Sürücülerin Mobil Telefon Suistimalini Polarize Edici Filtreler ve Nesne Tanıma ile Belirleme

İngiltere’deki araştırmacılar, sürücüler arasında yasadışı mobil telefon kullanımını otomatik olarak tespit etmek için bir yol kenarı sistemi önerdiler. Bu sistem, klasik foto-optik filtreler ve kızılötesi yakalama kullanıyor. Ekonomik ekipman kalitesine bağlı olarak, sistem gerçek dünya denemelerinde %95.81’lik bir doğruluk oranına ulaştı.

Araştırmacıların modellerinden biri çalışır durumda. Rüzgarlık alanı ilk olarak bir yakalama alanı olarak belirlenir ve ardından AI destekli bir mobil telefon araması yapılır. Sistem, monte edilmiş mobil telefonları görmezden gelir ve sürücü tarafından aktif olarak tutulan cihazları arar. Kaynak: https://www.youtube.com/watch?v=PErIUr3Cxvg

Bu araştırma, Newcastle Üniversitesi’nden Sürücü Telefon Kullanım İhlallerinin Nesne Tanıma ile Tespiti başlıklı bir makale olarak yayınlandı.

Rüzgarlıkların Yansıtıcılığını Aşmak

Sürücüler arasında mobil cihaz kullanımını tespit etmeye yönelik önceki yaklaşımlar, gündüz saatlerinde rüzgarlıkların yüksek yansıtıcılığı nedeniyle engellenmiştir. Bu durum, büyük bulut gruplarının iç mekanın görüşünü daha da engellemesi nedeniyle daha da kötüleşir. Bu durumlar, doğal gün ışığını delmek için gerekli olan IR aydınlatma miktarı nedeniyle gerçekçi bir şekilde IR ışık kaynakları ile ele alınamaz.

Bu nedenle Newcastle’daki araştırmacılar, 1812’ye dayanan en eski numarayı kullanmayı önerdiler – bir yol kenarı gözetim kamerasına takılabilecek, ucuz bir fiziksel polarize filtre. Bu, bir kez kalibre edildikten sonra, araç iç mekanlarına net bir bakış sağlayacaktır.

Üstte, filtresiz bir araba rüzgarlık görünümü. Altta, kamera üzerine fiziksel bir polarize filtre takıldıktan sonra aynı görünüm. Kaynak: https://arxiv.org/pdf/2109.02119.pdf

Adet camerasından mobil tabanlı sensörlere geçişle birlikte, polarize filtrelerin popüler kültürdeki varlığı büyük ölçüde azaltılmış ve makul kalitede güneş gözlüklerinde yer almıştır. Burada, wearer görüş açısını değiştirerek veya yansıtıcı nesneye bakış açısını değiştirerek yansıtma öldüren özelliklerini gözlemleyebilir.

Gün ışığında, güneş ışığı oksijen ve azot molekülleri tarafından saçılır ve mavi ışık diğer dalga boylarından daha fazla saçılır, bu da gün ışığında açık bir gökyüzünün doğal rengini mavi yapar. Mavi ışık polarize edilir ve lineer veya dairesel polarize lens, bu polarize ışığı etkili bir şekilde ortadan kaldırabilir ve yansımaları ortadan kaldırabilir.

Makale, bu yöntemin dumanlı rüzgarlıklar tarafından engellenabileceğini veya bertaraf edilebileceğini kabul eder. Ancak, bu durum İngiltere’de yasayla sınırlıdır ve ABD’de eyaletlere göre değişen düzenlemeler vardır, bu nedenle makale bunu birincil engel olarak görmez.

YOLO

Makalede önerilen sistem, hükümet tarafından kurulan yol kenarı gözetim kameraları gibi sivil altyapılara entegre edilmek üzere tasarlanmıştır. Mümkün olan maliyet engellerinin farkında olan araştırmacılar, çeşitli nesne tanıma sistemi yapılandırmalarını farklı kaliteli kamera ekipmanlarıyla test ettiler ve ucuz polarize filtrelerin mevcut kameralara eklenebileceği, diğer tüm yönlerinin uzaktan çalışabileceği bir minimum maliyet senaryosunu sunarlar.

Dört nesne tanıma çerçevesi test edildi: You-Only-Look-Once (YOLO) sürüm 3 ve 4; SSD temel ağı; Faster R-CNN; ve CenterNet. Testlerde, en doğru sonuçlar YOLO V3 ile elde edildi ve iki adımlı bir iş akışı kullanıldı. İlk olarak rüzgarlık alanı belirlenir, ardından bu alanda bir mobil cihaz aranır.

