Visión Artificial y Nuevas Tecnologías: Aplicaciones de Seguridad Vial

Transcripción

1 Visión Artificial y Nuevas Tecnologías: Aplicaciones de Seguridad Vial Licesio J. Rodríguez-Aragón Contenidos: Visión Artificial y Seguridad Vial. Aplicación para detectar Conflictos Peatón- Vehículo. Aplicación, semáforo con un ciclo variable controlado por un sistema de Visión.

2 Visión Artificial y Seguridad Vial Las cámaras de video se han hecho presentes en nuestra vida cotidiana de forma natural. La grabación de video se ha convertido en un medio económico de adquirir gran cantidad de información. 3 3 Visión Artificial y Seguridad Vial Normalmente la presencia de una videocámara no evita la necesidad de una persona visionando imágenes y tomando decisiones. Las condiciones ambientales afectan en un altísimo grado el funcionamiento de estos sistemas (niebla, lluvia, día-noche). 4 4

3 Visión Artificial y Seguridad Vial La vigilancia a través de video cámaras permite conocer el estado de las carreteras en tiempo real, evitando y ayudando a resolver problemas. Se han comenzado a instalar video cámaras en los vehículos con el objetivo de ayudar en la conducción. 5 5 Aplicación para detectar conflictos Peatón-Vehículo Proyecto. Conflictos Peatón Vehículo. Selección y Características de los Escenarios. Adquisición de Datos e Imágenes. Procesamiento de Imágenes. Resultados y Conclusiones. Validación del Sistema y otras Aplicaciones. 6 6

4 Proyecto Proyecto encargado por la Dirección General de Tráfico. Colaboradores: FRAV, Universidad Rey Juan Carlos. Departamento de Psicología, Universidad de Salamanca. Objetivos: Análisis Secuencial de Imágenes de Tráfico en Intersecciones y pasos de peatones. Seguimiento de las trayectorias de Peatones y Vehículos. Categorización Automática de Conflictos. Predicción de Hipotéticas Colisiones. 7 7 Conflictos Peatón - Vehículo El Peatón es la parte más vulnerable en cualquier accidente de tráfico. En 003, 60 peatones se vieron implicados en Accidentes de Tráfico. 787 victimas mortales. 383 en accidentes en núcleos urbanos. 8 8

5 En núcleos urbanos 4 de cada 0 victimas mortales en accidentes de tráfico son Peatones. En Madrid, el atropello es la primera cusa de muerte en accidente de tráfico. En los últimos 0 años se ha reducido un 0% la cifra de fallecidos por atropello en zona urbana. Datos obtenidos del Estudio Accidentalidad Peatonal en Núcleos Urbanos 005, Instituto Mapfre. 9 9 Cuáles son los factores que más influyen en la accidentalidad peatonal en el entorno urbano? Existen Elementos relacionados con el Diseño Urbano que incrementan la accidentalidad peatonal. Existen Conductas y Comportamientos que incrementan la accidentalidad peatonal. Cómo detectarlos? 0 0

6 El comportamiento de Peatones y Vehículos en núcleos urbanos depende de múltiples factores: Densidad de Trafico y de Peatones. Características del cruce. Presencia de Mobiliario Urbano. Servicios de Transporte en las proximidades. Condiciones de Visibilidad. Señalización. La observación del comportamiento de Peatones y Vehículos en cruces e Intersecciones en fundamental para analizar los factores y llevar acabo las acciones correctoras pertinentes. Conflicto!! Ch. Hyden en 977 presenta una nueva herramienta: The Development of a Method for Traffic Safety Evaluation: The Swedish Traffic Conflict Technique. Lund University of Technology. Un conflicto es un evento que hubiese terminado en colisión si sus protagonistas hubiesen continuado con sus trayectorias o velocidades iniciales.

7 Qué diferencias existen entre un conflicto y un accidente? Un conflicto es una situación en la que al menos una de las partes actúa de la misma forma que lo haría en un accidente.? 3 3 Estadísticas vs. Conflictos La efectividad de los planes de seguridad vial se miden en el análisis de las Estadísticas de Accidentes. Un accidente no se atribuye a una única causa, son múltiples los factores que condicionan el comportamiento de peatones y vehículos. Los accidentes no siempre se describen con el mismo detalle, incluso accidentes en los que ninguna de las partes resulta dañada raramente son comunicados. Antes de identificar un Punto Negro necesitamos que ocurran varios accidentes, incluso hasta es necesaria una Víctima Mortal. 4 4

8 Clasificación de Conflictos 5 5 Frecuencia de Aparición de Conflictos 6 6

9 Ventajas en el uso de los Conflictos El número de conflictos que podemos analizar por unidad de tiempo es muchísimo mayor que el número de accidentes. El comportamiento de las partes en un conflicto es en su origen idéntico al comportamiento en un accidente. En un conflicto, en la mayoría de los casos, las partes abandonan el escenario inmediatamente y sin daños. 7 7 Inconvenientes en el uso de los Conflictos Es la definición de conflicto consistente? Es útil la técnica de los conflictos? Es posible medir y cuantificar un conflicto? 8 8

