การระบุการใช้โทรศัพท์มือถือของคนขับด้วยตัวกรองเชิง偏ส่วนและการรู้จำวัตถุ

นักวิจัยในสหราชอาณาจักรได้เสนอระบบด้านข้างถนนเพื่อตรวจจับการใช้โทรศัพท์มือถือที่ผิดกฎหมายในหมู่คนขับโดยใช้ตัวกรองเชิง偏ส่วนและระบบการบันทึกอินฟราเรด โดยขึ้นอยู่กับคุณภาพของอุปกรณ์การบันทึก ระบบได้แสดงอัตราความแม่นยำสูงถึง 95.81% ในการทดลองในโลกแห่งความเป็นจริง

หนึ่งในโมเดลของนักวิจัยที่ทำงานอยู่ พื้นที่กระจกหน้าต่างถูกกำหนดและแยกออกเป็นพื้นที่จับภาพสำหรับการค้นหาภาพของโทรศัพท์มือถือ ระบบได้รับการออกแบบให้ละเว้นโทรศัพท์มือถือที่ติดตั้งไว้และค้นหาเครื่องมือที่ถูกจับโดยคนขับ Source: https://www.youtube.com/watch?v=PErIUr3Cxvg

การวิจัย นี้ มีชื่อเรื่องว่า การระบุการละเมิดการใช้โทรศัพท์มือถือของคนขับโดยใช้การรู้จำวัตถุระดับแนวหน้าพร้อมการติดตาม และมาจากโรงเรียนคอมพิวเตอร์ของมหาวิทยาลัยนิวคาสเซิล

การเอาชนะการสะท้อนของกระจกหน้าต่าง

แนวทางที่ผ่านมาในการตรวจจับการใช้โทรศัพท์มือถือในหมู่คนขับได้รับอุปสรรคจากความสะท้อนของกระจกหน้าต่างในช่วงเวลากลางวัน ซึ่งถูกทำให้แย่ลงเมื่อการสะท้อนจากกลุ่มเมฆขนาดใหญ่ทำให้ภายในรถยนต์ไม่ชัดเจน ในกรณีเหล่านี้ไม่สามารถแก้ไขได้ด้วยการบันทึกอินฟราเรด เนื่องจากความเข้มของแสงอินฟราเรดที่จำเป็นในการทะลุแสงธรรมชาติจะใช้ทรัพยากรมาก

ดังนั้น นักวิจัยจากนิวคาสเซิลจึงเสนอเทคนิคเก่าแก่ที่สุดในหนังสือ (ซึ่งย้อนกลับไปถึงปี 1812) เพื่อกำจัดการสะท้อนจากพื้นผิวกระจก – ตัวกรองเชิง偏ส่วนที่มีราคาไม่แพงซึ่งสามารถติดกับกล้องตรวจการณ์ทางด้านข้างถนนได้ และสามารถปรับแต่งได้เพียงครั้งเดียว จากนั้นจะทำให้สามารถมองเห็นภายในรถยนต์ได้ชัดเจน

ด้านบน คือมุมมองที่ไม่มีการกรองของกระจกหน้าต่าง ด้านล่าง คือมุมมองเดียวกันกับตัวกรองเชิง偏ส่วนที่ติดกับกล้อง Source: https://arxiv.org/pdf/2109.02119.pdf

ด้วยการเปลี่ยนจากกล้องที่มีเฉพาะจุดไปสู่เซ็นเซอร์ที่ใช้โทรศัพท์มือถือ ตัวกรองเชิง偏ส่วนมักจะถูกนำมาใช้ในแว่นตาที่มีคุณภาพดี โดยผู้สวมสามารถสังเกตคุณสมบัติการกำจัดการสะท้อนได้โดยการเปลี่ยนทิศทางหรือมุมมองบนพื้นผิวที่สะท้อน

แสงอาทิตย์จะถูกกระจายโดยโมเลกุลของออกซิเจนและไนโตรเจน โดยมีแสงสีน้ำเงินถูกกระจายมากที่สุด ทำให้สีน้ำเงินเป็นสีที่แท้จริงของท้องฟ้าที่มีแสงอาทิตย์ สีน้ำเงินถูกขั้วโลก และเลนส์ที่มีขั้วโลกเชิงเส้นหรือวงกลมสามารถกำจัดการสะท้อนได้อย่างมีประสิทธิภาพ โดยการกำจัดแสงเชิง偏ส่วนในกระบวนการ

