Spojte se s námi

Identifikace zneužití mobilních telefonů řidičů pomocí polarizačních filtrů a rozpoznávání objektů

Dohled

Identifikace zneužití mobilních telefonů řidičů pomocí polarizačních filtrů a rozpoznávání objektů

mm

Vědci ve Spojeném království navrhli silniční systém, který by automatizoval detekci nelegálního používání mobilních telefonů mezi řidiči pomocí klasických fotooptických filtrů a infračerveného snímání. V závislosti na kvalitě snímacího zařízení systém prokázal míru přesnosti až 95.81 % v reálných testech.

Jeden z modelů výzkumníků v akci. Oblast čelního skla je nejprve identifikována a izolována jako spádová oblast pro vyhledávání obrázků mobilního telefonu pomocí AI. Systém je navržen tak, aby ignoroval namontované mobilní telefony a vyhledával zařízení, která řidič aktivně drží. Zdroj: https://www.youtube.com/watch?v=PErIUr3Cxvg

Jeden z modelů výzkumníků v akci. Oblast čelního skla je nejprve identifikována a izolována jako spádová oblast pro vyhledávání obrázků mobilního telefonu pomocí AI. Systém je navržen tak, aby ignoroval namontované mobilní telefony a vyhledával zařízení, která řidič aktivně drží. Zdroj: https://www.youtube.com/watch?v=PErIUr3Cxvg

Jedno výzkum je s názvem Identifikace porušení používání telefonu řidiče prostřednictvím nejmodernější detekce objektů se sledováním, a pochází z School of Computing na Newcastle University.

Překonání odrazivosti čelních skel

Dřívější přístupy k detekci používání mobilních zařízení mezi řidiči byly brzděny vysokou odrazivostí čelních skel během denního světla, která se ještě zhoršila, když odrazy od skupin velkých mraků dále zatemňují interiér vozidla. Takové případy nelze realisticky řešit pomocí zdrojů infračerveného světla, protože množství infračerveného osvětlení nutného k pronikání přirozeného denního světla by bylo náročné na zdroje.

Vědci z Newcastlu proto navrhují úplně nejstarší trik v knize (z roku 1812), jak eliminovat odrazy od vnímaného skleněného povrchu – levný, fyzický polarizační filtr které lze připojit k silničním bezpečnostním kamerám, jednorázově zkalibrovat a poté umožnit jasný pohled do interiérů vozidel.

Nahoře nefiltrovaný pohled na čelní sklo auta. Níže stejný pohled s fyzickým polarizačním filtrem připojeným k fotoaparátu. Zdroj: https://arxiv.org/pdf/2109.02119.pdf

Nahoře nefiltrovaný pohled na čelní sklo auta. Níže stejný pohled s fyzickým polarizačním filtrem připojeným k fotoaparátu. Zdroj: https://arxiv.org/pdf/2109.02119.pdf

S populárním přechodem od vyhrazených fotoaparátů k mobilním senzorům se přítomnost polarizačního filtru v populární kultuře z velké části omezila na jeho začlenění do slunečních brýlí přiměřené kvality, kde může uživatel pozorovat jeho vlastnosti zabíjející odrazy nakloněním úhlu pohledu nebo změnou svého úhlu. pohledu na reflexní předmět.

Sluneční světlo je rozptýleno molekulami kyslíku a dusíku, přičemž modré světlo je rozptýleno více než jiné vlnové délky, takže modrá je přirozenou barvou jasné oblohy ve dne. Modré světlo je polarizované a a lineární nebo kruhové polarizované čočky mohou účinně eliminovat toto polarizované světlo a odstranit odrazy v procesu.

List uznává, že zakouřená čelní skla by mohla bránit nebo dokonce překazit tento způsob vidění do auta. Nicméně, protože toto je omezena britským právem, s předpisy se liší podle státu v USA, papír to nepovažuje za primární překážku.

Yolo

Systém, který dokument navrhuje, má být integrován do občanské infrastruktury, jako jsou vládní kamery instalované na silnicích. Vědomi si možných překážek v oblasti nákladů, výzkumníci testovali různé konfigurace systému rozpoznávání objektů v různých úrovních kvality snímacího zařízení a nabídli scénář s minimálními náklady, kde by bylo možné do stávajících kamer přidat levné polarizační filtry se všemi ostatními aspekty. systémový dálkový.

Byly testovány čtyři rámce pro rozpoznávání objektů: You-Only-Look-Once (Yolo) verze 3 a 4; SSD základní síť; Rychlejší R-CNNA CenterNet. V testech byly nejpřesnější výsledky získány s YOLO V3 pomocí dvoufázového pracovního postupu, který nejprve lokalizuje oblast čelního skla a poté v tomto prostoru vyhledá mobilní zařízení.

