Akıllı Trafik Yönetimi, Akıllı Ulaşım Kadar Önemlidir
Akıllı ulaşım hakkında konuştuğumuzda, en çığır açıcı AI uygulamalarından biri her zaman otonom araçlardır. Şehirde daha fazla araç olduğunda, trafik yönetimi ve güvenliği, kentsel sakinler ve ulaşım departmanı için çok daha önemli hale gelir. Akıllı ulaşım, daha akıllı hareketliliği artırmak için kablosuz iletişim, AI ve bilgisayarla görme gibi teknolojileri içeren entegre bir ulaşım sistemini ifade eder. Çevrimiçi otomobil alışveriş rehberi, 2022’de 15.2 milyon yeni aracın satılacağını tahmin etti ve bu, 2021 araç satışlarına göre %1.2’lik bir artışı temsil ediyor. Daha fazla araçla, insanların her gün karşılaştığı başka bir ulaşım sorunu trafik sıkışıklığıdır. Sıkışıklık ayrıca daha yüksek yakıt tüketimine, hava kirliliğine ve gereksiz zaman ve enerji israfına yol açar. Trafik ihlalleri, yol ölümlerinin başlıca nedenidir. AI şimdi bu sorunu çözmek için hazır.
Los Angeles’a bakalım, I-405 otoyolunun karşısındaki şehir, ABD’deki en 11. en sıkışık yol olarak sıralanmıştır. (2021 Global Traffic Scorecard, INRIX verilerine göre. Aslında en az ilk 5’te olduğunu düşünmüştüm?)
I-405 İyileştirme Projesi, değişken mesaj tabelaları, CCTV kameraları, araç tespiti, rampa ölçümü ve hem ITS hem de Ekspres Şeritler için iletişim ağlarını içeren akıllı ulaşım sistemi (ITS) ve 405 Ekspres Şeritler altyapı tasarımını kullanarak Iteris ile ortaklık kurdu.
Akıllı Ulaşım Sistemi (ITS) ile Trafik Yönetimi
I-405 İyileştirme Projesi, ITS’nin IoT ve AI gibi teknolojileri nasıl bir araya getirdiğini ve ulaşım mekanizmalarının birlikte çalışmasına yardımcı olduğunu açıklıyor.
AI entegre kameralar, şehirlerimizde sıkışıklığı ve tıkanıklıkları hafifletebilir. Trafik sıkışıklığı, genellikle iki hareket halindeki araç arasındaki mesafe, trafik ışıkları, yol tabelaları ve kavşaktaki yayalar gibi belirli faktörlerin göz ardı edilmesinden kaynaklanır.
Akıllı ulaşım sistemi (ITS), araç sınıflandırması, trafik ihlali tespiti, trafik akışı analizi, otopark tespiti, plaka tanıma, yaya tespiti, trafik işareti tespiti, çarpışma önleme ve yol durumu izleme gibi önemli bilgisayarla görme uygulama alanlarını içermektedir ve araç içi sürücü dikkat tespiti de bulunmaktadır.
Şehirlerimize Edge AI’yi Uygulayalım
NVIDIA Jetson destekli uygulamaları akıllı şehirlere hızlı eğitim ve dağıtım platformları ile ilgili modeller kullanarak uygulama örneklerine dalalım.
- Yaya ve Bisikletli tespiti
- Araba ve insan tespiti
- Plaka tespiti
- Denver şehrinde AI destekli trafik yönetim kamerası
Yaya Tespiti
alwaysAI: Bir Şehir Manzarasında Yayaları ve Bisikletlileri Nasıl Tespit Edebiliriz
Kavşak, araç, bisiklet ve yaya bilgilerini içeren daha güvenilir verilere ihtiyaç duyar. Daha kapsamlı bir trafik analizi, gelecekteki yol iyileştirmeleri için esastır. Kentsel şehirlerde yayaları ve bisikletlileri tespit etmek, otonom sürüş uygulamalarının önemli bir parçasıdır. Otonom araçlar, yayalar ve bisikletliler arasındaki mesafeyi ve niyetlerini belirlemelidir.
Bir sahnedeki insanları veya bisikletleri tespit etmek ve ayırt etmek için nesne tespiti kullanabiliriz. Ancak, insanların ve bisikletlerin konumunu daha doğru bir şekilde hesaplamak istiyorsanız, semantik segmentasyon daha uygundur; burada tespit, sınırlayıcı kutu yerine piksel bazında yapılır.
alwaysAI, açık kaynaklı önceden eğitilmiş modellerin bir setini Model Kataloğu‘nda sunmaktadır. Aşağıdaki örnek, amacına ulaşmak için basit bir algoritma ile bir başlangıç modelini kullanmaktadır.
