Investigadores del Reino Unido han propuesto un sistema de carretera para automatizar la detección del uso ilegal de teléfonos móviles entre los conductores, utilizando filtros fotoópticos clásicos y captura de infrarrojos. Según la calidad del equipo de captura, el sistema ha demostrado una tasa de precisión de hasta el 95,81 % en pruebas del mundo real.
Uno de los modelos de los investigadores en acción. El área del parabrisas primero se identifica y aísla como un área de captación para una búsqueda asistida por IA de imágenes de un teléfono móvil. El sistema está diseñado para ignorar los teléfonos móviles montados y buscar dispositivos que el conductor esté sujetando activamente. Fuente: https://www.youtube.com/watch?v=PErIUr3Cxvg
Él investigar se titula Identificación de infracciones de uso del teléfono del conductor a través de la detección de objetos de última generación con seguimiento, y proviene de la Escuela de Informática de la Universidad de Newcastle.
Superar la reflectividad de los parabrisas
Los enfoques anteriores para la detección del uso de dispositivos móviles entre los conductores se han visto obstaculizados por la alta reflectividad de los parabrisas durante las horas del día, exacerbada cuando los reflejos de grupos de nubes grandes oscurecen aún más el interior del vehículo. Tales casos no pueden abordarse de manera realista con fuentes de luz infrarroja, ya que la cantidad de iluminación IR necesaria para penetrar la luz del día natural requeriría muchos recursos.
Por lo tanto, los investigadores de Newcastle proponen el truco más antiguo del libro (que se remonta a a 1812) para eliminar los reflejos de una superficie de vidrio percibida – un económico, físico filtro polarizador que podría adjuntarse a las cámaras de vigilancia en la carretera, calibrarse una vez y, a partir de entonces, permitir una visión clara del interior del vehículo.
Arriba, una vista sin filtrar del parabrisas de un automóvil. Abajo, la misma vista con un filtro polarizador físico conectado a la cámara. Fuente: https://arxiv.org/pdf/2109.02119.pdf
Con el cambio popular de cámaras dedicadas a sensores basados en dispositivos móviles, la presencia del filtro polarizador en la cultura popular se ha reducido en gran medida a su inclusión en anteojos de sol de calidad razonable, donde el usuario puede observar sus propiedades para eliminar los reflejos inclinando el punto de vista o cambiando su punto de vista sobre el objeto reflexivo.
La luz del sol es dispersada por moléculas de oxígeno y nitrógeno, y la luz azul se dispersa más que otras longitudes de onda, lo que hace que el azul sea el color nativo de un cielo despejado durante el día. La luz azul está polarizada y una lineal o circular lente polarizada puede eliminar efectivamente esta luz polarizada, eliminando los reflejos en el proceso.
El documento reconoce que los parabrisas ahumados podrían impedir o incluso frustrar este método de ver dentro del automóvil. Sin embargo, dado que esto es limitado por la ley del Reino Unidocon reglamento variando por estado en los EE. UU., el documento no considera esto como un obstáculo principal.
yolo
El sistema que propone el documento está destinado a integrarse en la infraestructura cívica, como las cámaras de vigilancia en las carreteras instaladas por el gobierno. Conscientes de los posibles obstáculos relacionados con el costo, los investigadores probaron varias configuraciones de sistemas de reconocimiento de objetos en una variedad de niveles de calidad de equipos de captura y ofrecen un escenario de costo mínimo donde se pueden agregar filtros polarizadores baratos a las cámaras existentes, con todos los demás aspectos del remoto del sistema.
Se probaron cuatro marcos de reconocimiento de objetos: You-Only-Look-Once (yolo) versiones 3 y 4; SSD red básica; R-CNN más rápido; y CenterNet. En las pruebas, los resultados más precisos se obtuvieron con YOLO V3, utilizando un flujo de trabajo de dos pasos que primero localiza el área del parabrisas y luego busca un dispositivo móvil en ese espacio.
