Стоит признать, мы таки живем в эпоху киберпанка. Он не похож (пока) на мрачные миры Ридли Скотта и сестёр Вачовски, но вполне отвечает меткому определению: high tech, low life. К третьему десятилетию двадцать первого века российская провинция так и не научилась содержать пешеходную инфраструктуру в достойном состоянии, но плотно обвешалась уличными веб‑камерами, круглосуточно взирающими на пробирающихся по заснеженным тропинкам пешеходов.
Небольшое исследование сети подсказывает, что системы аналитики качества уборки дорог и тротуаров зимой на основе данных камер уже внедрено, например, в Москве и Казани. Но то ли это тайна реализации, то ли на самом деле оно так и есть, озвучено отслеживание (в том числе визуально) именно уборочной техники, а главная метрика — счастье пешехода, осталась без внимания. Хотя делается это именно для пешеходов, и параметры их движения (скорость, направление и т. д.), кажется, должны полностью характеризовать качество работы служб ЖКХ.
В это же время мы уже имеем громадные сети камер в наших городах, захватывающих большу́ю часть дорожной инфраструктуры вместе с переходами и тротуарами. К потоку и записям с этих камер имеется доступ, что позволяет применить алгоритмы компьютерного зрения для анализа движения пешеходов.
Проберёмся к истине сквозь сугробы видео-анализа. Откроем карту города, выберем несколько камер, выгрузим видеопоток, полученный в одинаковое время в будние дни. Сделаем это при разных погодных условиях: после снегопада, в гололедицу и при небольшой плюсовой температуре. За идеал возьмём сухой и ясный день.
Далее описывается процесс поэтапной обработки видео-данных и последующего извлечения из них метрик, отражающих качество поддержания пешеходной среды.
Шаг первый: детектируем пешеходов
Чтобы не быть голословным, сразу статья: Object Detection in 2023: The Definitive Guide. Тема очень популярная, написано по ней немало. Подходы делятся на два периода. Первый — традиционный, главное из него: детектор Виолы — Джонса (2001), детектор на основе гистограммы направленных градиентов (2006), а также детектор на основе модели деформируемых деталей (2008). После 2014 года безоговорочную власть в этой области захватили алгоритмы на основе свёрточных нейронных сетей. Среди последних выигрывает YOLO, он точен и достаточно быстр (есть шустрая tiny‑версия, немного жертвующая точностью).
Не долго думая, решаем в сторону YOLO. Он живет на GitHub, где можно скачать веса предобученных моделей. В нашей задаче вполне достаточно tiny‑версии, по причине, которую озвучу позже.
Шаг второй: отслеживаем пешеходов
Итак, пешеходов на видео нашли. Но этого не достаточно, чтобы отследить их передвижение — пока что все детектированные объекты на видео — один и тот же квантовый пешеход. С задачей трекинга в связке с YOLO отлично справляется алгоритм DeepSort. Связывание строится на основе внешних признаков объектов и их динамики движения. Есть статья на Хабре, есть готовый код на GitHub.
Отлично, теперь мы знаем о перемещениях пешеходов по изображению. Можем измерить пиксели за кадр. Чего, конечно, делать не будем, а проследуем в реальный мир с метрами и секундами.
Шаг третий: исправляем дисторсию
Если приглядеться к имеющимся «пикселям за кадр», видно, что ближе к краю изображения пешеходы двигаются медленнее. В реальности это, естественно, не так — объектив камеры деформирует изображение по типу «бочка», сжимая объекты на периферии кадра. В идеальном мире, каждая камера калибруется отдельно и дисторсия компенсируется на основе полученных данных. В реальности, зная модель камеры, можно найти в сети ее коэффициенты дисторсии и довольствоваться этим.
