HU

Gépi tanulás a biztonságtechnikában és a forgalomfigyelésben

A gépi tanulás segítségével hatékonyan lehet forgalmat számlálni. Mi a YOLOv5 modellt használtuk, KITTI adatkészlettel tanítva. Ez a modell pontosan osztályozza és határozza meg a járművek (személygépkocsi, teherautó, busz, kerékpár) és a gyalogosok pontos helyét.

A rendszerünk az irodaház előtt elhaladó forgalom résztvevőinek számát tárolja, típus és menetirány szerint csoportosítva.

Az intelligens kamerarendszereket járművek és emberek számlálására is használhatjuk. 

A saját, élőben is megtekinthető forgalomszámláló rendszerünknek például azt tanítottuk meg, hogy ismerje fel az irodaépület előtti főúton elhaladó járműtípusokat (motor, busz, személyautó, kerékpár) és a gyalogosokat, mindezek haladási irányát; regisztrálja, számlálja is a forgalmat, méghozzá e két szempont szerint csoportosítva, és készítsen belőle valós idejű, órára lebontott statisztikát.

Itt élőben megtekinthető

A számítógépes látás parkolóhelyek keresésére és nyilvántartására, áthaladó forgalom szűrésére, szabálytalanul parkolók vagy közlekedők észlelésére is megoldást jelent.

Forgalomszámlálás

  • Alapmodell: YOLOv5 (KITTI)
  • Bemenet: 416x416
  • Kimenet: észlelt objektum pozíciója, felismerési százaléka

A modell megkülönbözteti a személyautókat, teherautókat, buszokat, motorokat, bicikliket és embereket.

Az így felismert járműveket megszámolhatjuk, csoportosíthatjuk típus és menetirány szerint.

Dr. Balázs László– Braun Ferenc–Dr. Lengyel József: Energiamegtakarítás adaptív útvilágítással. Elektrotechnika, 2023/1-2 (PDF, új lapon nyílik)

energiamegtakaritas-adaptiv_utvilagitassal.pdf

Kocsibejárók, kapuk és területek távoli figyelése

  • Alapmodell: YOLOv5, Tiny YOLO
  • Bemenet: 224x224
  • Kimenet: észlelt objektum pozíciója, felismerési százaléka

A modell alkalmas kocsibejáró, parkoló figyelésére, tilosban álló járművek észlelésére. A Tiny YOLO modell kis erőforrás-igényű, akár böngészőben vagy okostelefonon is használható.

Emberi viselkedéselemzés

  • Alapmodell: PoseNET, MobileNET, ResNET
  • Bemenet: 640×480
  • Kimenet: 17 pont egy testen (orr, szemek, fülek, vállak, karok, csuklók, lábak, térdek, bokák)

Térfigyelő kamerák képein emberek viselkedését figyelhetjük meg ezzel a modellel. Jellemző mozdulatokra, testartásra, csoportosulásra, verekedésre, rongálásra utaló mozdulatokra jelzéseket adhatunk le vele.

Próbálja ki! (Kamera szükséges hozzá.)