Data collection from highways: a geometric, class-agnostic approach to embedded vehicle counting

Stellen Sie sich vor, Sie stehen an einer belebten Autobahn und versuchen zu zählen, wie viele Autos pro Minute vorbeifahren. In der Welt des Verkehrsingenieurwesens ist das Wissen um diese Zahl wie das Wissen über den Herzschlag einer Stadt; es hilft Planern zu entscheiden, wo sie neue Straßen bauen oder wie sie Ampeln regeln müssen. Jahrzehntelang war die klügste Methode, dies zu tun, die Verwendung von „Deep Learning“-Computern – digitalen Gehirnen, die darauf trainiert wurden, spezifische Formen wie „Auto“, „Bus“ oder „Lkw“ zu erkennen. Diese Systeme sind wie extrem aufmerksame Sicherheitskräfte, die ein Fahrzeug identifizieren, seinen Pfad verfolgen und es zählen können. Diese digitalen Gehirne haben jedoch ein großes Problem: Sie wissen nur das, was man ihnen beigebracht hat. Wenn ein seltsamer Traktor vom Bauernhof, eine herabgefallene Ladung oder ein von einem Esel gezogener Karren vorbeifährt, könnte der Computer verwirrt sein, weil er nicht darauf trainiert wurde, diese Dinge zu sehen. Darüber hinaus sind diese smarten Computer hungrig nach Elektrizität und benötigen leistungsstarke, teure Hardware, was ihre Installation an einfachen Masten entlang der Straße schwierig macht.

Dieses Paper untersucht einen anderen, viel einfacheren Ansatz: Anstatt zu versuchen zu erkennen, was das Objekt ist, bemerkt das System einfach, dass sich etwas bewegt. Es behandelt die Straße wie eine riesige, unsichtbare Stolperfalle. Wenn ein Schatten oder ein Bewegungsfleck eine bestimmte Linie kreuzt, zählt dies als Fahrzeug. Die Autoren nennen dies einen „klassen-agnostischen“ Ansatz, was bedeutet, dass es dem System egal ist, welche Klasse oder welcher Typ des Objekts vorliegt; es geht nur um die Bewegung. Die große Frage, die sie angehen, ist: Können wir ein Zählsystem bauen, das so einfach ist, dass es auf einem winzigen, günstigen Computer (wie einem Raspberry Pi) läuft, ohne Trainingsdaten auskommt und trotzdem die Aufgabe erfüllt? Sie argumentieren, dass manchmal ein einfacher geometrischer Trick besser ist als eine komplexe, hungrige KI, besonders wenn man Dinge zählen muss, die man noch nie gesehen hat.

Die unsichtbare Stolperfalle: Autos zählen, ohne zu wissen, was sie sind

Die Autoren dieses Papers beschlossen, einen Schritt zurück von der hochtechnologischen, „smarten“ Art des Autofahrens zu machen. Anstatt ein digitales Gehirn zu bauen, das lernt, ein Auto zu erkennen, bauten sie ein System, das wie ein sehr einfacher, sehr schneller Wächter funktioniert, der auf einer Brücke steht. Dieser Wächter kümmert sich nicht darum, ob das, was an ihm vorbeizieht, ein Auto, ein Lkw oder ein riesiger Roboter ist; ihm ist nur wichtig, ob sich etwas über eine bestimmte Linie bewegt.

Der „Zauber“ der unsichtbaren Linie
Stellen Sie sich vor, Sie spielen ein Videospiel, bei dem Sie herabfallende Objekte fangen müssen. Normalerweise würden Sie zuerst jedes Objekt identifizieren. Aber dieses Paper schlägt einen einfacheren Trick vor: Zeichnen Sie einfach eine Linie über den Bildschirm. Wenn irgendetwas diese Linie kreuzt, drücken Sie einen Knopf. In der realen Welt ist diese „Linie“ ein Softwarestück namens „virtuelle Schleife“. Es ist wie die alten Metallschleifen, die im Asphalt unter der Straße vergraben sind und Ampeln steuern, aber anstatt im Asphalt vergraben zu sein, wird sie auf den Bildschirm der Kamera gezeichnet.

Das System arbeitet in drei einfachen Schritten:

1. Der Hintergrund: Die Kamera lernt, wie die leere Straße aussieht.
2. Der Unterschied: Sie vergleicht das aktuelle Bild mit der leeren Straße. Wenn es einen Unterschied gibt (ein fahrendes Auto), hebt das System dieses als weißen „Blob“ auf einem schwarzen Bildschirm hervor.
3. Das Zählen: Es prüft, ob dieser weiße Blob die unsichtbare Linie berührt. Wenn ja, zählt es eins.

Das Geniale daran ist, dass das System niemals fragt: „Ist das ein Auto?“ Es fragt nur: „Hat sich etwas über die Linie bewegt?“ Das bedeutet, es kann ein Auto, eine Kuh oder einen Müllhaufen zählen, ohne dass es darauf trainiert werden muss, wie diese Dinge aussehen.