10 Ejemplos de la Técnica de Conflictos The development of an automatic method of safety monitoring at Pelican crossings. Espiras y lazos magnéticos. Conflict analysis for prediction of fatal crash locations in mixed traffic streams. Grabación de Video. Observadores Especializados. 9 9 The effects on safety, time consumption and environment of large scale use of roundabouts in an urban area: a case study. Grabación de Video. Radar Velocidad. Entrevistas. Informes Accidentes. Observadores Entrenados. Simulation of traffic conflicts at unsignalized intersections with TSC-Sim. Simulación por Ordenador. 0 0

11 Nuestro Enfoque: Visión Artificial Detección Automática de Conflictos: Peatón Vehículo. Vehículo Vehículo. Captura de Imágenes de Video de diferentes cruces. Identificación de los Objetos en la secuencia. Seguimiento y Trayectoria (posición, velocidad, aceleración) Análisis y Etiquetado de las secuencias con conflictos. Herramienta de apoyo al observador especializado. Escenarios Dos cruces de peatones en la ciudad de Salamanca. Grabaciones durante mes, condiciones de día y noche. Tres cámaras de video y un ordenador. Dos cámaras captando imágenes cenitales. Una cámara captando imágenes frontales. Cruces especialmente transitados. Parada de Taxi. Parada de Autobús.

12 Esquema 3 3 Paso de Cebra con Semáforos Detalle cámara cenital Detalle cámara frontal 4 4

13 Paso de Cebra sin Semáforos Detalle cámara frontal Detalle cámara cenital 5 5 Imágenes Adquisición de Imágenes Escena 3D 3D Extracción de componentes Obtención del fondo estático de la imagen. Componentes conexas o contiguas. Seguimiento Predicción de posición (Filtro de Kalman). Correspondencia estimación y posición real. Actualizar filtro. Predicción conflictos peatón-vehículo 6 6

14 Procesado de las Imágenes Procesado off-line de las imágenes grabadas. Extracción de las componentes (objetos en movimiento): Cálculo del Fondo de la imagen. Etiquetado de las componentes. Seguimiento: Filtro Kalman. Análisis de las Trayectorias y Predicción de Conflictos. Visualizado y Análisis de los fragmentos etiquetados como Conflictos. 7 7 Cálculo del Fondo Fondo Fondo 8 8

15 Resta de Fondo Imagen original Imagen fondo Imagen resta 9 9 Media vs. Moda Media o Promedio: punto de equilibrio de las observaciones. Moda: Valor que más se repite, pudiendo ser único o no

16 Media vs. Moda Imagen original Imagen fondo Imagen resta Media Moda 3 3 Extracción de Componentes Imagen original Imagen resta Componentes 3 3

17 33 33 Componentes Conexas Etiquetado Componentes Conexas

18 Filtrado de Ruido Seguimiento: Una Componente 36 36

19 Seguimiento: Varias Componentes Seguimiento El ojo humano es capaz de seguir objetos en movimiento. Poseemos información a priori, sabemos cómo se mueven los objetos. Estimamos velocidad y aceleración. Conocemos con antelación donde estará el objeto. Somos capaces de identificar objetos según su apariencia

20 Filtro de Kalman (960) Modelo iterativo destinado a realizar predicciones en series temporales. El modelo se adapta y corrige iterativamente según la fiabilidad de las estimaciones anteriores. El objetivo es predecir la posición de cada componente en la siguiente imagen capturada. Modelamos el movimiento de los objetos en la escena siguiendo un modelo lineal con errores normalmente distribuidos Filtro Kalman En cada instante de tiempo y para cada componente: (p k,v k,a k,a k-,a k- ) Actualizamos el movimiento de las componentes siguiendo consideraciones físicas elementales: p k =p k- + tv k- +t (w a k- +w a k- +w 3 a k-3 )/ v k =v k- +w a k- +w a k- +w 3 a k-3 a k =a k- a k- =a k- a k- =a k

21 Predicción 4 4 Corrección Los errores entre la predicción y la realidad permiten actualizar el modelo iterativamente. Las trayectorias son almacenadas para su posterior análisis. 4 4

22 Detección de Conflictos Conflicto: Coche y peatón coinciden una pequeña región del espacio en un intervalo corto de tiempo (atropello potencial). Las predicciones nos permiten no solo realizar el seguimiento de las componentes, sino detectar cuando peatones y vehículos Demo Videos grabados en los cruces de Salamanca durante meses. Video Almost an Accident Universidad de Lund, Suecia