Bir Videodan Yayaları ve Bisikletlileri Kaldırma
Bu eğitimde, alwaysAI, her bir videonun karesinde yayaları ve bisikletlileri segmentlemek için enet bilgisayarla görme modelini kullanır ve ardından sonuçları yayaların ve bisikletlilerin konumlarına dayalı olarak eylemler gerçekleştirmek için kullanır. alwaysAI semantic_segmentation_cityscape başlangıç uygulaması, enet modelini bir dizi şehir manzarası görüntüsünde çalıştırır.
Bu kılavuzun kaynağı şurada bulunabilir: https://github.com/alwaysai/pedestrian-segmentation
AI uygulamalarını hızlı bir şekilde dağıtmak için alwaysAI ve Seeed’in Jetson destekli edge cihazlarını nasıl kullanacağınızı kontrol edin.
alwaysAI platformu, daha güvenli ve daha akıllı bir sürücü deneyimi sağlamak için gelişmiş AI yetenekleri de sunmaktadır:
- Sürücü ve kabin içi izleme
- Sürücülerin telefonla konuşup konuşmadığını, mesaj atıp atmadığını veya emniyet kemerlerini takıp takmadığını izlemek için poz tahmin ve yüz tanıma modellerini kullanın.
- Akıllı teknoloji ve elektrikli araç entegrasyonu
- Sürüş deneyimini ve daha verimli, akıllı ve elektrikli araçlara olan tüketici talebini artırın.
- Akıllı elektronik aynalar
- Trafik görünürlüğünü artırın, parlamayı filtreleyin, kör noktalarınızı izleyin ve sürücü güvenliğini sağlamak için geçiş yapan araç tespitini gerçekleştirin.
- Kısmen veya tamamen otonom çözümler
- Optimal doğrulukla araçları, engelleri, yayaları, şeritleri ve trafik işaretlerini tespit etmek için gelişmiş bilgisayarla görmeyi kullanın.
Gerçek Zamanlı Araç Tespiti
NVIDIA NGC™ tarafından sağlanan araçları kullanarak bir araç tanıma sistemi kurabiliriz. NVIDIA NGC™, uçtan uca bilgisayarla görme çözümleri geliştirmeye hızlı bir başlangıç yapmanıza yardımcı olmak için derlenmiş bir GPU optimize edilmiş yazılım seti içeren bir katalog barındırır ve ayrıca üretim kalitesindeki modellerin ve bir AI ürününün Kanıtı (POC) için süreyi hızlandırır. NGC kataloğu şunları içerir:
- Kaplar, yazılım uygulamalarını, kütüphaneleri, bağımlılıkları ve çalışma zamanı derleyicilerini paketler
- Önceden eğitilmiş modeller, çıkarım için kullanılabilir veya transfer öğrenimi ile ince ayar yapılabilir, veri bilimcileri ve geliştiricilere değerli zaman kazandırır.
- SDK’lar, özelleştirme için önceden eğitilmiş modeller ve düşük gecikmeli çıkarım için buluttan kenara dağıtım sağlamaya yardımcı olan SDK’lar ile birlikte etiketleme araçlarını içerir.
- GPU optimize edilmiş uygulamaların ve SDK’ların dağıtımı için Helm grafiklerini içerir.
Jetson Xavier NX ve çoklu kameralar ile DashCamNet ve PeopleNet ile nasıl başlayacağınızı kontrol edin
Araçları tespit etmek için, DashCamNet ve PeopleNet modelini NGC’den kullanıyoruz ve Tomasz’ın deposunu takip ederek, ~270° görüş açısına sahip 3 kamerayı da etkinleştirebiliriz.
PeopleNet, genellikle perakende mağazalarında, alışveriş merkezlerinde ve toplu taşıma duraklarında insanların akışını belirlemek için kullanılır. PeopleNet, insanları, çantaları ve yüzleri tespit etmek için 960×544 RGB görüntüler kullanan üç seviyeli bir nesne tespit ağıdır.
