Mais Segurança no Trânsito: a Detecção de Pedestres de Nova Geração da IREX
MURRIETA, CA - A IREX, líder global em IA ética e monitoramento inteligente com sede nos EUA, está atualizando seu registro automático de infrações em faixas de pedestres, com novo foco em uma detecção de pedestres mais precisa em cenários reais de trânsito…

apenas para fins de demonstração
MURRIETA, CA - IREX, líder global em IA ética e monitoramento inteligente com sede nos EUA, está atualizando seu registro automático de infrações em faixas de pedestres, com novo foco em uma detecção de pedestres mais precisa em cenários reais de trânsito. Em travessias movimentadas, até um pequeno erro pode afetar a detecção de um motorista que infringe a legislação de trânsito. A atualização se concentra em uma das tarefas mais difíceis da análise de trânsito: identificar com confiabilidade quando um motorista não dá a preferência a um pedestre na faixa de pedestres.
O sistema da IREX usa dois fluxos de detecção paralelos: um acompanha os pedestres na zona de travessia, enquanto o outro acompanha os veículos na zona de desaceleração. Se um veículo deixa a zona de desaceleração enquanto um pedestre ainda está na travessia e se move em direção a esse veículo, o sistema registra uma infração. Isso parece simples, mas um detalhe faz toda a diferença: o sistema precisa entender a direção do movimento do pedestre e a relação entre o pedestre e o veículo. Se uma pessoa está se afastando do veículo, ou já saiu da área de travessia, nenhuma infração deve ser registrada. Por isso, a análise precisa do movimento é tão importante quanto a própria detecção de objetos.
Feito para condições reais de faixas de pedestres
Na prática, as imagens de faixas de pedestres são muito mais complexas do que os dados de treinamento controlados. Câmeras de CCTV em visão superior captam faixas zebradas, semáforos, placas, sinalização no pavimento, carros em movimento e trânsito denso. Nesse ambiente, os modelos padrão voltados ao perímetro podem cometer erros. Em cenas urbanas movimentadas, esses modelos podem confundir com pedestres objetos distantes, figuras parcialmente visíveis ou até passageiros dentro de veículos. Esses erros afetam a estabilidade do rastreamento e podem levar a falsos positivos, resultando em alarmes falsos, enquanto, em outros casos, pedestres podem passar totalmente despercebidos.

apenas para fins de demonstração
Para resolver isso, a IREX está desenvolvendo um novo pipeline de treinamento de IA baseado em imagens reais de faixas de pedestres, com dados que representam melhor o ambiente-alvo. Esse processo envolve filtrar os dados de perímetro atuais e incorporar novo material específico do domínio.
Próximas etapas do desenvolvimento
Dois caminhos de modelo estão sendo testados: o ajuste fino do modelo de perímetro existente e o treinamento de um novo modelo do zero. A equipe da IREX trabalha atualmente com um conjunto de vídeos reais, rotulados manualmente e preparados para validação e teste.
Por enquanto, o foco continua sendo apenas os pedestres. A detecção de usuários de veículos de mobilidade pessoal está prevista para uma etapa posterior. Quando o desempenho do detector estiver melhorado de forma confiável, o componente de rastreamento também será revisado. Se a qualidade atual do rastreamento não for suficiente, a IREX passará a métodos de rastreamento mais avançados, baseados em redes neurais e descritores, para atender aos padrões de qualidade exigidos.

apenas para fins de demonstração
“Nossa prioridade é simples: ajudar nossos modelos a ler uma faixa de pedestres como um operador treinado faz”, disse Serge Smirnoff, porta-voz da IREX. “Quando a detecção de pedestres melhora, tudo o que vem depois melhora junto: menos alarmes falsos, rastreamento mais estável e registros de infrações que realmente podemos sustentar no trânsito real.”