รายงานยอมรับว่ากระจกหน้าต่างที่มีการทาสีดำอาจขัดขวางหรือแม้กระทั่งทำให้วิธีการนี้ไม่สามารถใช้ได้ อย่างไรก็ตาม เนื่องจากสิ่งนี้ถูกจำกัดโดยกฎหมายของสหราชอาณาจักร โดยมีกฎหมายที่แตกต่างกันไปในแต่ละรัฐในสหรัฐอเมริกา รายงานจึงไม่พิจารณาว่าเป็นอุปสรรคหลัก

YOLO

ระบบที่รายงานเสนอให้ถูกผสมผสานเข้ากับโครงสร้างพื้นฐานของเมือง เช่น กล้องตรวจการณ์ทางด้านข้างถนนของภาครัฐ ที่ตระหนักถึงอุปสรรคที่อาจเกิดขึ้นเกี่ยวกับต้นทุน นักวิจัยได้ทดสอบการกำหนดค่าระบบการรู้จำวัตถุหลายแบบที่มีคุณภาพของอุปกรณ์การบันทึกต่างกัน และให้สถานการณ์ที่มีต้นทุนต่ำที่สุด โดยที่ตัวกรองเชิง偏ส่วนที่มีราคาไม่แพงสามารถถูกเพิ่มเข้ากับกล้องที่มีอยู่แล้ว โดยที่ทุกด้านของระบบอื่นๆ จะถูกควบคุมระยะไกล

ได้ทดสอบเฟรมเวิร์กการรู้จำวัตถุ 4 แบบ: You-Only-Look-Once (YOLO) เวอร์ชัน 3 และ 4; SSD เบสเน็ตเวิร์ก; Faster R-CNN; และ CenterNet ผลการทดลองที่แม่นยำที่สุดได้รับจาก YOLO V3 โดยใช้กระบวนการที่มี 2 ขั้นตอน ซึ่งกำหนดพื้นที่กระจกหน้าต่างก่อนแล้วค้นหาโทรศัพท์มือถือในพื้นที่นั้น

อย่างไรก็ตาม การต้องผ่านวิดีโอด้วย 2 เน็ตเวิร์กทำให้อัตราเฟรมต่อวินาทีไม่เหมาะสมที่ 13.15 เฟรมต่อวินาที เมื่อเทียบกับระบบที่ง่ายกว่าซึ่งใกล้เคียง 30 เฟรมต่อวินาที คุณภาพของผลลัพธ์ขึ้นอยู่กับอุปกรณ์เข้า และนักวิจัยพบว่าเมื่อเข้าถึงอุปกรณ์ที่มีคุณภาพต่ำและอุปกรณ์ที่มีคุณภาพสูง อัตราความแม่นยำที่ใกล้เคียง 96% สามารถทำได้ด้วยอุปกรณ์ที่ดีกว่า และ 74.35% กับกล้องที่มีราคาต่ำกว่า

การจำกัดการละเมิดที่รู้จัก

นอกเหนือจากการทำให้ระบบมีความเหมาะสมทางเศรษฐกิจ นักวิจัยกังวลเกี่ยวกับการพัฒนาระบบที่ทำงานอัตโนมัติเต็มรูปแบบ โดยมีการกำกับดูแลของมนุษย์ให้น้อยที่สุด และระบบได้รับการออกแบบให้ส่งใบแจ้งความโดยอัตโนมัติ อย่างไรก็ตาม เนื่องจากกฎหมายเกี่ยวกับการใช้โทรศัพท์มือถือขณะขับรถกำลังเข้มงวดขึ้นทั่วโลก โดยมีผลกระทบที่อาจเกินกว่าเพียงค่าปรับหรือการหักคะแนนใบขับขี่ (เช่น ในสหราชอาณาจักร) ดูเหมือนว่าอาจมีการตรวจสอบของมนุษย์เป็นครั้งคราวในการใช้งานระบบดังกล่าว

แม้ว่าจะใช้การไหลของแสงและวิธีอื่นๆ เพื่อพิจารณาเนื้อหาของวิดีโอทั้งหมด อัลกอริทึมการรู้จำวัตถุ เช่น YOLO จะพิจารณาแต่ละเฟรมเป็น ‘เรื่องราวที่สมบูรณ์’ และเฟรมถัดไปเป็นโครงการที่ตามมา ดังนั้น ระบบประเภทนี้จะต้องถูกป้องกันไม่ให้ออกใบแจ้งความ (เช่น) 128 ใบสำหรับ 128 เฟรมของวิดีโอที่จับภาพการละเมิด

