatap i digitale bilder fra kjøretøytrafikk ved hjelp av datafusjon og maskinlæring

Offentlig prosjektsammendrag

Automatisk datafangst fra kjøretøybilder benyttes til overvåkning, styring og brukerbaserte avgifter i trafikksektoren. Digitale kameraer og bildeanalyse har vært den viktigste driveren av utviklingen. Automasjonsgraden er allerede høy, men trafikken og bruken øker fortsatt, slik at den fraksjonen der data enten mistes eller blir feilregistrert utgjør tap på millioner av kroner. Suboptimal ytelse mht. overvåking/styring svekker også effekten mht. å forebygge risikofylt opptreden. Prosjektet skal forbedre ytelsen til anvendte metoder ved bruk av de siste nyvinninger innen maskinlæring og bildebehandling. Utfordringene er lav bildekvalitet, varierende lysforhold og feilaktige triggere på kameraene. Analyse av kjøretøybevegelse, klassifisering av kjøretøy og matching av bilder, er fokusområder. ML krever mye og relevant data. Effektiv datafangst, -kuratering, -sammenstilling og -analyse blir en omfattende og kritisk faktor for å lykkes med målsettingene i prosjektet.