ड्राइवरों के मोबाइल फोन के दुरुपयोग की पहचान करना ध्रुवीकरण फिल्टर और वस्तु पहचान के साथ

यूके के शोधकर्ताओं ने ड्राइवरों के बीच अवैध मोबाइल फोन उपयोग का पता लगाने के लिए एक सड़क किनारे प्रणाली का प्रस्ताव दिया है, जो क्लासिक फोटो-ऑप्टिकल फिल्टर और इन्फ्रा-रेड कैप्चर का उपयोग करती है। कैप्चर उपकरण की गुणवत्ता के आधार पर, प्रणाली ने वास्तविक दुनिया के परीक्षणों में 95.81% तक की सटीकता दर का प्रदर्शन किया है।

शोधकर्ताओं के मॉडल में से एक कार्रवाई में। विंडशील्ड क्षेत्र को पहले पहचाना और अलग किया जाता है एक कैचमेंट क्षेत्र के रूप में एक एआई-सहायता प्राप्त खोज के लिए मोबाइल फोन की छवियों के लिए। प्रणाली को माउंटेड मोबाइल फोन की उपेक्षा करने और ड्राइवर द्वारा सक्रिय रूप से पकड़े जा रहे उपकरणों की तलाश करने के लिए डिज़ाइन किया गया है। स्रोत: https://www.youtube.com/watch?v=PErIUr3Cxvg

इस शोध का शीर्षक वस्तु पहचान के माध्यम से ड्राइवर फोन उपयोग उल्लंघनों की पहचान है, और यह न्यूकैसल विश्वविद्यालय के स्कूल ऑफ कंप्यूटिंग से आया है।

विंडशील्ड की परावर्तितता को दूर करना

ड्राइवरों के बीच मोबाइल डिवाइस उपयोग का पता लगाने के लिए पहले के दृष्टिकोणों को दिन के समय में विंडशील्ड की उच्च परावर्तितता से बाधित किया गया है, जो बड़े बादलों के समूहों से परावर्तित प्रतिबिंब से और भी बढ़ जाता है। ऐसे मामलों को वास्तविक रूप से इन्फ्रा-रेड प्रकाश स्रोतों के साथ संबोधित नहीं किया जा सकता है, क्योंकि प्राकृतिक दिन के उजाले में प्रवेश करने के लिए आवश्यक आईआर प्रकाश की मात्रा संसाधन-Gहन होगी।

इसलिए, न्यूकैसल के शोधकर्ता विंडशील्ड से परावर्तितता को दूर करने के लिए पुस्तक में सबसे पुराने तरीके का प्रस्ताव करते हैं – एक सस्ता, भौतिक ध्रुवीकरण फिल्टर जो सड़क किनारे निगरानी कैमरों से जुड़ा हो सकता है, एक बार कैलिब्रेट किया जा सकता है, और फिर वाहन के अंदरूनी हिस्से में एक स्पष्ट दृष्टिकोण प्रदान कर सकता है।

ऊपर, एक अनफिल्टर्ड दृश्य कार विंडशील्ड का। नीचे, कैमरे से जुड़े एक भौतिक ध्रुवीकरण फिल्टर के साथ समान दृश्य। स्रोत: https://arxiv.org/pdf/2109.02119.pdf

मोबाइल-आधारित सेंसर में से समर्पित कैमरों की ओर बढ़ने के साथ, ध्रुवीकरण फिल्टर की उपस्थिति लोकप्रिय संस्कृति में मुख्य रूप से उचित गुणवत्ता वाले धूप के चश्मे में शामिल होने तक सीमित हो गई है, जहां पहनने वाला परावर्तितता-मारने वाले गुणों को देख सकता है अपने दृष्टिकोण को बदलकर या परावर्तित वस्तु पर अपने दृष्टिकोण को बदलकर।

सूरज की रोशनी ऑक्सीजन और नाइट्रोजन अणुओं द्वारा बिखरी हुई है, जिसमें नीली रोशनी अन्य तरंग दैर्ध्य की तुलना में अधिक व्यापक रूप से बिखरी हुई है, जो दिन के समय में एक स्पष्ट आकाश के लिए नीले रंग का मूल रंग बनाती है। नीली रोशनी ध्रुवीकृत है, और एक रेखीय या वृत्ताकार ध्रुवीकृत लेंस इस ध्रुवीकृत प्रकाश को प्रभावी ढंग से समाप्त कर सकता है, परावर्तितता को हटाते हुए।

