Technologie de détection vidéo de véhicules pour la détection de faible luminosité et d'occlusion de la circulation

Dans notre article précédent, nous avons déconstruit les graves limitations physiques auxquelles la détection vidéo traditionnelle du trafic est confrontée dans les rues urbaines, en nous concentrant principalement sur la façon dont l'occlusion dynamique (les gros camions bloquent les petites voitures) et la plage dynamique de la lumière des étoiles entraînent des défaillances de données catastrophiques pour le contrôle adaptatif des signaux.

Pour résoudre ces problèmes visuels, un système de détection de véhicules ne peut pas simplement s'appuyer sur des composants de sécurité standard. Il doit évoluer vers un hub d’informatique de pointe hautement spécialisé. Aujourd’hui, nous explorons comment l’Edge-AI pilotée par le matériel et l’innovation algorithmique changent la donne, repoussant les limites de ce que la détection optique peut réaliser grâce au Détecteur vidéo de véhicules.

de Sinowatcher. 1. Performances du détecteur vidéo de véhicule dans des conditions de faible luminosité

Le ST-VD5 contourne complètement les limites du matériel de surveillance standard en adoptant un capteur d'image haut de gamme CMOS 1/2,5" de 5 mégapixels de niveau Starlight.

• À la conquête des routes sombres : avec un seuil d'éclairage minimum allant jusqu'à 0,0001 Lux en mode noir et blanc, il « voit » clairement même sur les routes urbaines non éclairées ou mal éclairées où les algorithmes traditionnels échouent en raison de l'éblouissement des phares.

• Traitement localisé : soutenu par un NPU (Neural Network Acceleration Chip) interne exécutant des algorithmes d'apprentissage en profondeur, il traite les données localement avec une latence ultra-faible, garantissant un taux de détection complet de ≥ 95%

Détection d'occlusion de trafic avec algorithmes de compensation de zone aveugle

Pour contrer le problème du « blocage des gros véhicules » qui affecte depuis longtemps les comptages de trafic municipaux, le Détecteur vidéo de véhicules dispose d'un algorithme sophistiqué de compensation des zones aveugles.

Au lieu de traiter la route comme un plan 2D plat, le système définit des coordonnées d'entrée précises (entrée de la tête) et des coordonnées de sortie (sortie de la queue) sur la section transversale de détection. En enregistrant ces horodatages transversaux, le système déduit mathématiquement si un véhicule plus petit est arrêté dans la zone obstruée derrière un camion.

Cela porte la précision de la longueur des files d'attente à ≥ 90%, fournissant aux contrôleurs de feux de circulation les données exactes nécessaires pour optimiser les ondes vertes adaptatives et éviter les débordements localisés.  

2. Classification avancée des détecteurs vidéo de véhicules pour l'analyse du trafic urbain

Plutôt que de regrouper les flux de trafic multimodaux dans un flux de données unique et indifférencié, le détecteur vidéo de véhicules exécute une classification en temps réel à travers une taxonomie urbaine hautement définie, isolant les voitures particulières, les poids lourds, les bus de transport en commun et les deux-roues. Simultanément, le processeur de périphérie cartographie les analyses opérationnelles critiques, générant des ensembles de données continus pour l'occupation spatiale, l'occupation temporelle et l'avancement des véhicules.

3. Installation du détecteur vidéo de véhicule et optimisation du déploiement sur le terrain

Les logiciels haut de gamme perdent de leur valeur si un appareil met des heures à s'aligner ou s'il dérive facilement hors de sa position. Le détecteur vidéo de véhicule présente une conception de réglage indépendant à deux dimensions (rotation horizontale + inclinaison). Cette innovation mécanique permet aux ingénieurs de terrain d’aligner rapidement et précisément les 3 sections transversales de détection de la caméra avec les lignes physiques des voies, éliminant ainsi complètement les angles morts des installations traditionnelles.

4. Fusion radar-vidéo pour la détection du trafic par tous les temps

Alors que les algorithmes Edge-AI et les technologies d'imagerie starlight ont considérablement amélioré les performances de détection optique du trafic, les systèmes de détection du trafic basés sur la vision sont toujours confrontés à des limites dans des conditions de visibilité extrêmement faible telles que de fortes chutes de neige, un brouillard dense, des tempêtes de sable ou des environnements routiers mal éclairés.

Pour obtenir une détection de trafic plus stable par tous les temps sur des routes complexes à plusieurs voies et des couloirs à grande vitesse, l'industrie s'oriente de plus en plus vers des approches multicapteurs combinant l'analyse vidéo avec des technologies de détection de trafic radar.

La fusion radar-vidéo permet aux systèmes de détection de véhicules de maintenir une continuité de suivi, une stabilité de détection et une collecte de données de trafic plus fiables dans des conditions où la détection optique seule peut s'avérer insuffisante.

À mesure que les systèmes de transport intelligents continuent d’évoluer, la détection du trafic multi-capteurs devrait devenir une direction importante pour la gestion intelligente du trafic de nouvelle génération.

Au Sinowatcher Technology Co., Ltd., nous nous préparons également à introduire une nouvelle solution de détection de véhicules par fusion radar-vidéo qui intègre la détection radar avec une analyse vidéo basée sur l'IA pour améliorer les performances de détection du trafic dans des environnements réels complexes. Des informations supplémentaires sur cette solution seront partagées dans les futures mises à jour.