Törmäysten ennustaminen objektien seurannalla

Abstract

Tässä työssä toteutettiin sovellus, joka pyrkii tunnistamaan ja seuraamaan videosta ihmisiä ja heidän liikkeitään. Sovellus ennustaa seurattujen ihmisten liikeratoja ja yrittää havaita tilanteet, joissa kaksi tai useampi ihmistä on tormäämässä. Sovelluksen toteuttamiseen käytettiin Python-ohjelmointikieltä sekä OpenCVkuvankäsittelykirjastoa. Sovelluksen toiminta jaettiin kolmeen osaan, kohteiden tunnistus, seuranta ja törmäysten ennustus. Kohteiden tunnistukseen käytettiin siihen soveltuvaa, erittäin hyväksi todettua Yoloneuroverkkoa. Seurannassa hyödynnettiin OpenCV:n tarjoamia toteutuksia seuraavista seuranta-algoritmeista: kernelisöity korrelaatiosuodatin, diskriminatiivinen korrelaatiosuodatin, MOSSE, MedianFlow. Seuranta-algoritmeja vertailtiin testivideosekvenssillä, jossa algoritmin suorituskykyä mitattiin yhden seurattavan kohteen avulla laskemalla IoU, Precision, Recall sekä päivitysnopeus. Algoritmien vertailutuloksista tehtiin johtopäätös, että MOSSE-algoritmi on erittäin hyvä valinta nopeuden ja tarkkuuden ansiosta. Sitä tarkempi on ainoastaan diskriminatiivinen korrelaatiosuodatin, joka on seuranta-algoritmeista hitain. Valintapäätös tulee tehdä käyttötapauksen mukaan, jos kyseessä on turvallisuuteen liittyvä sovellus, niin tarkkuus on tärkeämpää kuin nopeus.