Автоматическое обнаружение ДТП с помощью глубокого обучения

Аватар

Там, где существует дорожное движение, всегда будут случаться ДТП и заторы. Для тех, кто занимается поддержанием нормального трафика на автомагистралях и городских дорогах и следит за движением транспорта, важнейшая цель – сокращение перебоев в движении, вызванных авариями.

Видеo-анализ, ДТП и дoрoжнoе движение

Центры управления дорожным движением следят за дорожным движением, управляют им, информируют водителей и контролируют поток движения в реальном времени, каждый день и без выходных. Видеонаблюдение – это ключевой инструмент мониторинга автомобильных трасс, перекрестков, тоннелей и других важнейших элементов инфраструктуры. Оно позволяет в режиме реального времени следить за транспортным потоком и ДТП, авариями, заторами и пробками – всем тем, что может помешать свободному перемещению участников движения. Однако операторы не могут постоянно следить за всеми камерами одновременно, потому что возможности человека ограничены. Поэтому для активного поиска и выявления проблем в дорожном движении необходима видеоаналитика, в основе которой все шире используется искусственный интеллект и технологии глубокого обучения.

Количество ложных сигналов тревоги – важный фактор в создании доверия

Когда происходит подозрительное событие, «умные» камеры отправляют в центр управления дорожным движением сигнал и видеозапись с места происшествия, чтобы оператор мог проанализировать ситуацию и принять нужное решение. Поэтому именно количество ложных срабатываний определяет, будут ли люди доверять системе. Если операторам приходится перепроверить большое количество сигналов, которые в конечном счете оказываются ложными, то это снижает не только эффективность работы, но и доверие человека к системе. Не менее важно, чтобы система не упускала ни одного реального инцидента или аварии, которые требуют дальнейших действий, ведь именно в этом ее конечное назначение.

Кроме того, очень важно время, которое требуется для обнаружения ДТП. Чем больше проходит времени между ДТП и моментом, когда на него реагируют специальные службы, тем выше риск дальнейших аварий. Как мы все сами не раз наблюдали, движение значительно замедляется не только в направлении к месту ДТП, но и на встречной проезжей части из-за «феномена зевак». Люди засматриваются на то, что произошло на другой стороне дороги, и это часто приводит к «дополнительным» ДТП.

Прорыв в области искусственного интеллекта для обработки изображений

За последние годы произошло несколько прорывов в области искусственного интеллекта, особенно в том, что касается обработки изображений. Машинное и глубокое обучение значительно улучшили наши возможности по классификации и распознаванию людей, действий, животных и транспортных средств.

Например, наши последние инновации в методах видеоанализа с помощью глубокого обучения помогли значительно сократить количество потенциальных ложных сигналов по сравнению с традиционными технологиями обнаружения на основе пикселей, при этом сохраняя высокую точность в обнаружении и классификации действительно важных событий.

Одной из основных проблем традиционной технологии видеоанализа для наблюдения за дорожным движением – и основным источником ложных сигналов – являются тени от транспортных средств, деревьев, облаков или зданий. Сама концепция глубокого обучения состоит в том, чтобы «научить» компьютер определять и классифицировать объекты. Для наблюдения за дорожным движением компьютер обучен распознавать транспортные средства (автомобили, грузовики, мотоциклы и т. д.) и эффективно игнорировать тени.

После обнаружения объекты становятся данными. Экспертиза Citilog заключается в том, чтобы эффективно управлять ими и создавать соответствующие выходные данные для операторов. Другими словами, специалисты компании определяют, обозначают ли данные, полученные благодаря глубокому обучению, реальный инцидент, о котором должны знать операторы.

Конечно, точность механизма глубокого обучения во многом зависит от качества и четкости изображения. Именно поэтому так важен опыт Axis в производстве высококачественных камер, обеспечивающих получение изображений высокой четкости в видимом спектре.

Видеонаблюдение, лидером которого является Axis, давно вошло в цифровую эпоху и потому генерирует невероятное количество данных. Следующая задача – превратить этот огромный объем цифровых данных в информацию, которая будет помогать решать задачи пользователей систем видеонаблюдения.

В области наблюдения за дорожным движением Citilog и Axis объединяют свой многолетний опыт, чтобы сделать возможной реализацию «Концепции ноль» компании Citilog: ноль ложных срабатываний и пропущенных ДТП, ноль потерянного времени. Эта задача созвучна и миссии Axis – создавать более умный и безопасный мир.