Inteligentny licznik pojazdów

Wprowadzenie

Nasz klient to prywatna firma zajmująca się liczeniem pojazdów na drogach.

Zespół Avenga opracował półautomatyczny system do szacowania natężenia ruchu drogowego. Aplikacja została zaprojektowana w taki sposób, aby udostępniać oparty na przeglądarce internetowej interfejs użytkownika, umożliwiający przetwarzanie, raportowanie i walidację nagrań wideo dotyczących ruchu drogowego. Zespół data science był odpowiedzialny za opracowanie modelu uczenia maszynowego opartego na technologii wizji komputerowej. Rozwiązanie polegało na wykrywaniu i klasyfikowaniu pojazdu w strumieniu wideo w wielu kategoriach, śledzeniu pojazdu klatka po klatce i ostatecznie zliczaniu go przy użyciu podejścia opartego na głębokim uczeniu.

W pierwszej fazie projektu zespół data science wykorzystał wstępnie wytrenowaną architekturę YOLO na zbiorze danych COCO, która była w stanie wykryć ograniczoną liczbę wymaganych kategorii pojazdów. Późniejsze fazy rozwoju projektu miały na celu ponowne wytrenowanie dostosowanej sieci neuronowej YOLO w celu poprawnego sklasyfikowania i policzenia wszystkich wymaganych typów pojazdów, co było niemożliwe na początku z powodu braku etykietowanych danych. Wybraliśmy podejście, które natychmiast pozwala nam na jednoczesne przetwarzanie strumieni wideo i tworzenie etykietowanych zbiorów danych na przyszłe potrzeby. Rozwiązanie to składa się z inteligentnej funkcji umożliwiającej tworzenie etykietowanych obrazów ruchu drogowego, co w późniejszych fazach rozwoju powinno umożliwić trenowanie sieci neuronowej tak, by wykrywała pojazdy należące do wstępnie zdefiniowanych kategorii od momentu jej wdrożenia.

Po wykryciu obszaru ograniczonego pojazdu za pomocą YOLO, wykorzystaliśmy system śledzenia pojazdów oparty na technologii YOLO.

Po wykryciu pola ograniczającego pojazdu za pomocą YOLO wykorzystaliśmy system śledzenia pojazdu oparty na metodzie SiamMask. Wyniki z trackera zostały dodatkowo przeanalizowane w celu określenia kierunku ruchu pojazdu (w lewo i w prawo) i ulepszenia algorytmu śledzącego.

Zespół data science opracował również najnowocześniejszy zautomatyzowany algorytm detekcji DROI i linii zliczających. Pozwoliło to na w pełni zautomatyzowane przetwarzanie nagrań wideo bez konieczności ręcznego ustawiania linii zliczających w każdym przypadku, poprawę wydajności modelu i obniżenie kosztów.

Oprócz opracowania algorytmu liczenia pojazdów zbudowaliśmy rozwiązanie do sprawdzania jakości nagrań wideo i sortowania wideo wg kategorii „ręcznej” lub „automatycznej” przy użyciu usługi Azure Functions.

Rezultaty

Dzięki zastosowaniu innowacyjnych technologii, przyczyniliśmy się do „inteligentniejszego” wykorzystania integralnej części nowoczesnych miast – sieci transportowych i pomiaru przepływu ruchu oraz zmaksymalizowaliśmy wartość danych wizualnych, wdrażając najnowocześniejsze algorytmy i modele do analizy oraz manipulacji danymi obrazowymi i wideo.

Korzyści dla klienta:

• Wdrożenie skalowalnej, półautomatycznej kategoryzacji i zliczania pojazdów z wykorzystaniem technik wizji komputerowej, aby uczynić proces szybszym, dokładniejszym i ograniczyć zużycie zasobów.
• Dostosowanie algorytmów do wstępnie zdefiniowanych kategorii pojazdów i przypadków brzegowych.
• Umożliwienie przepływów pracy wspomaganych przez sztuczną inteligencję w celu zwiększenia wydajności i skalowalności.