23 45 45 Conclusiones La parada de taxis es responsable de casi la mayoría de conflictos observados. Cuando el primer taxi deja la parada, el escenario cambia y la configuración de la vía se ve modificada, pasando de dos a tres vías. Este cambio en la configuración afecta a los peatones que esperan el cambio de ciclo del semáforo. La parada de taxis se retrasó y se permitió aparcar en la posición ocupada por ella

24 Videos Conflictos Videos Conflictos 48 48

26 Conclusiones La parada de autobús planteó numerosos conflictos al encontrarse situada junto a un paso de cebra. Peatones intentando cruzar por delante del autobús o vehículos intentando adelantar al autobús nos hicieron plantear el cambio de situación de la parada. La nueva configuración hace que los peatones crucen la calle por detrás del autobús haciéndose claramente visibles a los vehículos que se aproximan al paso de cebra. 5 5 Videos Conflictos 5 5

28 Videos Conflictos Almost an Accident 56 56

29 Aplicación, semáforo con un ciclo variable controlado por un sistema de Visión. Proyecto. Ciclo Variable en Semáforos. Selección y Características de los Escenarios. Adquisición de Datos e Imágenes. Procesamiento de Imágenes. Resultados y Conclusiones. Validación del Sistema y otras Aplicaciones Proyecto Proyecto encargado por el Real Automóvil Club. Colaboradores: FRAV, Universidad Rey Juan Carlos. RACE. Objetivos: Control en tiempo real del ciclo semafórico. Análisis de la presencia de Peatones y Vehículos en la zona de cruce. Adecuar el ciclo a peatones con necesidades especiales. Optimizar la circulación de Vehículos y minimizar el tiempo de espera

30 Cruces regulados por Semáforos Numerosos informes alertan de la vulnerabilidad de los peatones en zonas consideradas seguras para ellos. El uso de semáforos, reduce el numero de conflictos entre peatones y vehículos en los cruces e intersecciones Cruces regulados por Semáforos Los usuarios deben obedecer las normas y aprovechar las ventajas. Las expectativas de los usuarios son: El tiempo de espera, tanto para peatones como para vehículos ha de minimizarse. La señal de cruce para peatones ha de permitir el cruce a todos los usuarios. El control dinámico de los ciclos del semáforo normalmente se orienta a aumentar la fluidez del tráfico. No hay un desarrollo orientado hacia la seguridad vial

31 Ciclo Variable en un Semáforo El ciclo del semáforo no debe interrumpirse arbitrariamente con el pretexto de minimizar el tiempo de espera. Una vez iniciado un ciclo, este debe continuar durante un tiempo mínimo. El sistema debe sugerir al concluir el ciclo actual que ciclo es más conveniente a continuación. En caso de duda la parte más vulnerable, el peatón, debe sentirse protegida. 6 6 Ejemplos similares Pedestrian Control at Intersections. Incluye en los pasos de cebra la detección de lo peatones y adapta el ciclo permitiendo un cruce seguro. Recognizing Action at a Distance. Utiliza técnicas relacionadas con el flujo óptico para detectar y clasificar el movimiento. Detecting Pedestrians Using Patterns of Motion and Appearance No solo usa el movimiento para detectar a los peatones, sino que usa también la información relativa a su apariencia. 6 6

32 Selección y Características de Escenarios Un prototipo no puede probarse en condiciones reales sin antes haber pasado una certificación. La etapa de desarrollo se ha llevado a cabo en el circuito de seguridad vial de RACE en el circuito de el Jarama Selección y Características de Escenarios El circuito cuenta con los mismos elementos que podemos encontrar en los escenarios reales. Los vehículos han sido sustituidos por bicicletas

33 Esquema Imágenes Adquisición de Imágenes Escena 3D 3D Extracción de componentes Obtención del fondo estático de la imagen. Componentes conexas o contiguas. Seguimiento Predicción de posición (Filtro de Kalman). Correspondencia estimación y posición real. Actualizar filtro. Decisión modo del autómata 66 66

34 Seguimiento de Componentes Autómata El Autómata recibe la información referente a la presencia de peatones o vehículos en las zonas de influencia y toma la decisión del modo mas correcto de funcionamiento. Modo (secuencia cíclica) Modo Modo 3 Vehículos: Peatones: Vehículos: Peatones: Vehículos: Peatones: Verde Amarillo Rojo Rojo Rojo Verde Rojo Verde Verde Rojo 68 68

35

36 Conclusiones El control de los ciclos de un semáforo mediante Visión Artificial es posible y presenta resultados muy interesantes. Es importante asegurar la seguridad de la parte más débil, en este caso el peatón. Los estándares de Seguridad Vial deben preservares para permitir una evaluación positiva del dispositivo por parte de las autoridades. En este caso lo que hemos presentado es un prototipo. 7 7