robogeek.ru

все о роботах и робототехнике

edu.robogeek.ru

все об обучении робототехнике

Новый алгоритм повысит точность распознавания пешеходов беспилотными автомобилями

Исследователи из Университета Калифорнии в Сан-Диего (UCSD) разработали систему распознавания пешеходов, которая, по утверждению разработчиков, действует практически в режиме реального времени с повышенной точностью, в сравнении с существующими системами. Исследователи считают, что данная технология может быть использована в робототехнике, автономном транспорте и в поисковых системах на основе изображения и видео.

Система была разработана под руководством профессора электротехники Нуно Васконселоса из UCSD. Его команда объединила традиционные системы машинного зрения с новой технологией глубинного обучения для повышения точности и скорости распознавания.

Цель состояла в разработке видео системы распознавания в режиме реального времени, которая позволит опознавать и классифицировать объекты, особенно людей, в условиях обычного городского транспортного потока. Это позволит беспилотным автомобилям, роботам доставки или низко-летающим дронам обнаруживать пешеходов с тем, чтобы избежать столкновений и создания заторов на трассах.

Большинство систем обнаружения пешеходов делит видимое изображение на отдельные зоны (так называемые «окна»), которые обрабатываются и программно классифицируются для определения присутствия в них человеческих фигур. Это может представлять сложную задачу для разработчиков, поскольку люди бывают разных форм и роста, а на расстоянии меняется перспектива и размер объектов. В типичных условиях реального времени это предполагает обработку миллионов таких окон при частоте видео в 5-30 кадров в секунду.

Созданная в UCSD технология распознавания реализует те же самые основные функции, но делает это поэтапно, а не одним махом. Этот алгоритм позволяет быстро отбрасывать кадры, которые, по всей видимости, не содержат человеческих фигур и сконцентрироваться на тех, где они есть. Так что кадры, которые имеют относительно однородные формы и цвета (например, небо) игнорируются в пользу заполненных кадров.

На втором этапе классифицируются и отбрасываются те кадры, которые содержат объекты, похожие по форме или цвету на человека, но не являются пешеходами (деревья, кустарники другие транспортные средства). На заключительной стадии классификации проводится все большая и большая детализация, пока не останутся и будут помечены только пешеходы. Хотя все эти заключительные расчеты и процессы являются ресурсоемкими, лишь несколько из них относятся к обязательным, так что все это делается быстро.

Целью последующей работы является алгоритм постоянного компромисса между точностью и скоростью. Сейчас алгоритм работает только в задачах бинарного (да/нет) обнаружения, но команда UCSD надеется расширить его возможности для обнаружения нескольких типов объектов одновременно.

Комментарии

(0) Добавить комментарий

Ищите команду разработчиков? Не можете найти робота для своих нужд? Пишите нам!

Для обратной связи укажите ваш E-mail, он будет доступен только администратору. Так вы сможете оперативно узнать, когда ответ на ваш вопрос будет опубликован

Новые комментарии

Рынок БПЛА в России — перспективы развития и применения
Гость из будущего
23.03.2017
08:57:29
Доставка товаров дронами для нас сегодня не актуальна! Но она нам очень пригодится, когда мы все будем жить в загородных усадьбах.
Пермский Promobot снялся как актер в новом фильме “Патент”
Заинтересованный Гость
23.03.2017
08:25:09
Полностью солидарен с Гостем Юрием! ...