Stalo se vám někdy, že jste na silnici zažili situaci a řekli si, že být policistou, tak dotyčnému minimálně dáte pořádnou pokutu? Ty choutky, obzvlášť, když vidíme, čeho jsou na silnicích někteří schopní, chápeme. Ale je moc dobře, že jakékoliv vymáhání práva je stále jen v rukou policie.
Aplikace Speedcam Anywhere je zatím dostupná jen pro Android a jen ve Velké Británii, ale tvůrci tvrdí, že brzy bude spuštěna i pro Apple a v dalších zemích. Aplikace pracuje s umělou inteligencí a kamerou v telefonu. Podle tvůrců stačí kameru namířit na projíždějící auto, aplikace natočí krátké video s průjezdem a nahraje na servery firmy, která za appkou stojí. Celé je to ale podle nás tak trochu k ničemu.
Tvůrci aplikace tvrdí, že jim došla trpělivost s tím, jak jsou řidiči nebezpeční. „Speedcam Anywhere byl vyvinut, aby upozornil na problém překračování rychlosti. Vysoká rychlost zvyšuje pravděpodobnost dopravních nehod, je významnou příčinou úmrtí chodců a také stále zhoršujícího se znečištění ovzduší,“ píše se na webu aplikace.
Pozor na nové policejní Škody Kodiaq. Jenomže to je ten problém. Například u nás je k měření rychlosti možné používat jen certifikovaná zařízení. A něco nám říká, že ve Velké Británii to je stejně. Z aplikace, která se tváří tak, že dělí světové dobro, je tak podle nás jen velmi jednoduchý zdroj dat a peněz pro jejího tvůrce. Ten vsadil na chuť některých ostatních vychovávat, kontrolovat a určovat jim život.
Zajímavější jsou ovšem informace, ke kterým se dostane. Sice tvrdí, že si data nijak nenechává, ale otázkou je, jaká je realita. Aplikace je schopna rozpoznat místo, kde k překročení rychlosti došlo, ale i druh auta, umí rozpoznat jeho registrační značku, ale získá data i o tom, kdo appku používá.
V rámci této dizertační práce se zaměřuji na Inteligentní dopravní systémy a Počítačové vidění - především automatické měření rychlosti a rozpoznání automobilů podle typů. Rozpoznání automobilů podle typů je úkol, ve kterém system má predikovat přesný typ (např. Škoda Octavia combi mk2) pro daný obrázek automobilu. Publikoval jsem dva články, které popisují navrvený přístup k tomuto problému a tvoří jádro této dizertace.
Prezentovaná metoda je založena na 3D obalových kvádrech postavených okolo automobilů, které jsou následně využity pro rozbalení obrázku automobilu do roviny a tudíž normalizaci vstupu neuronové sítě, která dělá následné rozpoznání. Přístup byl dále rozpracován v druhé publikaci, kde je navržena metoda pro určení tohoto 3D obalového kvádru z jediného obrázku - tudíž není nutné mít zkalibrovanou kameru.
Poznámka: pro rychlostní odhad z jednoho záběru platí, že experimentální výsledky ukazují zlepšení a redukci chyb v měření díky 3D bounding box technikám.
Experimentální výsledky ukazují, že navržená metoda zlepšuje úspěšnost rozpoznání o 12 procentních bodů - chyba rozpoznání byla redukována o 50 procent. Při měření rychlosti má systém za úkol odhadnout rychlost projíždějících aut z videa a cílem je plně automatický proces bez manuální kalibrace.
Odhad rychlosti JAKÉHOKOLI objektu ve videu pomocí počítačového vidění (detekce rychlosti vozidla s YOLO 11)
Jelikož neexistoval žádnýDataset, který by obsahoval velké množství průjezdů s přesně změřenou rychlostí, tak jsme nejprve takovýto dataset pořídili. Dále jsem navrhnul metodu pro plně automatickou kalibraci dopravní dohledové kamery, což umožňuje měřit rychlost automobilů pozorovaných touto kamerou. Metoda je založena na odhadu kalibrace pomocí detekovaných úběžníků scény a následného zarovnání 3D modelů několika běžných typů automobilů. Experimentální výsledky ukazují, že navržená metoda dosahuje průměrné chyby měření rychlosti 1,10 km/h.
Rychlost vozidel smí bez omezení měřit pouze Policie ČR. Obecní/městská policie je také oprávněna měřit rychlost vozidel, musí však dodržovat některá omezení. Především je omezena ve výběru míst, na kterých má měření rychlosti probíhat. Obecní/městská policie totiž smí měřit rychlost pouze na místech určených Policií ČR.
O místa měření se dříve staraly soukromé společnosti, které provozovaly stacionární radary a předávaly obrazové záznamy řidičů. Nejvyšší správní soud se k těmto praktikám vyjadřoval v dubnu 2008. V ČR se pro měření rychlosti používají radarové či laserové měřiče rychlosti, úsekové měření a stacionární radary mají společný základ - dlouhodobě kontrolují dodržování rychlosti na určitém místě.
Stacionární radar měří aktuální rychlost vozidla na jednom konkrétním místě; úsekové měření počítá průměrnou rychlost vozidla v měřeném úseku. Rozdílné je i využití mobilních radarů a měření z jedoucího vozidla pomocí různých systémů.
Z hlediska technologií pro měření a dohled je popisována řada systémů, včetně OCR pro čtení SPZ a propojení s tachometry. Externí zdroje dat mohou být obcím pronajímány a provoz zajišťuje dodavatel.
V Brně se o systému úsekového měření hovoří roky, ale dosud nebyl uveden do provozu. Dohlíží se na záznamy z dohledových kamer a měření se uvažuje pro statistické účely, zatímco pro pokuty by bylo zapotřebí certifikace.
Na závěr: během akce Speed Marathon bylo v Brně pouze za jeden den zastaveno přes 160 řidičů, kteří překročili rychlost.
Praktické poznámky k měření rychlosti z videa
- Veškeré měření by mělo vycházet z platné legislativy a certifikovaných zařízení v dané zemi.
- Automatické měření vyžaduje kalibraci a přesnou orientaci kamery vůči vozidlům; bez ní je odhad rychlosti značně nejistý.
- V_testovací dataset a větší množství záběrů s přesnou rychlostí jsou zásadní pro validaci jakékoliv metody měření ze záznamu.
- Měření z jedoucího vozidla a z automatických systémů představuje pokročilý obor v oblasti počítačového vidění a inteligentních dopravních systémů.
Současný stav a výzvy
Rychlost vozidel je možné měřit z různých zdrojů - stacionární radary, úsekové měření, mobilní radary, nebo z dohledových kamer s OCR. Pro modifikace a širší použití technologií je klíčová certifikace, kalibrace a ochrana soukromí uživatelů.
V kontextu dizertace je zdůrazněno, že 3D obalové kvádry a single-image 3D bounding box techniky mohou významně zlepšit přesnost rozpoznání typu vozidel a zároveň umožnit robustní odhad rychlosti z videa bez nutnosti kalibrace kamery.