Misbruik van mobiele telefoons door bestuurders identificeren met polarisatiefilters en objectherkenning

Onderzoekers in het VK hebben een wegkantsysteem voorgesteld om de detectie van illegaal gsm-gebruik door bestuurders te automatiseren, met behulp van klassieke foto-optische filters en infraroodopname. Afhankelijk van de kwaliteit van de opnameapparatuur, heeft het systeem een ​​nauwkeurigheidspercentage van maximaal 95.81% aangetoond in real-world proeven.

Een van de modellen van de onderzoekers in actie. Het voorruitgebied wordt eerst geïdentificeerd en geïsoleerd als verzorgingsgebied voor een AI-ondersteunde zoektocht naar afbeeldingen van een mobiele telefoon. Het systeem is ontworpen om gemonteerde mobiele telefoons te negeren en apparaten op te sporen die actief door de bestuurder worden vastgehouden. Bron: https://www.youtube.com/watch?v=PErIUr3Cxvg

De onderzoek is getiteld Identificatie van overtredingen van het telefoongebruik door bestuurders via ultramoderne objectdetectie met tracking, en komt van de School of Computing aan de Universiteit van Newcastle.

Reflectie van voorruiten overwinnen

Eerdere benaderingen van detectie van het gebruik van mobiele apparaten door bestuurders werden belemmerd door de hoge reflectiviteit van voorruiten tijdens de uren van daglicht, verergerd wanneer reflecties van groepen grote wolken het interieur van het voertuig verder verduisteren. Dergelijke gevallen kunnen realistisch gezien niet worden aangepakt met infraroodlichtbronnen, aangezien de hoeveelheid IR-verlichting die nodig is om door natuurlijk daglicht te dringen, veel middelen zou vergen.

Daarom stellen de onderzoekers van Newcastle de alleroudste truc in het boek voor (daterend uit 1812) om reflecties van een waargenomen glasoppervlak te elimineren - een goedkope, fysieke polarisatiefilter die kunnen worden bevestigd aan bewakingscamera's langs de weg, eenmalig gekalibreerd, en daarna een duidelijk zicht op het interieur van het voertuig mogelijk maken.

Hierboven een ongefilterd beeld van de voorruit van een auto. Hieronder dezelfde weergave met een fysiek polarisatiefilter bevestigd aan de camera. Bron: https://arxiv.org/pdf/2109.02119.pdf

Met de populaire overstap van speciale camera's naar mobiele sensoren, is de aanwezigheid van het polarisatiefilter in de populaire cultuur grotendeels teruggebracht tot de opname ervan in zonnebrillen van redelijke kwaliteit, waar de drager de reflectie-dodende eigenschappen kan observeren door hun gezichtspunt te kantelen of hun gezichtspunt te veranderen. gezichtspunt op het reflecterende object.

Zonlicht wordt verstrooid door zuurstof- en stikstofmoleculen, waarbij blauw licht meer wordt verstrooid dan andere golflengten, waardoor blauw overdag de oorspronkelijke kleur is van een heldere lucht. Blauw licht is gepolariseerd en a lineair of cirkelvormig gepolariseerde lens kan dit gepolariseerde licht effectief elimineren, waardoor reflecties worden verwijderd.

De krant erkent dat gerookte voorruiten deze manier van inkijken in de auto kunnen belemmeren of zelfs verijdelen. Aangezien dit echter is beperkt door de Britse wetgeving, met regelgeving die per staat verschilt in de VS, beschouwt de krant dit niet als een primair obstakel.

YOLO

Het systeem dat de krant voorstelt, is bedoeld om te worden geïntegreerd in de openbare infrastructuur, zoals door de overheid geïnstalleerde bewakingscamera's langs de weg. Zich bewust van mogelijke obstakels in verband met de kosten, testten de onderzoekers verschillende systeemconfiguraties voor objectherkenning op verschillende kwaliteitsniveaus van opnameapparatuur, en boden een scenario met minimale kosten waarbij goedkope polarisatiefilters aan bestaande camera's konden worden toegevoegd, met alle andere aspecten van de systeem afstandsbediening.

Er zijn vier raamwerken voor objectherkenning getest: You-Only-Look-Once (YOLO) versies 3 en 4; SSD basisnetwerk; Snellere R-CNNund CentrumNet. In tests werden de meest nauwkeurige resultaten verkregen met YOLO V3, met behulp van een workflow in twee stappen die eerst het gebied van de voorruit lokaliseert en vervolgens een mobiel apparaat in die ruimte zoekt.

