ट्रैफ़िक सुरक्षा को बेहतर बनाना: IREX की अगली पीढ़ी की पैदल यात्री पहचान
MURRIETA, CA - अमेरिका स्थित नैतिक एआई और बुद्धिमान निगरानी में वैश्विक अग्रणी IREX, वास्तविक ट्रैफ़िक परिदृश्यों में अधिक सटीक पैदल यात्री पहचान पर नए फ़ोकस के साथ पैदल यात्री क्रॉसिंग उल्लंघन की अपनी स्वचालित रिकॉर्डिंग को अपडेट कर रहा है…

केवल डेमो उद्देश्य के लिए
MURRIETA, CA - IREX, अमेरिका स्थित नैतिक एआई और बुद्धिमान निगरानी में एक वैश्विक अग्रणी, वास्तविक ट्रैफ़िक परिदृश्यों में अधिक सटीक पैदल यात्री पहचान पर नए फ़ोकस के साथ पैदल यात्री क्रॉसिंग उल्लंघन की अपनी स्वचालित रिकॉर्डिंग को अपडेट कर रहा है। व्यस्त क्रॉसिंग पर एक छोटी-सी त्रुटि भी इस बात को प्रभावित कर सकती है कि चालक के यातायात नियम तोड़ने का पता चलता है या नहीं। यह अपडेट ट्रैफ़िक एनालिटिक्स के सबसे कठिन कार्यों में से एक पर केंद्रित है: यह भरोसेमंद ढंग से पहचानना कि कोई चालक क्रॉसवॉक पर पैदल यात्री को रास्ता देने में विफल रहा।
IREX प्रणाली दो समानांतर डिटेक्शन स्ट्रीम का उपयोग करती है: एक क्रॉसिंग ज़ोन में पैदल यात्रियों को ट्रैक करती है, जबकि दूसरी स्लोडाउन ज़ोन में वाहनों को ट्रैक करती है। यदि कोई वाहन स्लोडाउन ज़ोन से बाहर निकलता है जबकि कोई पैदल यात्री अब भी क्रॉसिंग में है और उस वाहन की ओर बढ़ रहा है, तो प्रणाली उल्लंघन दर्ज करती है। यह सीधा-सा लगता है, लेकिन एक बारीकी सब कुछ तय करती है: प्रणाली को पैदल यात्री की गति की दिशा और पैदल यात्री तथा वाहन के बीच के संबंध को समझना होगा। यदि कोई व्यक्ति वाहन से दूर जा रहा है, या क्रॉसिंग क्षेत्र छोड़ चुका है, तो कोई उल्लंघन दर्ज नहीं होना चाहिए। इसीलिए सटीक गति विश्लेषण उतना ही महत्वपूर्ण है जितना ऑब्जेक्ट डिटेक्शन स्वयं।
वास्तविक क्रॉसवॉक स्थितियों के लिए निर्मित
व्यवहार में, क्रॉसवॉक का फ़ुटेज नियंत्रित ट्रेनिंग डेटा की तुलना में कहीं अधिक जटिल होता है। ऊपर से लगे CCTV कैमरे ज़ेबरा क्रॉसिंग, ट्रैफ़िक लाइट, साइन, सड़क के निशान, गुज़रती कारें और घना ट्रैफ़िक कैप्चर करते हैं। ऐसे परिवेश में, मानक परिधि-केंद्रित मॉडल गलतियां कर सकते हैं। व्यस्त शहरी दृश्यों में ये मॉडल दूर की वस्तुओं, आंशिक रूप से दिखाई देने वाली आकृतियों, या वाहनों के अंदर बैठे यात्रियों तक को पैदल यात्री समझ सकते हैं। ये त्रुटियां ट्रैकिंग की स्थिरता को प्रभावित करती हैं और फ़ॉल्स पॉज़िटिव का कारण बन सकती हैं, जिसके परिणामस्वरूप झूठे अलार्म बजते हैं, जबकि अन्य मामलों में पैदल यात्री पूरी तरह छूट भी सकते हैं।

केवल डेमो उद्देश्य के लिए
इसे हल करने के लिए, IREX वास्तविक क्रॉसवॉक फ़ुटेज पर आधारित एक नई एआई-ट्रेनिंग पाइपलाइन विकसित कर रहा है, जिसमें ऐसा डेटा है जो लक्षित परिवेश का बेहतर प्रतिनिधित्व करता है। इस प्रक्रिया में मौजूदा परिधि डेटा को फ़िल्टर करना और नई, डोमेन-विशिष्ट सामग्री को शामिल करना शामिल है।
विकास के अगले चरण
दो मॉडल मार्गों का परीक्षण किया जा रहा है: मौजूदा परिधि मॉडल को फ़ाइन-ट्यून करना और शुरुआत से एक नया मॉडल प्रशिक्षित करना। IREX टीम फ़िलहाल वास्तविक वीडियो के एक सेट के साथ काम कर रही है, जिन्हें मैन्युअल रूप से लेबल किया गया है और सत्यापन तथा परीक्षण के लिए तैयार किया गया है।
फ़िलहाल फ़ोकस केवल पैदल यात्रियों पर है। पर्सनल मोबिलिटी वाहन उपयोगकर्ताओं की पहचान की योजना बाद के चरण के लिए है। एक बार डिटेक्टर का प्रदर्शन भरोसेमंद ढंग से बेहतर हो जाने पर, ट्रैकिंग घटक की भी समीक्षा की जाएगी। यदि मौजूदा ट्रैकिंग गुणवत्ता पर्याप्त नहीं है, तो IREX आवश्यक गुणवत्ता मानकों को पूरा करने के लिए न्यूरल नेटवर्क और डिस्क्रिप्टर पर आधारित अधिक उन्नत ट्रैकिंग विधियों की ओर बढ़ेगा।

केवल डेमो उद्देश्य के लिए
“हमारी प्राथमिकता सीधी है: हमारे मॉडलों को क्रॉसवॉक को उसी तरह पढ़ने में मदद करना जैसे एक प्रशिक्षित ऑपरेटर पढ़ता है,” IREX के प्रवक्ता Serge Smirnoff ने कहा। “जब पैदल यात्री की पहचान बेहतर होती है, तो उसके बाद की हर चीज़ बेहतर होती है — कम झूठे अलार्म, अधिक स्थिर ट्रैकिंग, और ऐसे उल्लंघन रिकॉर्ड जिनके पीछे हम वास्तविक ट्रैफ़िक में सचमुच खड़े हो सकें।”