Ancak, videoyu iki ağ üzerinden çalıştırma ihtiyacı, daha optimal bir çerçeve hızından daha düşük bir çerçeve hızına, yani 13.15fps’ye neden olur. Sonuçların kalitesi, girişteki ekipman kalitesine bağlıdır ve araştırmacılar, girişin düşük kaliteli kameralar ve daha yüksek kaliteli ekipman arasında bölündüğünü ve daha iyi ekipmanda %96’ya yakın bir doğruluk oranına ulaşılabileceğini, daha ucuz kameralarda ise %74.35’lik bir doğruluk oranına ulaşılabileceğini buldular.

Tanınırlık İhlallerinin Sınırlanması

Sistemi ekonomik olarak uygulanabilir kılmaya ek olarak, araştırmacılar, minimum insan denetimi ile tam otomatik bir sistem geliştirmeye çalışıyorlar ve sistem, otomatik olarak cezalar verecek şekilde tasarlandı. Ancak, sürüş sırasında mobil telefon kullanımına ilişkin yasalar世界 genelinde daha da sertleşiyor ve yalnızca para cezaları veya ehliyet puanı kesintileri değil, daha ağır cezalar da olabilir (örneğin, İngiltere’de). Bu nedenle, böyle bir sistemin uygulanmasında insan doğrulaması muhtemelen bir faktör olarak kalacaktır.

Nesne tanıma algoritmaları gibi optik akış ve diğer yöntemler, video içeriğinin tamamını dikkate alır, ancak her kareyi ‘tam bir hikaye’ olarak değerlendirir ve bir sonraki kareyi bir sonraki proje olarak görür. Bu nedenle, böyle bir sistem, örneğin 128 ayrı ceza ihlalini kapsayan 128 karelik bir video için 128 ayrı ceza vermemelidir.

Bunu önlemek için, sistem Deep SORT nesne takip algoritmasını içerir. Bu, her ihlal tanıma için benzersiz bir ‘olay kimliği’ ekler ve bu kimliğin tek bir yakalama dizisi içindeki çerçeveler arasında tekrarlanmamasını sağlar.

Gece Gözetimi

Gece koşulları için, araştırmacılar önceki araştırmalarda kullanılan IR yakalamaya başvururlar. 850 ve 730 nanometre IR dalga boylarını test ettiler ve 730 nm’nin en iyi ayrıntıları yakaladığını buldular.

Makale, IR yakalamanın gündüz koşullarında ne ölçüde kullanılabileceğinin daha fazla araştırmaya ihtiyaç duyulduğunu iddia ediyor.

Veri

Daha ekonomik tek adımlı sistem için, araştırmacılar Google Open Images Dataset ‘ten 2.235 plaka resmi ve 2.150 stok ve özel olarak yapılan mobil telefon resmi kullandılar. Sürücüler tarafından tutulan telefon resimleri dahil olmak üzere 1.700 telefon resmi özel olarak bu proje için çekildi.

İki adımlı sistem, ilk adımda eğitilmek için 487 rüzgarlık annotasyonu gerektiriyordu, ayrıca tek adımlı işlemde kullanılan veriler de kullanıldı.

Resmi yol gözetim altyapısına erişim olmadığından, tüm resimler benzer koşulları yakalamak için gönüllüler tarafından çekildi.

Değerler ve Takaslar

Sonuçlar, uygulanma maliyetine karşı değiş tokuş edilmesi gereken çeşitli doğruluk standartları sunar. Daha iyi kamera ekipmanı ve işleme sonuçları en yüksek doğrulukları sağlar ve daha ucuz ekipmanla kabul edilebilir doğruluk elde edilebilir.

Daha ucuz, ‘tek adımlı’ işlem hattı, en düşük uygulama maliyetleriyle (örneğin, ucuz bir polarize filtre takılması) %75’lik bir doğruluk oranına ulaşır, daha karmaşık iki adımlı sistem (rüzgarlık alanını izole ettikten sonra sürücü tarafından tutulan bir mobil cihazı arar) daha yüksek doğruluk oranlarına ulaşır, ancak yalnızca yeni altyapı için uygun olabilir, mevcut bütçe bağlı olarak. Her iki durumda da, kamera ekipmanının kalitesi ek bir değişken.

Araştırmacıların projenin uygulanabilirlik algısı, sistemin tamamen otomatik olarak çalışması gerektiği varsayımıyla bilgilendiriliyor gibi görünüyor – bu, şüpheli bir gereksinim.

Projenin resmi videosunu aşağıda implementation ve kullanılan yaklaşımlar hakkında daha fazla bilgi için izleyin.