Donanım: NVIDIA Jetson Orin NX
Uygulama: Yoğun Kalabalıklar için İnsan Akışı Analizi
Sektör: Kamu Güvenliği
Dağıtım Yeri: Avrupa
“Her gün kaç kişi girip çıkıyor?” “Bu belirli yer çok mu kalabalık?” Günümüzün hızlı tempolu dünyasında, kamu alanlarının etkin yönetimi her zamankinden daha kritik hale geldi. Alışveriş merkezleri, tren istasyonları, metro istasyonları ve diğer hareketli kamu yerleri, şehirlerimizin can damarıdır. Bu temel veri noktaları yalnızca iş optimizasyonu için değil; aynı zamanda ilgili halk sağlığı güvenliği önleme ve kontrol önlemlerinin şekillendirilmesinde de önemli bir rol oynamaktadır.
Zorluk
Uygun çözümü keşfederken birkaç zorlukla karşılaşılabilir:
Öncelikle, kalabalık yoğunluğu zirveye ulaştığında, kaçırılan tespitler ve yanlış alarmlar riski artar. Yüksek yoğunluklu senaryolarda, bireyler arasındaki engeller modelin karmaşasına neden olabilir ve hem kaçırılan hem de yanlış tanımlamalar ile sonuçlanabilir.
İkincisi, dinamik ortamlarda, geleneksel sensörler ve hedef tespit teknikleri yayaların hareketini doğru bir şekilde izlemekte zorlanır. Genellikle yaya yönünü ve bireysel kimlikleri ayırt edemezler, bu da belirli bir zaman diliminde belirli bir alana girip çıkan kişi sayısını doğru bir şekilde takip etmeyi zorlaştırır. Ayrıca, geçici engelleme sonrası yeniden ortaya çıkan yayaların yeniden tanımlanması, önemli bir zorluk teşkil eder.
Son olarak, alışveriş merkezlerinde yaygın olarak bulunan mankenler ve reklam panoları gibi birçok dikkat dağıtıcı unsur, istatistiklerin doğruluğunu önemli ölçüde etkiler. Bu engeller yanlış tanımlamalara ve çarpıtılmış verilere yol açabilir, bu nedenle güvenilir insan akışı analizi için bu karmaşık engelleri aşan bir çözüm geliştirmek zorunludur.
Çözüm
FairMOT modeli, Anchor Free’ün CenterNet dedektörüne dayanarak, derin ve sığ özellikleri ayrı ayrı tespit ve ReID (Yeniden Tanımlama) görevlerine uyacak şekilde sorunsuz bir şekilde birleştirerek yenilikçi bir yaklaşım sunar. Bu benzersiz özellik birleştirmesi, bu iki temel görev arasında adalet sağlamakla kalmaz, aynı zamanda gerçek zamanlı çoklu hedef izleme doğruluğunda önemli bir iyileşme sağlar; bu, çeşitli senaryolardaki insan akışı istatistiklerinin karmaşık zorluklarını etkili bir şekilde ele almak için iyi bir seçim olabilir. İnsan trafiği istatistikleri görevi, hedefin kategori ve konum bilgisinin tespit edilmesini gerektirir ve aynı kişinin yanlış bir şekilde birden fazla kez sayılmasını önlemek için çerçeveler arasında ilişkilerin kurulması gibi kritik bir görevi de içerir.
Farklı çekim açıları ve değişen personel yoğunluklarının özel çözümler gerektirdiğini kabul ederek, bu konuyu NVIDIA Jetson Orin NX üzerinde uygulanabilir iki farklı eğitim yöntemi ile ele almalıyız:
- Seyrek Personel Manzaraları: Göreceli olarak seyrek personel bulunan senaryolarda, çözüm çeşitli veri setlerinden eğitim verilerini kullanır. Model, sahnedeki yayaların bütün vücut tespitini ve izlenmesini kapsamlı bir şekilde gerçekleştirir. Yayaları tanımlar ve her çerçevenin sol üst köşesinde birey sayısını gösterir, böylece doğru yaya akışı istatistikleri elde edilir.
- Yoğun Personel Manzaraları: Bireyler arasında engellemenin yaygın olduğu yoğun kalabalıklarla karakterize edilen sahnelerde, doğruluğu korumak için farklı bir yaklaşım gereklidir. Bu tür durumlarda, özel eğitim veri setlerine dayanan bir kafa izleme yöntemi kullanabiliriz. Bu yaklaşım, sahnedeki yayaların kafalarını tespit etmeye ve izlemeye odaklanarak, genel yaya tespitinin kaçırılan tespit oranlarını artırabileceği koşullarda güvenilir insan akışı istatistikleri sağlar.
[Kalabalık istatistikleri demosuna düşük geliştirme seviyesindeki bir platform aracılığıyla başlamak için hazır mısınız? CVEDIA wiki rehberimizi deneyin!]
Kaçırılan tespit sorununu ele almak ve izlerin tutarlılığını artırmak için, aşağıdaki lojistik mimari, düşük puanlı tespit sonuçlarından arka planı kaldırırken yüksek puanlı tespit sonuçlarını korumak ve gerçek nesneyi ortaya çıkarmak için kullanılabilir:
Seeed: NVIDIA Jetson Ekosistem Ortağı
Seeed, NVIDIA Ortak Ağı‘nda kenar AI için bir Elite ortaktır. Daha fazla taşıyıcı kart, tam sistem cihazları, özelleştirme hizmetleri, kullanım durumları ve geliştirici araçları keşfetmek için Seeed’in NVIDIA Jetson ekosistem sayfasını ziyaret edin.
AI yeniliklerinin ön saflarında bizimle birlikte yer alın! Endüstrilerde makine öğreniminin gerçek dünyada dağıtımını devrim niteliğinde gerçekleştirmek için en son donanım ve teknolojinin gücünden yararlanın. Geliştiricilere ve işletmelere en iyi ML çözümlerini sunma misyonumuzun bir parçası olun. Daha fazla kenar AI olasılıklarını keşfetmek için başarılı vakalar kataloğumuzu gözden geçirin!
İlk adımı atın ve bu heyecan verici yolculuğun bir parçası olmak için bize bir e-posta gönderin: edgeai@seeed.cc !
Size uygun bir seçenek bulmak için en son Jetson Kataloğumuzu indirin. İhtiyaçlarınız için hazır bir Jetson donanım çözümü bulamazsanız, lütfen özelleştirme hizmetlerimizi kontrol edin ve değerlendirme için yeni bir ürün talebi gönderin: odm@seeed.cc.