Identificazione dell’abuso dei telefoni cellulari dei conducenti con filtri polarizzanti e riconoscimento di oggetti

I ricercatori nel Regno Unito hanno proposto un sistema stradale per automatizzare la rilevazione dell’uso illegale di telefoni cellulari tra gli autisti, utilizzando filtri foto-ottici classici e cattura a infrarossi. A seconda della qualità dell’attrezzatura di cattura, il sistema ha dimostrato un tasso di accuratezza del 95,81% in prove nel mondo reale.

Uno dei modelli dei ricercatori in azione. L’area del parabrezza viene identificata e isolata come un’area di raccolta per una ricerca aiutata da AI di immagini di un telefono cellulare. Il sistema è progettato per ignorare i telefoni cellulari montati e cercare dispositivi che vengono attivamente tenuti dall’autista. Fonte: https://www.youtube.com/watch?v=PErIUr3Cxvg

La ricerca è intitolata Identificazione delle violazioni dell’uso del telefono cellulare del conducente tramite riconoscimento di oggetti avanzato con tracciamento e proviene dalla School of Computing dell’Università di Newcastle.

Superare la riflettività dei parabrezza

Gli approcci precedenti per la rilevazione dell’uso di dispositivi mobili tra gli autisti sono stati ostacolati dalla alta riflettività dei parabrezza durante le ore di luce diurna, aggravata quando le riflessioni di gruppi di nuvole grandi oscurano ulteriormente l’interno del veicolo. Tali casi non possono essere realisticamente affrontati con fonti di luce infrarossa, poiché la quantità di illuminazione IR necessaria per penetrare la luce diurna naturale sarebbe intensiva in termini di risorse.

Pertanto, i ricercatori di Newcastle propongono l’antico trucco (risalente al 1812) per eliminare le riflessioni da una superficie di vetro percepita – un filtro polarizzante economico che potrebbe essere attaccato a telecamere di sorveglianza stradali, calibrato una volta e successivamente abilitare una chiara visione all’interno dei veicoli.

Sopra, una vista non filtrata di un parabrezza. Sotto, la stessa vista con un filtro polarizzante fisico attaccato alla telecamera. Fonte: https://arxiv.org/pdf/2109.02119.pdf

Con il passaggio dalle telecamere dedicate ai sensori basati su dispositivi mobili, la presenza del filtro polarizzante nella cultura popolare è stata in gran parte ridotta alla sua inclusione in occhiali da sole di qualità ragionevole, dove l’indossatore può osservare le sue proprietà di eliminazione delle riflessioni inclinando il suo punto di vista o cambiando il suo punto di vista sull’oggetto riflettente.

La luce solare è diffusa dalle molecole di ossigeno e azoto, con la luce blu più ampiamente diffusa di altre lunghezze d’onda, rendendo il blu il colore nativo di un cielo sereno diurno. La luce blu è polarizzata e un filtro polarizzante lineare o circolare può efficacemente eliminare questa luce polarizzata, rimuovendo le riflessioni nel processo.

Il documento riconosce che i parabrezza fumé potrebbero ostacolare o addirittura ostacolare questo metodo di visione all’interno dell’auto. Tuttavia, poiché ciò è limitato dalla legge del Regno Unito, con regolamenti che variano per stato negli Stati Uniti, il documento non considera questo come un ostacolo principale.

YOLO

Il sistema che il documento propone è destinato a essere integrato nell’infrastruttura civica, come telecamere di sorveglianza stradali installate dal governo. Consapevoli di possibili ostacoli relativi ai costi, i ricercatori hanno testato varie configurazioni del sistema di riconoscimento di oggetti a livelli di qualità diversi dell’attrezzatura di cattura e offrono uno scenario di costo minimo in cui filtri polarizzanti economici potrebbero essere aggiunti a telecamere esistenti, con tutti gli altri aspetti del sistema remoti.

Quattro framework di riconoscimento di oggetti sono stati testati: You-Only-Look-Once (YOLO) versioni 3 e 4; SSD rete base; Faster R-CNN; e CenterNet. Nei test, i risultati più precisi sono stati ottenuti con YOLO V3, utilizzando un flusso di lavoro a due passaggi che prima localizza l’area del parabrezza e poi cerca un dispositivo mobile in quello spazio.