लेख स्वीकार करता है कि धुएं वाली विंडशील्ड इस पद्धति को बाधित या यहां तक कि विफल कर सकती है। हालांकि, चूंकि यह यूके के कानून द्वारा सीमित है, जिसमें नियमों का विभिन्न राज्यों में भिन्न होना, लेख इसे एक प्राथमिक बाधा के रूप में नहीं मानता है।

YOLO

लेख में प्रस्तावित प्रणाली का उद्देश्य नागरिक बुनियादी ढांचे में एकीकृत किया जाना है, जैसे कि सरकार द्वारा स्थापित सड़क किनारे निगरानी कैमरे। संभावित बाधाओं पर लागत के बारे में जागरूक, शोधकर्ताओं ने विभिन्न गुणवत्ता स्तरों के कैप्चर उपकरण के साथ विभिन्न वस्तु पहचान प्रणाली कॉन्फ़िगरेशन का परीक्षण किया, और एक न्यूनतम-लागत परिदृश्य प्रदान किया जहां सस्ते ध्रुवीकरण फिल्टर मौजूदा कैमरों में जोड़े जा सकते हैं, प्रणाली के सभी अन्य पहलुओं को दूरस्थ रूप से रखा जा सकता है।

चार वस्तु पहचान फ्रेमवर्क का परीक्षण किया गया: आप-ओनली-लुक-वन्स (YOLO) संस्करण 3 और 4; SSD बेस नेटवर्क; Faster R-CNN; और CenterNet। परीक्षणों में, YOLO V3 के साथ सबसे सटीक परिणाम प्राप्त किए गए, जो एक दो-चरण कार्य प्रवाह का उपयोग करता है जो पहले विंडशील्ड क्षेत्र को स्थानीयकृत करता है और फिर उस स्थान में एक मोबाइल डिवाइस की तलाश करता है।

हालांकि, दो नेटवर्क के माध्यम से वीडियो चलाने की आवश्यकता 13.15fps की तुलना में कम से कम अनुकूल फ्रेम दर का परिणाम है, जो कि सरल प्रणाली पर लगभग 30fps है। परिणामों की गुणवत्ता इनपुट उपकरण पर निर्भर करती है, और शोधकर्ताओं ने पाया कि जब इनपुट को कम-अंत कैमरों और उच्च-गुणवत्ता वाले उपकरण के बीच विभाजित किया गया, तो बेहतर किट पर लगभग 96% और सस्ते कैमरों पर 74.35% की सटीकता दर संभव थी।

स्वीकृत उल्लंघनों को सीमित करना

आर्थिक रूप से व्यवहार्य प्रणाली विकसित करने के अलावा, शोधकर्ता एक पूरी तरह से स्वचालित प्रणाली को विकसित करने के लिए चिंतित हैं जिसमें न्यूनतम मानव निरीक्षण की आवश्यकता है, और प्रणाली को स्वचालित रूप से जुर्माना देने के लिए डिज़ाइन किया गया है। हालांकि, चूंकि ड्राइविंग करते समय मोबाइल फोन के उपयोग के बारे में कानून दुनिया भर में अधिक严格 होते जा रहे हैं, जो जुर्माने या लाइसेंस बिंदु कटौती से अधिक दंड दे सकते हैं (यानी, यूके में), ऐसा लगता है कि इस तरह की प्रणाली की तैनाती में मानव सत्यापन एक कारक बना रहेगा।

वीडियो सामग्री की पूरी तरह से विचार करने के लिए ऑप्टिकल फ्लो और अन्य तरीकों का उपयोग करने के बावजूद, वस्तु पहचान एल्गोरिदम जैसे YOLO प्रत्येक फ्रेम को एक ‘पूर्ण कहानी’ मानते हैं, और अगला फ्रेम एक अनुवर्ती परियोजना है। इसलिए, इस प्रकार की प्रणाली को (उदाहरण के लिए) 128 अलग-अलग जुर्माने जारी करने से रोकना होगा जो 128 फ्रेम के उल्लंघन-कैप्चर वीडियो को कवर करते हैं।