เพื่อหลีกเลี่ยงสิ่งนี้ ระบบได้รวมอัลกอริทึมการติดตามวัตถุ Deep SORT ซึ่งเพิ่ม ‘รหัสเหตุการณ์’ ที่ไม่ซ้ำกันสำหรับการรู้จำการละเมิดแต่ละครั้ง และรับรองว่ารหัสนั้นจะไม่ซ้ำกันในเฟรมภายในซีเควนซ์การจับภาพเดียวกัน

การรับมือกับการตรวจการณ์เวลากลางคืน

สำหรับสภาพเวลากลางคืน นักวิจัยใช้การบันทึกอินฟราเรด โดยทดสอบความยาวคลื่นอินฟราเรด 850 และ 730 นาโนเมตร และพบว่ารายละเอียดที่ดีที่สุดถูกจับได้ด้วย 730 นาโนเมตร

รายงานระบุว่าการสอบสวนเพิ่มเติมจำเป็นต่อการกำหนดขอบเขตที่การบันทึกอินฟราเรดสามารถใช้ได้ในช่วงเวลากลางวัน

ข้อมูล

สำหรับระบบที่มีกระบวนการเดียวที่มีราคาไม่แพง นักวิจัยใช้ภาพ 2,235 ภาพของป้ายทะเบียนรถยนต์จาก ชุดข้อมูล Google Open Images และ 2150 ภาพของโทรศัพท์มือถือที่มีอยู่และถูกสร้างขึ้นสำหรับโครงการ เนื่องจากจำเป็นต้องรวมภาพของโทรศัพท์มือถ่ที่ถูกจับโดยคนขับ จึงมีภาพโทรศัพท์มือถือ 1,700 ภาพที่ถูกถ่ายเฉพาะสำหรับโครงการ

ระบบที่มี 2 ขั้นตอนต้องการการบันทึก 487 ภาพของกระจกหน้าต่างที่ใช้ในการฝึกอบรมขั้นตอนแรกของกระบวนการ นอกเหนือจากข้อมูลที่ใช้ในกระบวนการเดียว

เนื่องจากไม่มีการเข้าถึงโครงสร้างพื้นฐานการตรวจการณ์ทางถนนอย่างเป็นทางการ จึงมีการถ่ายภาพทั้งหมดโดยอาสาสมัครเพื่อจำลองสภาพที่คล้ายกัน

การแลกเปลี่ยน

ผลลัพธ์สุดท้ายให้มาตรฐานความแม่นยำที่หลากหลายซึ่งจะต้องถูกแลกเปลี่ยนกับต้นทุนการนำไปใช้ โดยมีอุปกรณ์การบันทึกที่มีคุณภาพสูงและผลลัพธ์การประมวลผลที่ให้ความแม่นยำสูงสุด และความแม่นยำที่ ‘ยอมรับได้’ สามารถทำได้ด้วยการปรับอุปกรณ์ตรวจการณ์ทางด้านข้างถนนแบบมีราคาไม่แพง

ระบบ ‘กระบวนการเดียว’ ที่มีราคาไม่แพงสามารถทำความแม่นยำได้ใกล้เคียง 75% โดยมีต้นทุนการนำไปใช้ที่ต่ำที่สุด (เช่น การติดตั้งตัวกรองเชิง偏ส่วนที่มีราคาไม่แพง) ในขณะที่ระบบที่มี 2 ขั้นตอน (ซึ่งแยกพื้นที่กระจกหน้าต่างก่อนที่จะค้นหาโทรศัพท์มือถือที่ถูกจับโดยคนขับ) สามารถทำความแม่นยำได้สูงกว่า แต่อาจเหมาะสมกับโครงสร้างพื้นฐานใหม่เท่านั้น โดยขึ้นอยู่กับงบประมาณที่มีอยู่ ในทั้งสองกรณี คุณภาพของอุปกรณ์การบันทึกเป็นตัวแปรเพิ่มเติม

ตามที่กล่าวไว้ข้างต้น การรับรู้ของนักวิจัยเกี่ยวกับความเป็นไปได้ของโครงการดูเหมือนจะถูกแจ้งโดยสมมติฐานที่ว่าระบบควรทำงานโดยสมบูรณ์อัตโนมัติ – ซึ่งเป็นข้อกำหนดที่น่าสงสัย

ดูวิดีโออย่างเป็นทางการของโครงการด้านล่างเพื่อดูรายละเอียดเพิ่มเติมเกี่ยวกับการนำไปใช้และแนวทางที่ใช้