Potřeba spouštět video přes dvě sítě však vede k méně než optimální snímkové frekvenci 13.15 snímků za sekundu ve srovnání s 30 snímky za sekundu na jednodušším systému. Kvalita výsledků závisí na vstupním zařízení a výzkumníci zjistili, že když byl vstup rozdělen mezi fotoaparáty nižší třídy a zařízení vyšší kvality, byla možná přesnost téměř 96 % u lepší sady a 74.35 % u levnějších. kamery.

Omezení uznaných přestupků

Kromě toho, aby byl systém ekonomicky životaschopný, vědci chtějí vyvinout plně automatizovaný systém s minimem nutného lidského dohledu a systém byl navržen tak, aby automaticky uděloval pokuty. Vzhledem k tomu, že zákony týkající se používání mobilních telefonů při řízení jsou po celém světě stále přísnější, přičemž sankce mohou přesáhnout pouhé pokuty nebo srážky licenčních bodů (tj. ve Spojeném království), zdá se pravděpodobné, že příležitostné ověření člověkem zůstane faktorem při zavádění takový systém.

Navzdory použití optického toku a dalších metod k zohlednění celého obsahu videa považují algoritmy rozpoznávání objektů, jako je YOLO, každý snímek za „úplný příběh“ a další snímek za následný projekt. Proto musí být systému tohoto druhu zabráněno udělit (například) 128 samostatných pokut pokrývajících 128 snímků videa zachycujícího přestupky.

Aby se tomu zabránilo, systém obsahuje algoritmus sledování objektů Hluboké SORT, který ke každému rozpoznání přestupku přidává jedinečné „ID incidentu“ a zajišťuje, že ID nebude duplikováno napříč snímky v rámci jedné sekvence zachycení.

Obsluha nočního sledování

Pro noční podmínky vědci standardně používají infračervené snímání, jak bylo použito v předchozích výzkumných projektech zkoumajících stejnou výzvu. Testovali IR vlnové délky 850 a 730 nanometrů a zjistili, že nejlepší detaily byly zachyceny s 730nm.

Článek tvrdí, že je nutné další zkoumání, aby se zjistilo, do jaké míry by bylo možné infračervené snímání použít během denních podmínek.

Data

Pro ekonomičtější jednokrokovou verzi systému výzkumníci použili 2,235 XNUMX snímků SPZ z Google Open Images Dataset, a 2150 obrázků a obrázků vyrobených na zakázku pro mobilní telefony. Protože bylo nutné zahrnout snímky telefonů držených řidiči, bylo 1,700 XNUMX snímků telefonů pořízeno speciálně pro tento projekt.

Dvoustupňový systém vyžadoval anotaci 487 čelních skel, která byla použita k trénování prvního kroku procesu, navíc k datům použitým v jednokrokovém procesu.

Vzhledem k tomu, že nebyl přístup k oficiální infrastruktuře silničního dohledu, byly všechny snímky pořízeny dobrovolníky, aby se přiblížily podobným podmínkám.

Trade-Offs

Konečné výsledky nabízejí řadu standardů přesnosti, které by bylo třeba vyvážit náklady na implementaci, s vynikajícím snímacím zařízením a výsledky zpracování, které nabízí nejvyšší přesnost a pravděpodobně „přijatelnou“ přesnost, kterou lze získat nenákladným dovybavením stávajícího městského sledovacího zařízení. .

Levnější „jednostupňové“ potrubí dosahuje přesnosti téměř 75 % s nejnižšími náklady na implementaci (tj. montáž levného polarizačního filtru), zatímco složitější dvoustupňový systém (který izoluje oblast čelního skla před hledáním mobilní zařízení v držení řidiče) dosahuje vyšší přesnosti, ale může být vhodné pouze pro novou infrastrukturu v závislosti na dostupném rozpočtu.

Levnější „jednostupňové“ potrubí dosahuje přesnosti téměř 75 % s nejnižšími náklady na implementaci (tj. montáž levného polarizačního filtru), zatímco složitější dvoustupňový systém (který izoluje oblast čelního skla před hledáním mobilní zařízení v držení řidiče) dosahuje vyšší přesnosti, ale může být vhodné pouze pro novou infrastrukturu v závislosti na dostupném rozpočtu. V obou případech je kvalita snímacího zařízení další proměnnou.

Jak bylo uvedeno výše, vnímání životaschopnosti projektu výzkumnými pracovníky se zdá být založeno na předpokladu, že systém by měl fungovat zcela autonomně – což je sporný požadavek.

Podívejte se na oficiální video projektu níže, kde najdete další podrobnosti o implementaci a použitých přístupech.

Identifikace porušení používání telefonu řidiče prostřednictvím nejmodernější detekce objektů se sledováním

 

Spisovatel o strojovém učení, doménový specialista na syntézu lidského obrazu. Bývalý vedoucí obsahu výzkumu na Metaphysic.ai.
Osobní stránky: martinanderson.ai
Kontakt: [chráněno e-mailem]
Twitter: @manders_ai