편광 필터와 물체 인식으로 운전자의 휴대폰 남용 식별

영국의 연구원들은 전통적인 광 광학 필터와 적외선 캡처를 사용하여 운전자들 사이에서 불법 휴대전화 사용을 자동으로 탐지하는 도로변 시스템을 제안했습니다. 캡처 장비의 품질에 따라 시스템은 실제 시험에서 최대 95.81%의 정확도를 입증했습니다.

작동 중인 연구원의 모델 중 하나입니다. 앞 유리 영역은 먼저 휴대폰 이미지에 대한 AI 지원 검색을 위한 집수 영역으로 식별되고 격리됩니다. 이 시스템은 장착된 휴대폰을 무시하고 운전자가 적극적으로 들고 있는 장치를 찾도록 설계되었습니다. 출처: https://www.youtube.com/watch?v=PERIUr3Cxvg

XNUMXD덴탈의 연구 제목이 추적을 통한 최첨단 객체 감지를 통한 운전자 전화 사용 위반 식별, Newcastle University의 School of Computing 출신입니다.

앞유리의 반사율 극복

운전자 사이의 모바일 장치 사용 감지에 대한 이전 접근 방식은 낮 시간 동안 전면 유리의 높은 반사율로 인해 방해를 받았으며, 큰 구름 그룹의 반사가 차량 내부를 더욱 가릴 때 악화되었습니다. 자연광을 통과하는 데 필요한 IR 조명의 양이 자원 집약적이기 때문에 이러한 경우에는 적외선 광원으로 현실적으로 해결할 수 없습니다.

따라서 뉴캐슬 연구원들은 인지된 유리 표면에서 반사를 제거하기 위해 책에서 가장 오래된 트릭(1812년으로 거슬러 올라감)을 제안합니다. 편광 필터 도로변 감시 카메라에 부착하고 한 번 보정한 후 차량 내부를 선명하게 볼 수 있습니다.

위, 자동차 앞 유리의 필터링되지 않은 보기입니다. 아래는 물리적 편광 필터가 카메라에 부착된 동일한 보기입니다. 출처 : https://arxiv.org/pdf/2109.02119.pdf

전용 카메라에서 모바일 기반 센서로의 대중적인 움직임으로 인해 대중 문화에서 편광 필터의 존재는 대체로 합리적인 품질의 선글라스에 포함되는 수준으로 축소되었으며, 착용자는 시점을 기울이거나 시선을 변경하여 반사 방지 속성을 관찰할 수 있습니다. 반사 물체에 대한 관점.

햇빛은 산소와 질소 분자에 의해 산란되며, 청색광은 다른 파장보다 더 광범위하게 산란되어 청색이 낮의 맑은 하늘의 기본 색상이 됩니다. 청색광은 편광되어 있으며, 선형 또는 원형 편광 렌즈는 이 편광을 효과적으로 제거하여 프로세스에서 반사를 제거할 수 있습니다.

이 신문은 그을린 앞유리가 차 안을 들여다보는 이 방법을 방해하거나 방해할 수 있음을 인정합니다. 그러나 이것은 영국법에 의해 제한됨, 미국의 주마다 규정이 다르기 때문에 백서는 이를 주요 장애물로 간주하지 않습니다.

YOLO

논문에서 제안하는 시스템은 정부가 설치한 도로변 감시 카메라와 같은 시민 인프라에 통합하기 위한 것입니다. 비용에 대한 가능한 장애물을 인식하고 연구원들은 다양한 품질 수준의 캡처 장비에 걸쳐 다양한 물체 인식 시스템 구성을 테스트하고 저렴한 편광 필터를 기존 카메라에 추가할 수 있는 최소 비용 시나리오를 제공합니다. 시스템 원격.

다음 네 가지 객체 인식 프레임워크가 테스트되었습니다. You-Only-Look-Once(YOLO) 버전 3 및 4; SSD 기본 네트워크; 빠른 R-CNN및 센터넷. 테스트에서 YOLO V3로 가장 정확한 결과를 얻었습니다. 먼저 앞 유리 영역을 현지화한 다음 해당 공간에서 모바일 장치를 찾는 XNUMX단계 워크플로를 사용했습니다.