В коде с использованием OpenCV в Python это выглядит следующим образом
import numpy as np
import cv2
# исходное изображение
src = cv2.imread("frame.jpg")
width = src.shape[1]
height = src.shape[0]
# коэффициенты дисторсии
distCoeff = np.zeros((4, 1),np.float64)
# уникальны для конкретной модели
k1 = -1.0e-5;
k2 = 0.0;
p1 = 0.0;
p2 = 0.0;
distCoeff[0,0] = k1;
distCoeff[1,0] = k2;
distCoeff[2,0] = p1;
distCoeff[3,0] = p2;
# внутренняя матрица камеры
cam = np.eye(3, dtype=np.float32)
cam[0,2] = width/2.0 # центр по x
cam[1,2] = height/2.0 # центр по y
cam[0,0] = 10. # фокусное расстояние по x
cam[1,1] = 10. # фокусное расстояние по y
# исправленное изображение
dst = cv2.undistort(src, cam, distCoeff)
Интересный момент. Зная, что пешеходы, при достаточном количестве накопленных данных, должны двигаться с одинаковой средней скоростью по всей площади кадра (при условии схожих условий), можно, измеряя их скорость, калибровать камеры. Задача преобразования изображений сводится в этом случае к выравниванию средней скорости по всей площади кадра.
Шаг четвертый: проецируем землю
Тот прямоугольник поверхности земли, который мы видим в кадре в реальности имеет очертания вытянутой трапеции. Перевести координаты пешеходов в плоскость земной поверхности призвана перспективная проекция.
Преобразование выполняется путем умножения на трехмерную матрицу проекции, коэффициенты которой можно получить, взяв несколько точек из кадра и задав соответствующие им точки в плоскости проекции. Я для этого взял два объекта: один на переднем, другой на заднем плане, имеющие одинаковый в действительности размер.
Как преобразование выглядит в коде
import cv2
import numpy as np
points_from = [[15, 225], ...] # исходные точки
points_to = [[960, 225], ...] # точки после преобразования
src = np.float32(points_from)
dst = np.float32(points_to)
M = cv2.getPerspectiveTransform(src, dst) # прямая матрица трансформации
Minv = cv2.getPerspectiveTransform(dst, src) # обратная матрица трансформацииПеремножая координаты в плоскости кадра на полученную матрицу мы переводим их в координаты земной поверхности. Наглядно это можно увидеть, подействовав матрицей на изображение с помощью функции OpenCV warpPerspective. При этом получается следующее изображение, примерно отвечающее виду сверху на рассматриваемую сцену:
Проекция импровизированной координатной сетки с помощью обратной матрицы трансформации в плоскость кадра дает следующий результат:
Шаг пятый: вычисляем скорость
Теперь все готово — массив точек, полученный на выходе алгоритма трекинга, мы подвергаем двум последовательным преобразованиям, сначала исправляя дисторсию, а затем выполняя перспективную проекцию. Эти координаты можно использовать для анализа движения пешеходов.
Для каждой из полученных координат мы сохранили соответствующий порядковый номер кадра. Это спасает нас в ситуации, когда детектор пропускал цель один или несколько кадров подряд. Этим грешит tiny‑версия YOLO. Но пешеходы, как правило, движутся прямолинейно, и сохраненный номер кадра позволяет вычислить скорость даже с пропущенным в процессе движения координатами.
Как выглядит вычисление скорости
PX_PER_METER = 235 # пикселей на метр в проекции
FRAMES_PER_SECOND = 14.4 # частота кадров в видео
distance = 6 # на сколько пикселей сместился пешеход между кадрами
frames_passed = 2 # сколько кадров сменилось между последовательными детектированиями
speed = (distance / frames_passed) * (FRAMES_PER_SECOND / PX_PER_METER) Для перевода полученного значения скорости в км/ч его остается домножить полученную величину на 3.6.
Шаг шестой: считаем метрики
В голову приходят две метрики, отражающие насколько быстро движутся пешеходы и насколько скученно и прямолинейно пролегают траектории их движения.