Bu kartta tanımlanan DashCamNet, bir görüntüde dört kategoriye ait bir veya daha fazla fiziksel nesneyi tespit eder ve her nesnenin etrafına bir kutu çizer, ayrıca her nesne için bir kategori etiketi döndürür. Bu model tarafından tespit edilen dört nesne kategorisi – arabalar, insanlar, trafik işaretleri ve bisikletlerdir. DashCamNet, ResNet18’in özellik çıkarıcı olarak kullanıldığı NVIDIA DetectNet_v2 dedektörüne dayanmaktadır.
DashCamNet (DLA0) + PeopleNet (DLA1) 3 kamera akışında.
Video, DashCamNet tespitlerine karşılık gelen kırmızı kutuları ve PeopleNet tespitlerine karşılık gelen yeşil kutuları göstermektedir. PeopleNet tespitleri, insan takip mantığını gerçekleştirmek için kullanılır. Jetson Xavier NX ile arabaları ve insanları tespit etmek için kullanabiliriz. Daha fazla bilgi için NVIDIA’nın deposuna göz atın.
AK Huff tarafından YouTube’da oluşturulan demo, DashCamNet kullanarak gerçek zamanlı olarak araba ve birden fazla nesneyi tespit etmeyi göstermektedir.
Otomatik plaka tanıma (ALPR)
ALPR, araç plaka verilerini okuyarak araç konum verileri oluşturmak için nesne tespiti ve görüntü tanıma kullanan bir teknolojidir. Otomatik plaka tanıma, genellikle araç plaka kaydı, otoyolda otomatik ücret, ceza ve otopark gibi yasaların uygulanması amacıyla polis ve trafik departmanları tarafından benimsenmektedir.
Otomatik plaka tanımanın (ALPR) ana görevi, görüntülerde plaka bulmak ve tanımaktır; genellikle 4 alt göreve ayrılır:
- Araç tespiti
- Plaka tespiti
- Karakter segmentasyonu
- Karakter tanıma
Görev #3 ve #4, derin sinir ağları kullanarak Optik Karakter Tanıma (OCR) olarak değerlendirilebilir.
Denver Şehri: en yoğun senaryolar sırasında trafiği yönetmek için AI destekli bir kamera uygulayın.
NVIDIA’nın blogundan, Sighthound, şehirlerin Otomatik Yaya Tespiti, Geçiş Niyeti, Kalabalık Tespiti, Trafik Akışı Optimizasyonu, Kavşak İndeksi, Çok Modlu Trafik Şeridi Veri Toplama gibi yazılım ve donanım çözümleri ile trafik yönetimini ve yaya güvenliğini geliştirmelerine yardımcı olmaktadır.
Sighthound, NVIDIA Jetson Gömülü Sistemi ve NGC’den önceden eğitilmiş TrafficCamNet modelini kullanarak, tam yığın bir yaklaşım geliştirerek daha hızlı pazara sunma için hesaplama optimizasyonlu çözümler elde etmektedir. Kendi sektöründe lider, özel olarak geliştirilmiş trafik veri setini, NGC’den önceden eğitilmiş TrafficCamNet modeli ile birleştirerek ve NVIDIA TAO Toolkit ile bir araya getirerek.
Geliştirme sürecinin sadece birkaç haftasında, Sighthound, Denver Şehri için, Araç Kimliği (ALPR), Araç ve İnsan Tespiti, Araç Tanıma (MMCG), Sınıflandırma (tip, sınıf), Güvenlik Sensörleri, Araç ve İnsan Sayımı dahil olmak üzere birden fazla Bilgisayarla Görme modelini çalıştıran AI kameraları ile bir trafik güvenliği çözümü sunmuştur.
Tipik uygulamalar:
- Trafik ve Kavşak çok modlu güvenliği
- Otoparklar, Garajlar ve Kaldırımlar
- Elektrikli araç şarj istasyonları ve Benzin İstasyonları
- Perakende, Konaklama & Hızlı Servis Restoranları
Örnek Segmentasyonu: Mask R-CNN
İlk örnekte, sınırlayıcı kutuları değiştirmek için piksel segmentasyonu kullanımını tartıştık. Sınırlayıcı kutuların yanı sıra, örnek segmentasyonu da ince ayrıntılı bir segmentasyon maskesi oluşturur. Segmentasyon, nesneler ile arka plan arasında ayrım yapmaya yardımcı olur.
Mask R-CNN, Konvolüsyonel Sinir Ağı (CNN) olup, görüntü segmentasyonu açısından en son teknolojiye sahiptir. Doğru görüntü segmentasyonu sağlamak için Faster R-CNN’den sınıflandırma ve sınırlayıcı kutular ile ikili maskeleri birleştirir. Mask R-CNN, yalnızca tespit edilen görüntüleri hedef alabilen ve her bir örnek için yüksek kaliteli segmentasyon sonuçları çıkarmaya yardımcı olabilen esnek bir nesne örnek segmentasyonu çerçevesidir.