Die zwei Regeln der Straße
Die Forscher testeten zwei verschiedene Wege, um dieses Zählen genau zu machen.

• Regel Nr. 1: Die Geschwindigkeitsvermutung. Die erste Methode geht davon aus, dass alle Autos etwa die gleiche Geschwindigkeit haben. Sie legten die Breite der unsichtbaren Linie so fest, dass sie der Strecke entspricht, die ein Auto in einem Videobildrahmen erwartet wird zurückzulegen. Wenn ein Auto langsamer als erwartet fährt, bleibt es vielleicht zwei Frames lang auf der Linie, und das System zählt es versehentlich doppelt. Die Mathematik zeigt, dass diese Methode etwa 86 % genau sein sollte, wenn Autos mit normaler Geschwindigkeit fahren. Es ist eine gute Schätzung, aber nicht perfekt.
• Regel Nr. 2: Die selbstregulierende Karte. Die zweite Methode ist intelligenter. Sie beobachtet die Blobs der fahrenden Autos und findet die Fahrspuren von selbst heraus. Dann zeichnet sie für jede Spur eine separate unsichtbare Linie. Wenn ein Auto in die Linie einer Spur eintritt, wartet das System, bis das Auto die Linie wieder verlassen hat, bevor es zählt. Dies vermeidet den Fehler des „Doppelzählens“. Diese Methode bringt auch einen Gratis-Bonus: Indem das System misst, wie lange ein Auto braucht, um die Linie zu überqueren, kann es schätzen, wie schnell das Auto gefahren ist.

Der Realitätstest: Winzige Computer, große Ergebnisse
Das Team testete diese Ideen auf winzigen, günstigen Computern, sogenannten Single Board Computers (SBCs), wie dem Raspberry Pi. Diese sind etwa so groß wie eine Kreditkarte, kosten sehr wenig, sind aber nicht besonders leistungsstark.

Sie verglichen ihre einfache „Stolperfallen“-Methode mit einer komplexeren Methode, die versucht, den Pfad jedes Autos zu verfolgen (ähnlich wie ein Videospiel-Charakter). Die Ergebnisse waren überraschend:

• Auf einem Standard-Desktopcomputer war die komplexe Tracking-Methode langsam und wurde oft verwirrt.
• Auf dem winzigen Raspberry Pi scheiterte die komplexe Methode kläglich und zählte nur 37,5 % der Autos korrekt. Sie war zu langsam und musste die Videoqualität so stark reduzieren, dass sie die Autos gar nicht mehr sehen konnte.
• Die einfache „Stolperfalle“-Methode hingegen lief schneller als Echtzeit und zählte 91 % der Autos korrekt.

Der Haken: Das „Resolution Knee“ und das „Frame Rate Floor“
Das Paper entdeckte auch harte Grenzen, ähnlich wie die Gesetze der Physik für digitale Kameras.

• Das Resolution Knee (Auflösungs-Knie): Wenn das Videobild zu klein ist (unter etwa 200 Pixeln Breite), hört das System auf zu funktionieren. Die fahrenden Autos werden so winzig, dass der Computer sie nicht mehr vom Rauschen unterscheiden kann. Aber sobald das Bild groß genug ist, hilft eine weitere Vergrößerung kaum noch; es verschwendet nur Rechenleistung.
• Das Frame Rate Floor (Bildraten-Boden): Wenn die Kamera zu wenige Bilder pro Sekunde aufnimmt (unter 5 Bildern pro Sekunde), „springen“ die Autos über die unsichtbare Linie. Stellen Sie sich vor, ein Auto bewegt sich zwischen zwei Fotos so schnell, dass es im ersten Foto auf der einen Seite der Linie war und im zweiten Foto bereits auf der anderen Seite – es hat die Linie dazwischen nie wirklich berührt. Das System übersieht es komplett. Keine noch so kluge Software kann das korrigieren, wenn die Kamera nicht schnell genug Bilder macht.

Warum das wichtig ist
Die Autoren kommen zu dem Schluss, dass „smarte“ KI-Detektoren zwar großartig sind, wenn man viel Geld und viel Strom hat, aber nicht immer das richtige Werkzeug sind. Wenn man seltsame Objekte zählen muss (wie landwirtschaftliche Geräte), wenn man keine Daten hat, um einen Computer zu trainieren, oder wenn man einen Sensor mit einer kleinen solarbetriebenen Batterie betreiben muss, ist diese einfache geometrische Methode der Gewinner. Es geht nicht darum, in jeder einzelnen Situation am genauesten zu sein; es geht darum, zuverlässig, günstig und überall einsatzbereit zu sein, ohne einen Supercomputer zu benötigen.

Am Ende zeigt das Paper, dass der beste Weg, ein komplexes Problem zu lösen, nicht immer darin besteht, ein klügeres Gehirn zu bauen, sondern eine einfachere, ehrlichere Falle zu bauen.