그러나 두 개의 네트워크를 통해 비디오를 실행해야 하므로 더 단순한 시스템의 13.15fps에 가까운 프레임 속도에 비해 30fps의 프레임 속도가 최적보다 낮습니다. 결과의 품질은 입력 장비에 따라 다르며 연구원들은 입력을 저가형 카메라와 고품질 장비로 나누었을 때 더 나은 장비에서 거의 96%의 정확도가 가능하고 더 저렴한 장비에서 74.35%의 정확도가 가능하다는 것을 발견했습니다. 카메라.

인지된 위반 제한

시스템을 경제적으로 실행 가능하게 만드는 것 외에도 연구자들은 인간의 감독이 최소한으로 필요한 완전 자동화 시스템을 개발하는 데 관심이 있으며 시스템은 자동으로 벌금을 부과하도록 고안되었습니다. 그러나 운전 중 휴대전화 사용에 관한 법률이 전 세계적으로 점점 더 엄격해지고 있으며 단순한 벌금이나 면허 점수 감점을 초과할 수 있는 처벌(즉, 영국)이 있기 때문에 일상적인 인간 확인이 그런 시스템.

비디오 콘텐츠 전체를 고려하기 위해 광학 흐름 및 기타 방법을 사용함에도 불구하고 YOLO와 같은 객체 인식 알고리즘은 각 프레임을 '완전한 이야기'로 간주하고 다음 프레임을 후속 프로젝트로 간주합니다. 따라서 이러한 성격의 시스템은 (예를 들어) 위반 캡처 비디오의 128개 프레임에 대해 128개의 개별 벌금을 부과하는 것을 방지해야 합니다.

이를 방지하기 위해 시스템은 객체 추적 알고리즘을 통합합니다. 딥 정렬, 각 위반 인식에 고유한 '사고 ID'를 추가하고 ID가 단일 캡처 시퀀스 내의 프레임 간에 중복되지 않도록 합니다.

야간 감시 처리

야간 조건의 경우 연구원들은 동일한 문제를 조사하는 이전 연구 프로젝트에서 사용된 것과 같이 기본적으로 적외선 캡처를 사용합니다. 그들은 850 및 730 나노미터의 IR 파장을 테스트했으며 가장 세부적인 부분이 730nm에서 포착된다는 것을 발견했습니다.

이 논문은 주간 조건에서 적외선 캡처가 어느 정도 사용될 수 있는지 결정하기 위해 추가 조사가 필요하다고 주장합니다.

Data

시스템의 보다 경제적인 단일 단계 버전을 위해 연구원들은 2,235개의 자동차 번호판 이미지를 사용했습니다. Google 오픈 이미지 데이터 세트, 및 2150 스톡 및 맞춤형 휴대폰 이미지. 운전자가 휴대전화를 들고 있는 이미지를 포함해야 했기 때문에 1,700개의 휴대전화 이미지가 프로젝트를 위해 특별히 촬영되었습니다.

487단계 시스템에는 XNUMX단계 프로세스에서 사용되는 데이터 외에도 프로세스의 첫 번째 단계를 교육하는 데 사용되는 XNUMX개의 앞유리에 대한 주석이 필요했습니다.

공식적인 도로 감시 인프라에 접근할 수 없었기 때문에 모든 이미지는 유사한 조건에 근접하도록 자원 봉사자가 촬영했습니다.

보상

최종 결과는 구현 비용과 절충해야 하는 정확도 표준의 범위를 제공하며, 뛰어난 캡처 장비 및 처리 결과는 최고의 정확도를 제공하며, 틀림없이 기존 도시 감시 장비의 저렴한 개조로 얻을 수 있는 '허용 가능한' 정확도를 제공합니다. .

더 저렴한 '단일 단계' 파이프라인은 가장 낮은 구현 비용(예: 저렴한 편광 필터 장착)으로 75%에 가까운 정확도를 달성하는 반면, 더 복잡한 XNUMX단계 시스템(앞 유리 영역을 찾기 전에 앞유리 영역을 분리합니다. 운전자가 보유한 모바일 장치)는 더 높은 정확도를 달성하지만 사용 가능한 예산에 따라 새로운 인프라에만 적합할 수 있습니다. 두 경우 모두 캡처 장비의 품질은 추가 변수입니다.

위에서 언급한 바와 같이, 프로젝트의 실행 가능성에 대한 연구원의 인식은 시스템이 완전히 자율적으로 수행되어야 한다는 가정(의심스러운 요구 사항)에 의해 영향을 받는 것으로 보입니다.

사용된 구현 및 접근 방식에 대한 자세한 내용은 아래 프로젝트의 공식 비디오를 살펴보십시오.