Mask R-CNN, akıllı video analitik uygulamaları oluşturmak için bir akış analitik araç seti olan DeepStream SDK ile yerel olarak entegre edilmiştir.
Arabaların yanı sıra, Mask R-CNN yol çukurlarını, arabaları, şeritleri ve trafik işaretlerini tespit etmek ve segmentlemek için de kullanılabilir.
.svg){kind=link}
Akıllı Trafik Yönetimi neden önemlidir?
Mobilitenin güvenli, doğru yönetilebilir ve öngörülebilir hale gelmesi, şehir tasarımı için önemli bir rekabet avantajı olabilir. Bu değişim, hava kirliliğini kontrol etmeye ve trafik ölümlerini azaltmaya yardımcı olabilir. Ayrıca, her gün milyarlarca insan için yaşam kalitesini artırmamıza yardımcı olur.
NVIDIA Gömülü Sistemi ile güçlendirilmiş Edge AI için en son yeni ürünler
reComputer Jetson serisi NVIDIA’nın gelişmiş AI gömülü sistemleri ile inşa edilmiş kompakt kenar bilgisayarlardır: Jetson Nano ve Xavier NX. Zengin genişletme modülleri, endüstriyel çevre birimleri ve Seeed’in donanım uzmanlığı ile birleşen termal yönetim ile reComputer Jetson, bir sonraki nesil AI ürünlerini hızlandırmak ve ölçeklendirmek için hazırdır.
reComputer Jetson, tüm NVIDIA Jetson yazılım yığını, bulut yerel iş akışları ve sektör lideri AI çerçeveleri ile uyumludur ve kesintisiz AI entegrasyonu sağlamaya yardımcı olur.
? Heyecan verici haber! NVIDIA Jetson AGX Orin Geliştirici Kiti şimdi Seeed’de ön sipariş için mevcut, 8 kat AI performansını elinize almak ve Edge AI için dev bir sıçrama deneyimlemek için ilk olan siz olun.
Seeed Jetson serisi, tüm NVIDIA Jetson yazılım yığını, sektör lideri AI çerçeveleri ve geliştirme platformları ile uyumludur:
Edge Impulse: kenar cihazlar için makine öğrenimi geliştirme platformu, geliştiriciler için ücretsiz ve işletmeler tarafından güvenilir. Şimdi deneyin, dakikalar içinde modeller oluşturun.
AlwaysAI, geliştiricilere ve işletmelere IoT cihazlarında Bilgisayarla Görme uygulamaları oluşturma, dağıtma ve yönetme konusunda kapsamlı bir platform sunar. Bugün öğreticimizle başlayın ve kenarda CV uygulamalarını hızlı bir şekilde dağıtın.
YOLOv5 ? : En iyi nesne tespiti uygulamasını ararken bir kez bakmış olmalısınız. En son birkaç atış nesne tespiti uygulamamıza göz atın, YOLOv5 ve Roboflow kullanarak.
Deci: derin öğrenme geliştiricilerini kenarda veya bulutta çıkarımı hızlandırmaya, üretime daha hızlı ulaşmaya ve donanım potansiyelini maksimize etmeye güçlendirir. NVIDIA Jetson’da Dağıtım Yapma ve Çıkarımı Hızlandırma konusuna göz atın.
Nimbus: bulut tabanlı robot geliştirme aracı
Allxon: NVIDIA Jetson Platformu için Verimli Uzaktan Donanım Yönetim Hizmetlerini Etkinleştirir. Tüm işlevleri açmak için H4U-NMW-CPK kodu ile 90 gün ücretsiz deneme süresinin tadını çıkarın. Ortaklık hikayemizi buradan okuyun.
Seeed Ekosistemi ile Çalışın
AI dağıtımı herkes için daha hızlı, esnek ve ölçeklenebilir olabilir. Endüstrilerin dijital dönüşümlerini hızlandırmak için açık kaynak platformumuzda her türlü AI senaryosunu kapsayıp hedefliyoruz. Farklı endüstrilere birlikte çözümler sunmak için ekosistemimize katılacak ortaklar arıyoruz.
Lütfen daha fazla ekosistem ortaklık bilgisi için cooperation@seeed.cc ile iletişime geçin.
