Estás leyendo la publicación: Investigadores de la Universidad de Florida Central han desarrollado CitySim, un conjunto de datos de trayectoria de tráfico basado en video para el avance en la investigación de seguridad de vehículos
Hacer un modelo avanzado de seguridad de vehículos o investigarlo requiere un conjunto de datos anotados de alta precisión. El conjunto de datos también debe contener ciertos eventos que son críticos para la seguridad. CitySim, desarrollado por investigadores de la Universidad de Florida Central, contiene trayectorias de vehículos de alta precisión y varias funciones. Los videos de drones en lugares de alta intensidad contienen varios eventos críticos de seguridad.
A medida que la tecnología avanza hacia la era de la IA y, más específicamente, del aprendizaje profundo, los investigadores pueden construir sistemas más avanzados para la seguridad de los vehículos, por ejemplo, análisis del comportamiento del conductor, prevención de accidentes, etc. Además, necesitan más y más precisión. conjuntos de datos anotados para hacer sistemas avanzados. El uso de sensores para crear una base de datos de trayectorias de vehículos tiene fallas. Se pierde mucha información crucial que es difícil de estimar, por ejemplo, problemas en la geometría del vehículo, puntos de datos fuera del dominio de los sensores, etc. Por lo tanto, aumenta la demanda de datos de trayectoria de vehículos basados en video utilizando una vista de pájaro. Sin embargo, los conjuntos de datos basados en video existentes no son lo suficientemente buenos para su uso en la investigación de seguridad, por lo que se ha creado CitySim.
CitySim usa múltiples drones sobre un área objetivo para capturar observaciones más amplias y une todas las salidas de video en un solo video. Primero, utilizan funciones SIFT del primer y último cuadro para estabilizar cada video, alineando los cuadros. Ahora, un video de tráfico contendría objetos de interés junto con marcas viales, otros obstáculos, etc., lo que resultaría en un error de detección. Por lo tanto, esos eventos deben eliminarse. Usaron un algoritmo basado en una mezcla gaussiana para segmentar el primer plano y el fondo y luego usaron un algoritmo de pintura para eliminar los objetos no deseados. Después del filtrado de objetos, los videos de cada dron deben unirse. Coincidencia de color de histograma, coincidencia de características SIFT, etc., se han aplicado otras técnicas para unir suavemente los vehículos que se mueven de un área de drones a otra.
Fuente: https://arxiv.org/pdf/2208.11036v1.pdfUsaron Mask R-CNN para generar una máscara de segmentación de píxel a píxel sobre cada vehículo, y luego se giró el cuadro delimitador del vehículo de acuerdo con la máscara. Después de hacer un video cohesivo de cada ubicación, los objetos interesantes se detectaron usando una caja de redondeo giratoria. Además, los objetos detectados incorrectamente se eliminaron manualmente para crear un conjunto de datos más preciso.
Han evaluado la calidad del conjunto de datos en un puñado de casos de prueba. La primera tarea fue detectar un vehículo que cambia de carril y pasa de un carril a otro. La segunda tarea fue detectar vehículos que se desvían o se incorporan a un carril. Y la tercera tarea fue medir la gravedad del conflicto cuando dos vehículos se acercan a una intersección. En todos estos casos, el conjunto de datos de CitySim brindó el mejor rendimiento.
El conjunto de datos crea un mapa 3D de alta precisión de cada ubicación. Esto llevaría a realizar investigaciones sobre gemelos digitales. La detección de objetos de alta precisión, el amplio paisaje de video y todas las características del conjunto de datos permitirían a los investigadores de todo el mundo realizar investigaciones para fabricar dispositivos de seguridad para vehículos más avanzados.
Este artículo está escrito como un artículo de resumen de investigación por el personal de Marktechpost basado en el trabajo de investigación ‘CitySim: un conjunto de datos de trayectoria de vehículos basado en drones para investigación orientada a la seguridad y gemelos digitales‘. Todo el crédito de esta investigación es para los investigadores de este proyecto. Revisar la papel y github.
Por favor no olvides unirte Nuestro subreddit de ML
Echa un vistazo a https://aitoolsclub.com para encontrar 100 de Cool AI Tools
