Исследователи из Южно-Уральского государственного университета совместно с коллегами из Индии и Саудовской Аравии предложили новый способ выявления нестандартных ситуаций в пешеходных зонах. Метод позволит повысить безопасность пешеходов.
Каждый год на дорогах по всему миру погибают более 270 тысяч пешеходов. В основе существующих моделей обеспечения безопасности лежит компьютерный анализ движений пешеходов, однако, по мнению ученых из ЮУрГУ, такой подход «ненадежен» из-за проблем с масштабированием изображения.
Исследователи разработали новый метод прогнозирования столкновений пешеходов с другими участниками дорожного движения, например, с автомобилями, скейтбордистами, велосипедистами или другими объектами в пешеходных зонах. В основе решения лежит высокоточный анализ изображений с дорожных видеокамер с помощью нейронных сетей.
«Для обнаружения на изображениях, полученных с камер видеонаблюдения, аномалий или нежелательных объектов в пешеходных зонах разработана модель CNN. Но, прежде чем применить ее к анализу изображений, необходимо провести их предварительную обработку, чтобы повысить качество изображения и убрать ненужную информацию. Это позволит ускорить анализ данных и точность выявления объектов», — рассказал старший научный сотрудник отдела интеллектуального анализа данных и виртуализации ЮУрГУ Сачин Кумар.
В рамках исследования ученые использовали нейронную сеть MRCNN, интегрированную с сетью DenseNet — «плотной» высокоточной нейронной сетью, позволяющей классифицировать изображения.
Новый метод уже доказал свою высокую эффективность. Исследователи отметили, что программа может быть востребована в службах дорожной безопасности.
Результаты исследования опубликованы в журнале Safety Science.