Как стать автором
Обновить

Детектирование состояния светофоров на железнодорожных переездах для фиксации нарушений ПДД

Машинное обучениеИскусственный интеллектТранспорт
Недавно столкнулись с любопытной, на вид простой, но неоднозначной, задачей детектирования состояний железнодорожных светофоров для фиксации нарушений ПДД. Проблема оказалась в том, что подключение к железнодорожной автоматике – это сложная процедура, требующая большого количества согласований, а прокладка соответствующих кабелей требует капитальных затрат. Альтернатива – детектировать состояние светофора с камеры видеонаблюдения и фиксировать факт нарушений ПДД по данным с камеры.

Предварительно поставив цель и согласовав план проведения испытаний программно-аппаратного комплекса детектирования нарушений ПДД на регулируемых железнодорожных переездах, в качестве объекта для тестирования мы выбрали Инженерный центр Октябрьской железной дороги. Там реализован полномасштабный макет железнодорожного переезда, на котором была установлена камера и комплекс для фиксации нарушений:



Процесс отладки и тестирования видеоаналитики при включенном на макете светофоре

Задачи:

  • детектирование состояния светофора на переезде в зоне видимости камеры
  • фиксация проездов ТС через переезд с распознаванием и записью номеров при красном сигнале светофора

Состав используемого аппаратно-программного комплекса:

  1. IP-камера, 2 МП
  2. Промышленный ПК Outdoor Box Micro, 2 Гб RAM, CPU Intel Atom x5, VPU Movidius
  3. Коммутатор
  4. ПО EDGE для детектирования и распознавания государственных регистрационных знаков транспортных средств

Алгоритм детектирования состояния светофора:

  1. Получение RTSP-потока с камеры
  2. Нарезка потока на фреймы
  3. Кадрирование зоны детектирования состояния сигнальных ламп
  4. Получение значения яркости для каждой ламны по N-фреймам/секундам
  5. Бинаризация значений яркостей по порогу
  6. Проверка на работу ламп в противофазе на всем анализируемом промежутке N-фреймов/секунд
  7. Возврат состояния светофора с задержкой от реального времени в N-фреймов/секунд

До бинаризации проверка нахождения ламп в противофазе выглядит так:



После бинаризации:

0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1
1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0

Демонстрация работы детектора:

Детектирование состояния железнодорожного светофора при помощи объектной видеоаналитики

Проблемы, с которыми мы столкнулись при реализации:

  1. Нельзя просто детектировать значение цвета или количество красного в зоне, так как в ночное время на камере включается ИК-подсветка, и изображение становится черно-белым.
  2. Даже измеряя значение яркости, нельзя использовать данные только с одной лампы, так как мигание, например, сигналами аварийной остановки ТС или указателем поворота, будет фиксировать отражение в лампе и плавное изменение яркости в большую и меньшую сторону. Понятно, что можно привязываться к длине волны, но это не отменяет простой возможности удаленного воздействия на состояние светофора извне.
  3. Иногда светофоры работают непредсказуемо и нужно минимизировать случайные выбросы после бинаризации, так, например, допустима ситуация, когда две лампы горят красным одновременно или значения яркостей меняются ступенчато с постоянным, но меньшим затуханием.


Ожидание и реальность в работе ж/д-светофора

Преимущества решения:

  1. Отсутствие капитальных затрат и согласований на прокладку кабельных трасс
  2. Отсутствие необходимости интеграции с железнодорожной автоматикой
  3. Наличие возможности быстрого запуска на местах (монтаж камер, разметка зон, промышленная эксплуатация)
  4. Наличие возможности постобработки данных по видеоархиву
  5. Стабильность работы в разное время суток (при сравнении замеров по изменению яркостей за период и детектированию цвета)
Теги:пддтранспортнейронные сетинейросетидетекторклассификаторсветофорпереезджелезнодорожный переездвидеоаналитика
Хабы: Машинное обучение Искусственный интеллект Транспорт
Всего голосов 12: ↑3 и ↓9-6
Просмотры2.6K

Похожие публикации

Лучшие публикации за сутки