anomaly detection by learning case study; road control

Abstract

"تعتبر حوادث الطرق مصدر قلق شديد الخطورة وذات أولوية عالية للصحة العامة حيث تشير الإحصاءات للمركز الوطني للوقاية والأمن عبر الطرق خلال التسعة أشهر الأولى من العام 2019 تم تسجيل 17525 حادث سير وقعت على مستوى التراب الوطني ومن بين 26954 ضحية وجدنا تقريبا 10 بالمائة منهم قد لقوا حتفهم . نتيجة عوامل الخطر المختلفة مثل السرعة ، والقيادة تحت تأثير الكحول ، وعدم وجود معدات السلامة ، والقيادة المشتتة ، والمركبة غير الآمنة ، وعدم احترام القانون ، والأهم من ذلك عدم كفاية الرعاية الطارئة بعد الاصطدام. أي تأخير في الكشف عن تقديم الرعاية الطارئة يمكن أن يؤدي ذلك إلى زيادة خطورة الحادث.

مع التقدم في مجالات الذكاء الاصطناعي والتعلم الآلي والتعلم العميق ، أصبحنا قادرين على جعل أجهزتنا أكثر ذكاءً. فإلزاما علينا تثبيت كاميرات مراقبة حركة المرور في كل جزء من المدينة تقريبًا.

نقترح في هذا البحث نظامًا لمراقبة حركة المرور قائم على الذكاء الاصطناعي يمكنه اكتشاف وقوع حوادث المركبات مثل السيارات والدراجات وغيرها في موجزات الكاميرا الحية واكتشاف تصادم هذه الأجسام المتحركة .

لهذا الغرض، قمنا بالتركيز على خوارزمية YOLO المحسّنة القادرة على اكتشاف الحوادث في الوقت الفعلي ،حيث تم تدريب النموذج على مجموعة بيانات مخصصة . يحقق متوسط دقة LR (mAP يبلغ 0.605. متبوعًا بعد ذلك بخوارزمية تتبع كائن تعتمد على خوارزمية Lucas-Kanade (LK لتتبع لقطات المراقبة. يتم تحديد احتمال وقوع الحادث بناءًا على الشذوذ في الطرق بعد تداخلها مع مركبات أخرى او انحرافها . يوفر النموذج المقترح طريقة قوية لاكتشاف الحوادث بدقة مرتفعة بنسبة 94.5 بالمائة على لقطات مراقبة CCTV لحركة المرور العامة.

تم تدريب إطار العمل هذا في ظروف متنوعة مثل ضوء النهار الواسع والرؤية المنخفضة والمطر والبرد والثلج باستخدام مجموعة البيانات المقترحة. تم العثور على إطار العمل هذا فعالاً ويمهد الطريق لتطوير خوارزميات اكتشاف حوادث المركبات للأغراض العامة في الوقت الفعلي .

""Les accidents de la route sont une préoccupation très grave et hautement prioritaire pour la santé publique, car les statistiques se réfèrent au Centre national de prévention et de sécurité, par route au cours des neuf premiers mois de l'année 2019, 17525 accidents de la route ont été enregistrés survenus au niveau national et sur 26954 victimes, nous avons constaté que près de 10% personnes ont trouvé la mort. Divers facteurs de risque tels que l'excès de vitesse, la conduite sous l'influence de l'alcool, le manque d'équipement de sécurité, la distraction au volant, le véhicule dangereux, l'application de la loi et, surtout, l'insuffisance des soins d'urgence après une collision. Tout retard dans la détection et la fourniture de soins d'urgence pourrait augmenter la gravité de l'accident.

Grâce aux progrès réalisés dans les domaines de l'intelligence artificielle, de l'apprentissage automatique et de l'apprentissage profond, nous sommes en mesure de rendre nos appareils plus intelligents et plus intelligents. Nous devons installer des caméras de circulation dans presque toutes les parties de la ville.

Dans cette recherche, nous proposons un système de surveillance du trafic basé sur l'IA qui peut détecter la survenue d'accidents de véhicules tels que des voitures, des vélos, etc. dans les flux de caméras en direct et détecter les collisions de ces objets en mouvement.

Pour cela, nous nous sommes concentrés sur un algorithme Yolo amélioré capable de détecter les incidents en temps réel, car le modèle a été formé sur un jeu de données personnalisé et a atteint une précision moyenne (mAP) de 0,605. Ceci est suivi d'un algorithme de suivi d'objets qui s'appuie sur l'algorithme Lux-Knad pour suivre les images de surveillance. La probabilité d'un accident est déterminée en fonction des anomalies des routes après qu'elles ont interféré avec ou viré d'autres véhicules. Le modèle proposé fournit une méthode robuste pour détecter les incidents avec une précision élevée de 94,5\% sur les images de surveillance CCTV du trafic public.

Ce cadre a été formé dans des conditions aussi diverses que la lumière du jour, la faible visibilité, la pluie, la grêle et la neige en utilisant l'ensemble de données proposé. Ce cadre s'avère efficace et ouvre la voie au développement d'algorithmes de détection des accidents de véhicules à usage général en temps réel."