De noodzaak om de video via twee netwerken te laten lopen, resulteert echter in een minder dan optimale framesnelheid van 13.15 fps, vergeleken met bijna 30 fps op het eenvoudigere systeem. De kwaliteit van de resultaten hangt af van de invoerapparatuur, en de onderzoekers ontdekten dat wanneer de invoer werd verdeeld tussen low-end camera's en apparatuur van hogere kwaliteit, een nauwkeurigheidspercentage van bijna 96% mogelijk was op de betere kit en 74.35% op de goedkopere kit. camera's.

Beperking van erkende overtredingen

Naast het economisch levensvatbaar maken van het systeem, willen de onderzoekers een volledig geautomatiseerd systeem ontwikkelen met een minimum aan menselijk toezicht, en het systeem is ontworpen om automatisch boetes uit te delen. Aangezien de wetten rond het gebruik van mobiele telefoons tijdens het rijden echter wereldwijd strenger worden, met straffen die meer kunnen zijn dan louter boetes of puntenaftrek van het rijbewijs (dwz in het VK), lijkt het waarschijnlijk dat terloopse menselijke verificatie een factor zal blijven bij de inzet van zo'n systeem.

Ondanks het gebruik van optische stroom en andere methoden om rekening te houden met de volledige video-inhoud, beschouwen objectherkenningsalgoritmen zoals YOLO elk frame als een 'compleet verhaal' en het volgende frame als een volgend project. Daarom moet worden voorkomen dat een systeem van deze aard (bijvoorbeeld) 128 afzonderlijke boetes oplegt voor 128 videobeelden waarop overtredingen zijn vastgelegd.

Om dit te voorkomen, bevat het systeem het algoritme voor het volgen van objecten Diep SORTEREN, dat een unieke 'incident-ID' toevoegt aan elke herkenning van een overtreding, en ervoor zorgt dat de ID niet wordt gedupliceerd tussen frames binnen een enkele opnamereeks.

Omgaan met nachtbewaking

Voor nachtelijke omstandigheden gebruiken de onderzoekers standaard infraroodopname, zoals gebruikt in eerdere onderzoeksprojecten waarin dezelfde uitdaging werd onderzocht. Ze testten IR-golflengten van 850 en 730 nanometer en ontdekten dat de beste details werden vastgelegd met 730 nm.

De paper beweert dat verder onderzoek nodig is om te bepalen in hoeverre infraroodopname overdag kan worden gebruikt.

Data

Voor de zuinigere single-step versie van het systeem gebruikten de onderzoekers 2,235 kentekenplaten van de Google Open Beelden-dataset, en 2150 standaard en op maat gemaakte afbeeldingen van mobiele telefoons. Omdat het nodig was om afbeeldingen op te nemen van telefoons die door chauffeurs werden vastgehouden, werden 1,700 van de telefoonafbeeldingen specifiek voor het project gemaakt.

Het tweestapssysteem vereiste de annotatie van 487 voorruiten, die werden gebruikt om de eerste stap van het proces te trainen, naast de gegevens die werden gebruikt in het eenstapsproces.

Omdat er geen toegang was tot de officiële wegbewakingsinfrastructuur, werden alle foto's gemaakt door vrijwilligers om vergelijkbare omstandigheden te benaderen.

Trade-offs

De uiteindelijke resultaten bieden een reeks nauwkeurigheidsnormen die moeten worden afgewogen tegen de implementatiekosten, waarbij superieure opnameapparatuur en verwerkingsresultaten de grootste nauwkeurigheid bieden, en aantoonbaar 'aanvaardbare' nauwkeurigheid die kan worden verkregen door goedkope retrofit van bestaande stedelijke bewakingsapparatuur .

De goedkopere 'single-step'-pijplijn bereikt een nauwkeurigheid van bijna 75%, met de laagste implementatiekosten (dwz de montage van een goedkoop polarisatiefilter), terwijl het complexere tweestaps-systeem (dat het voorruitgebied isoleert alvorens een mobiel apparaat dat door de bestuurder wordt vastgehouden) behaalt hogere nauwkeurigheidspercentages, maar is mogelijk alleen geschikt voor nieuwe infrastructuur, afhankelijk van het beschikbare budget. In beide gevallen is de kwaliteit van de opnameapparatuur een extra variabele.

Zoals hierboven opgemerkt, lijkt de perceptie van de onderzoekers van de levensvatbaarheid van het project gebaseerd te zijn op de aanname dat het systeem volledig autonoom zou moeten werken – een twijfelachtige vereiste.

Bekijk de officiële video van het project hieronder voor meer details over de implementatie en de gebruikte benaderingen.