Repozytorium publikacji - Politechnika Gdańska

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.

Autorzy

• dr inż. Tomasz Kocejko link otwiera się w nowej karcie ,
• dr Tomasz Neumann link otwiera się w nowej karcie ,
• dr inż. Magdalena Mazur-Milecka link otwiera się w nowej karcie ,
• mgr inż. Natalia Kowalczyk link otwiera się w nowej karcie ,
• prof. dr hab. inż. Jacek Rumiński link otwiera się w nowej karcie ,
• Jo Kang-Hyun,
• Miłosz Kaszyński,
• Tomasz Ludwisiak