Automatické sledovanie dopravy v nočných podmienkach s využitím neurónových sietí

Abstrakt: 

Automatické sledovanie dopravy je významnou súčasťou inteligentných dopravných systémov umožňujúcich efektívne riadenie dopravy. Súčasné metódy automatického sledovania dopravy využívajú rôzne metódy strojového učenia, najmä hlboké učenie pomocou konvolučných neurónových sietí. Nedávny vývoj v tejto oblasti je však zameraný najmä na sledovanie dopravy za dobrej viditielnosti, teda počas dňa a za vhodného počasia. Cieľom tohto projektu je navrhnúť a implementovať automatické sledovanie dopravy v nočných podmienkach s využitím súčasných možností konvolučných neurónových sietí.

Odbor: 
Informatika
Vedecká časť: 

Cieľom projektu je navrhnúť novú metódu automatického sledovania dopravy v nočných podmienkach. Prvou časťou nášho projektu je návrh vhodného spôsobou zaznamenávania videa za takýchto podmienok. Na tento účel využijeme kamerovú techniku s možnosťou zaznamenávania v neviditeľnom infračervenom spektre. Tú využijeme v súčinnosti s infračerveným prisvietením.

V druhej fáze projektu navrhneme a implementujeme algoritmy na spracovanie takýchto záznamov. Náš prístup bude založený na existujúcich algoritmoch, ktoré dokážu spoľahlivo sledovať rôzne parametre dopravy, ale len počas dňa. Algoritmy, ktoré v tejto oblasti dosahujú najlepšie výsledky využívajú vo viacerých krokoch konvolučné neurónové siete. To nám umožnuje využiť metódy transfer learningu a adaptovať existujúce znalosti takýchto sietí na nočné podmienky. Takýto prístup je v oblasti automatického sledovania dopravy v nočných podmienkach inovatívny a umožňuje sledovanie väčšieho množstva parametrov ako doposiaľ publikované metódy. Tento prístup vyžaduje veľké množstvo trénovacích dát, dostatočnú komplexitu siete a teda značné výpočtové prostriedky aj s využitím GPU.

Socioekonomický a technologický dopad: 

Vývoj algoritmov automatického sledovania dopravy umožní efektívnejšie možnosti dlhodobej a bezprostrednej analýzy dopravy. V súčinnosti s inteligentným dopravným systémom má tento vývoj potenciál zvýšiť efektivitu a bezpečnosť dopravnej siete pri nutnosti využiť čo najmenšie množstvo ľudských zdrojov.

Výsledky tohto projektu budeme publikovať na vedeckých konferenciách zameraných na počítačové videnie.

Technická časť: 

Na prácu s kovolučnými neurónovými sieťami využijeme framework TensorFlow v Pythone. Na spracovanie obrazu využijeme knižnicu OpenCV.

TensorFlow je schopný efektívne využiť GPU značky nVidia. Veľká časť výpočtu preto bude prebiehať na GPU. Očakávané nároky projektu sú do 10,000 CPU hodín a 10,000 GPU hodín.

Spolufinancovanie: 
0.00
Výstupy: 
none