Tuttavia, la necessità di eseguire il video attraverso due reti comporta un tasso di fotogrammi inferiore a 13,15fps, rispetto a circa 30fps nel sistema più semplice. La qualità dei risultati dipende dall’attrezzatura di input e i ricercatori hanno scoperto che quando l’input era diviso tra telecamere di bassa qualità e attrezzature di qualità superiore, un tasso di accuratezza vicino al 96% era possibile con l’attrezzatura migliore e del 74,35% con le telecamere più economiche.

Limitare le infrazioni riconosciute

In aggiunta a rendere il sistema economicamente sostenibile, i ricercatori sono preoccupati per sviluppare un sistema completamente automatizzato con un minimo di supervisione umana necessaria e il sistema è stato concepito per consegnare automaticamente multe. Tuttavia, poiché le leggi sull’uso del telefono cellulare mentre si guida stanno diventando più severe in tutto il mondo, con penalità che possono superare le multe o le deduzioni dei punti della patente (ad esempio nel Regno Unito), sembra probabile che la verifica umana casuale rimanga un fattore nella distribuzione di un tale sistema.

Nonostante l’uso del flusso ottico e altri metodi per tenere conto dell’intero contenuto video, algoritmi di riconoscimento di oggetti come YOLO considerano ogni fotogramma come una “storia completa” e il fotogramma successivo come un progetto successivo. Pertanto, un sistema di questo tipo deve essere impedito dall’emettere (ad esempio) 128 multe separate per 128 fotogrammi di video di cattura di infrazione.

Per evitare ciò, il sistema incorpora l’algoritmo di tracciamento di oggetti Deep SORT, che aggiunge un ID di incidente univoco a ogni riconoscimento di infrazione e garantisce che l’ID non sia duplicato tra i fotogrammi all’interno di una singola sequenza di cattura.

Gestione della sorveglianza notturna

Per le condizioni notturne, i ricercatori ricorrono alla cattura a infrarossi, come utilizzato in progetti di ricerca precedenti che indagano la stessa sfida. Hanno testato lunghezze d’onda IR di 850 e 730 nanometri e hanno scoperto che i migliori dettagli sono stati catturati con 730 nm.

Il documento sostiene che ulteriori indagini sono necessarie per determinare fino a che punto la cattura a infrarossi potrebbe essere utilizzata durante le condizioni diurne.

Dati

Per la versione più economica a un solo passaggio del sistema, i ricercatori hanno utilizzato 2.235 immagini di targa da Google Open Images Dataset e 2150 immagini di telefono cellulare stock e personalizzate. Poiché era necessario includere immagini di telefoni cellulari tenuti dagli autisti, 1700 delle immagini del telefono cellulare sono state scattate specificamente per il progetto.

Il sistema a due passaggi ha richiesto l’annotazione di 487 parabrezza, utilizzati per addestrare il primo passaggio del processo, in aggiunta ai dati utilizzati nel processo a un solo passaggio.

Poiché non c’era accesso all’infrastruttura di sorveglianza stradale ufficiale, tutte le immagini sono state scattate da volontari per approssimare condizioni simili.

Compromessi

I risultati finali offrono una gamma di standard di accuratezza che dovrebbero essere scambiati con il costo di implementazione, con attrezzature di cattura e risultati di elaborazione superiori che offrono la maggiore accuratezza e un’accuratezza “accettabile” ottenibile attraverso il retrofitting economico dell’attrezzatura di sorveglianza urbana esistente.

La pipeline più economica a un solo passaggio raggiunge qualcosa di vicino al 75% di accuratezza, con i costi di implementazione più bassi (ad esempio l’installazione di un filtro polarizzante economico), mentre il sistema a due passaggi più complesso (che isola l’area del parabrezza prima di cercare un dispositivo mobile tenuto dall’autista) raggiunge tassi di accuratezza più alti, ma potrebbe essere adatto solo per nuove infrastrutture, a seconda del budget disponibile. In entrambi i casi, la qualità dell’attrezzatura di cattura è una variabile aggiuntiva.

Come notato sopra, la percezione dei ricercatori della fattibilità del progetto sembra essere influenzata dall’ipotesi che il sistema debba funzionare interamente in modo autonomo – un requisito discutibile.

Guarda il video ufficiale del progetto qui sotto per ulteriori dettagli sull’implementazione e gli approcci utilizzati.