Средняя скорость пешеходов.
Суммарная площадь траекторий.
Прямолинейность траекторий.
Для получения средних значений скорость усредняем по медиане, нивелируя выбросы вроде стоящих на одном месте людей и ошибок трекинга, площадь считаем, суммируя координаты с движением.
Шаг седьмой: рисуем картинки и графики
Переходим к тепловым картам и графикам. Как уже было указано выше, были выбраны четыре типа погодных условий:
после снегопада (тротуары не расчищены);
гололедица (тротуары не обработаны);
небольшая плюсовая температура;
сухой и ясный день;
Последнее в списке состояние считаем базовым, когда ничего не затрудняет движение пешеходов.
Посмотрим поведение пешеходов при "плохих" условиях. Наносим вычисленные значения на координатную сетку (цвет кодирует среднюю скорость движения, яркость — плотность движения в этой области).
Далее смотрим на движение в гололедицу и замечаем как заметно падает скорость и плотность передвижения пешеходов.
Теперь попробуем другой печальный вариант — не убранный после сильного снегопада снег. Пешеходы в этом случае придерживаются тропинок, что, впрочем, не сильно сказывается на скорости.
Посмотрим на числовые значения скорости и площади. Скорость в километрах в час, площадь в «попугаях» — координатах импровизированной координатной сетки.
Ничего сверхъестественного, но забавно. В гололед мы передвигаемся медленнее всего. По снежным тропинкам быстрее, хотя и не сильно. Но двигаемся при этом очень скученно вдоль протоптанных направлений. В гололед же разбредаемся максимально широко, минуя встречных прохожих и в поисках лучшего сцепления.
Еще раз взглянем на все тепловые карты вместе с идеально чистым асфальтом.
Никаких сюрпризов. По сухому асфальту люди передвигаются значительно быстрее и свободны выбирать любые направления. Тепловая карта в этом случае похожа на полученную в условиях гололеда, но является более зеленой-быстрой. Сумма закрашенных квадратов сетки в обратной зависимости отражает то, насколько скученны траектории пешеходов.
Посмотрим на третью метрику: прямолинейность движения. Берем первую и последнюю точку каждой траектории (человек вошел в кадр — человек вышел из кадра). По этим двум точкам нормируем все полученные траектории на одну прямую. Картина выходит следующей.
Считаем среднеквадратичное отклонение от центра для самых удаленных от центра точек траекторий. Что имеем: прямолинейнее всего пешеходы перемещаются в условиях сухого асфальта и гололеда. В слякоть люди выбирают маршрут более придирчиво и чаще отклоняются от условной прямой. Самыми же кривыми путями в нашем случае пешеходы ходили по тропинкам в снегу (такие вот получились тропинки). В конечном счете эти значения, естественно, сильно зависят от характера среды в моменте, но при усреднении по району или городу, вероятно, должны показывать примерно постоянную картину.
Нанесём полученные результаты на пузырьковую диаграмму. Главный показатель, скорость, отражает размер круга. По осям — прямолинейность движения и скученность траекторий.
Численные результаты отнормированны на максимальные значения в серии. Чем бо́льшую площадь занимают траектории на тепловой карте — тем меньше скученность движения. И, в свою очередь, чем сильнее в среднем траектория отклоняется от условной прямой, соединяющей первую и последнюю её точки — тем меньше прямолинейность движения пешехода.
Итого
Небольшое упражнение на несколько вечеров показывает, что анализируя видео с городских уличных камер, можно на основе нескольких метрик оценить насколько качественно справляются со своей работой службы ЖКХ. Где не убран снег, а где не обработан лед. Потенциально эта оценка отражает именно то, для чего и производится уборка — комфорт передвижения пешеходов.
Позднее было бы интересно провести расчёты на всех доступных городских камерах, что дало бы полную картину, а также подтвердило или опровергло надежность выбранных метрик в задаче оценки качества содержания городской среды.