Sin embargo, la necesidad de ejecutar el video a través de dos redes da como resultado una velocidad de fotogramas inferior a la óptima de 13,15 fps, en comparación con los 30 fps más cercanos en el sistema más simple. La calidad de los resultados depende del equipo de entrada, y los investigadores descubrieron que cuando la entrada se dividía entre cámaras de gama baja y equipos de mayor calidad, era posible una tasa de precisión cercana al 96 % con el mejor kit y del 74,35 % con el más barato. cámaras
Limitación de infracciones reconocidas
Además de hacer que el sistema sea económicamente viable, los investigadores están preocupados por desarrollar un sistema completamente automatizado con un mínimo de supervisión humana necesaria, y el sistema ha sido concebido para entregar multas automáticamente. Sin embargo, dado que las leyes sobre el uso de teléfonos móviles mientras se conduce se están volviendo más severas en todo el mundo, con sanciones que pueden exceder las meras multas o deducciones de puntos de licencia (es decir, en el Reino Unido), parece probable que la verificación humana casual siga siendo un factor en el despliegue de tal sistema.
A pesar del uso de flujo óptico y otros métodos para tener en cuenta la totalidad del contenido de video, los algoritmos de reconocimiento de objetos como YOLO consideran cada fotograma como una “historia completa” y el siguiente fotograma como un proyecto posterior. Por lo tanto, se debe evitar que un sistema de esta naturaleza emita (por ejemplo) 128 multas separadas que cubran 128 cuadros de video de captura de infracciones.
Para evitarlo, el sistema incorpora el algoritmo de seguimiento de objetos. CLASIFICACIÓN profundaque agrega una ‘ID de incidente’ única para cada reconocimiento de infracción y garantiza que la ID no se duplique en los fotogramas dentro de una sola secuencia de captura.
Manejo de vigilancia nocturna
Para las condiciones nocturnas, los investigadores utilizan por defecto la captura de infrarrojos, como se usó en proyectos de investigación anteriores que investigan el mismo desafío. Probaron longitudes de onda IR de 850 y 730 nanómetros y descubrieron que los mejores detalles se capturaban con 730 nm.
El documento sostiene que se necesita más investigación para determinar hasta qué punto la captura de infrarrojos podría usarse durante las condiciones diurnas.
Datos
Para la versión más económica de un solo paso del sistema, los investigadores utilizaron 2235 imágenes de matrículas del Conjunto de datos de imágenes abiertas de Google, y 2150 imágenes de teléfonos móviles de stock y personalizadas. Dado que era necesario incluir imágenes de teléfonos en manos de los conductores, se tomaron 1.700 de las imágenes de teléfonos específicamente para el proyecto.
El sistema de dos pasos requería la anotación de 487 parabrisas, utilizados para entrenar el primer paso del proceso, además de los datos utilizados en el proceso de un solo paso.
Dado que no había acceso a la infraestructura oficial de vigilancia vial, todas las imágenes fueron tomadas por voluntarios para aproximarse a condiciones similares.
Compensaciones
Los resultados finales ofrecen una variedad de estándares de precisión que deberían compensarse con el costo de implementación, con un equipo de captura superior y resultados de procesamiento que ofrecen la mayor precisión y posiblemente una precisión ‘aceptable’ que se puede obtener mediante la readaptación económica de los equipos de vigilancia urbana existentes. .
La tubería más económica de ‘paso único’ logra una precisión cercana al 75%, con los costos de implementación más bajos (es decir, la instalación de un filtro polarizador económico), mientras que el sistema más complejo de dos pasos (que aísla el área del parabrisas antes de buscar un dispositivo móvil sostenido por el conductor) logra índices de precisión más altos, pero puede que solo sea adecuado para una nueva infraestructura, según el presupuesto disponible. En ambos casos, la calidad del equipo de captura es una variable adicional.
Como se señaló anteriormente, la percepción de los investigadores sobre la viabilidad del proyecto parece basarse en la suposición de que el sistema debería funcionar de forma completamente autónoma, un requisito cuestionable.
Mire el video oficial del proyecto a continuación para obtener más detalles sobre la implementación y los enfoques utilizados.