RastreoAéreo es un proyecto colaborativo coordinado por la Facultad de Ingeniería Civil de la Universidad de los Andes - Chile, el cual tiene como objetivo desarrollar una solución integral para el análisis y seguimiento de vehículos en videos capturados desde una perspectiva aérea.
En este repositorio, encontrarás todo el código fuente, la documentación detallada y los recursos necesarios para comprender y utilizar esta solución. Además, se proporcionan conjuntos de datos de ejemplo y modelos pre-entrenados para facilitar la reproducción y extensión de los resultados obtenidos.
La solución propuesta integra métodos previamente estudiados y valida el sistema utilizando sistemas comerciales y un método empírico para la extracción de trayectorias. El repositorio incluye código para el alineamiento de los fotogramas de videos, autosegmentación de automóviles y la extracción de trayectorias utilizando el friltro de Kalman, modelos lineales de flujo vehicular.
Este repositorio está mayormente dividido en dos directorios para cumplir con dos propósitos:
research/para continuar con la investigación de modelos de detección y seguimiento de vehículos, además de sistemas de alineamiento y estabilización de video.desktop_aplication/enfocada al desarrollo de una aplicación de escritorio que implementa e integra las soluciones estudiadas previamente.
Adicionalmente, contamos con el directorio pretrained_models/ para almacenar los modelos necesarios para los dos casos.
Para comenzar a trabajar con la aplicación de escritorio se deben seguir los siguientes pasos disponibles en la documentación.
La aplicación cuenta con modelos pre-entrenados disponibles en el directorio /pretrained_models/, estos fueron entrenados con una combinación de nuestro dataset original de videos aéreos de tráfico ininterrumpido en perspectiva cenital, en conjunto a una selección de imágenes etiquetadas provenientes del dataset DOTAv2. Es posible descargar el dataset implementado desde el siguiente link en este enlace.
A modo de ejemplo en el directorio research/object_detection_method/, es posible encontrar documentos Jupyter Notebook describiendo el proceso de entrenamiento y evaluación del modelo YOLOv8.
Luego de procesar un video, es posible exportar los resultados al alinear un video y extraer trayectorias en un archivo de texto .csv siguiendo los siguientes formatos:
| Categoría | Funcionalidades Clave |
|---|---|
| Almacenamiento y Acceso | - Posibilidad de guardar videos procesados. |
| - Disponibilidad de datasets en la nube. | |
| Exportación de Datos | - Exportación de resultados en formato CSV. |
| - Exportación de trayectorias y parámetros de alineación. | |
| Procesamiento de Video | - Alineación automática de videos. |
| - Detección y seguimiento de vehículos. | |
| Interfaz y Usabilidad | - Interfaz intuitiva para cargar y procesar videos. |
| - Manejo de errores y condiciones de borde. | |
| Continuidad y Desarrollo | - Documentación formato de salida de datos (CSV). |
| - Documentación clases de extractores de trayectorias. | |
| - Documentación clases de alineadores de fotogramas. | |
| Investigación y Desarrollo | - Describir Notebooks con el funcionamiento de alineadores. |
| - Describir Notebooks con el entrenamiento de modelos. | |
| - Describir Notebooks con el seguimiento de detecciones. | |
| Compatibilidad y Acceso | - Compatibilidad con diferentes formatos de video. |