इससे बचने के लिए, प्रणाली में वस्तु ट्रैकिंग एल्गोरिदम Deep SORT शामिल है, जो प्रत्येक उल्लंघन पहचान को एक अद्वितीय ‘घटना आईडी’ जोड़ता है, और सुनिश्चित करता है कि आईडी एक ही कैप्चर अनुक्रम के भीतर फ्रेम में दोहराई नहीं जाती है।

रात्रि निगरानी को संभालना

रात्रि स्थितियों के लिए, शोधकर्ता इन्फ्रा-रेड कैप्चर पर डिफ़ॉल्ट करते हैं, जैसा कि पहले के शोध परियोजनाओं में इसी चुनौती की जांच की गई थी। उन्होंने 850 और 730 नैनोमीटर के इन्फ्रा-रेड तरंग दैर्ध्य का परीक्षण किया, और पाया कि 730nm के साथ सबसे अच्छा विवरण पकड़ में आया।

लेख यह तर्क देता है कि आगे की जांच आवश्यक है ताकि यह निर्धारित किया जा सके कि इन्फ्रा-रेड कैप्चर का उपयोग दिन के समय की स्थितियों में किस हद तक किया जा सकता है।

डेटा

एकल-चरण प्रणाली के लिए, शोधकर्ताओं ने गूगल ओपन इमेज डेटासेट से 2,235 लाइसेंस प्लेट छवियों और 2150 स्टॉक और कस्टम-निर्मित मोबाइल फोन छवियों का उपयोग किया। चूंकि यह आवश्यक था कि ड्राइवरों द्वारा पकड़े जा रहे फोन की छवियों को शामिल किया जाए, परियोजना के लिए 1,700 फोन छवियों को विशेष रूप से लिया गया था।

दो-चरण प्रणाली के लिए, पहले चरण की प्रक्रिया को प्रशिक्षित करने के लिए 487 विंडशील्ड की एनोटेशन की आवश्यकता थी, इसके अलावा एक-चरण प्रक्रिया में उपयोग किए गए डेटा के अलावा।

चूंकि आधिकारिक सड़क निगरानी बुनियादी ढांचे तक पहुंच नहीं थी, इसलिए सभी छवियों को स्वयंसेवकों द्वारा समान स्थितियों को अनुमानित करने के लिए लिया गया था।

व्यापार-बंद

अंतिम परिणाम लागू करने की लागत के खिलाफ व्यापार करने के लिए विभिन्न सटीकता मानक प्रदान करते हैं, जिसमें बेहतर कैप्चर उपकरण और प्रसंस्करण परिणाम सबसे बड़ी सटीकता प्रदान करते हैं, और सस्ते शहरी निगरानी उपकरण में सस्ते पोलराइजिंग फिल्टर के फिटिंग के साथ ‘स्वीकार्य’ सटीकता प्राप्त की जा सकती है।

सस्ता, ‘एकल-चरण’ पाइपलाइन लगभग 75% सटीकता हासिल करती है, न्यूनतम लागू करने की लागत (यानी, एक सस्ते ध्रुवीकरण फिल्टर का फिटिंग) के साथ, जबकि अधिक जटिल दो-चरण प्रणाली (जो विंडशील्ड क्षेत्र को अलग करती है और फिर ड्राइवर द्वारा पकड़े जा रहे मोबाइल डिवाइस की तलाश करती है) उच्च सटीकता दर हासिल करती है, लेकिन केवल नई बुनियादी ढांचे के लिए उपयुक्त हो सकती है, उपलब्ध बजट के आधार पर। दोनों मामलों में, कैप्चर उपकरण की गुणवत्ता एक अतिरिक्त परिवर्तनीय है।

जैसा कि ऊपर उल्लेख किया गया है, शोधकर्ताओं की परियोजना की व्यवहार्यता की धारणा इस धारणा से सूचित लगती है कि प्रणाली को पूरी तरह से स्वचालित रूप से कार्य करना चाहिए – एक संदेहास्पद आवश्यकता।

परियोजना के कार्यान्वयन और उपयोग की गई दृष्टिकोणों पर अधिक जानकारी के लिए नीचे दिए गए आधिकारिक वीडियो को देखें।