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

कल्पना कीजिए कि आप एक व्यस्त राजमार्ग पर खड़े हैं, और हर मिनट कितनी कारें गुजर रही हैं, इसकी गिनती करने की कोशिश कर रहे हैं। ट्रैफिक इंजीनियरिंग की दुनिया में, इस संख्या को जानना शहर की धड़कन को जानने जैसा है; यह योजनाकारों को यह तय करने में मदद करता है कि नए सड़क कहाँ बनानी है या ट्रैफिक लाइट का समय कैसे निर्धारित करना है। दशकों से, इसे करने का सबसे स्मार्ट तरीका "डीप लर्निंग" कंप्यूटरों का उपयोग करना था—डिजिटल दिमाग जिन्हें "कार", "बस" या "ट्रक" जैसे विशिष्ट आकारों को पहचानने के लिए प्रशिक्षित किया गया था। ये प्रणालियाँ अत्यंत सतर्क सुरक्षा गार्डों की तरह हैं जो एक वाहन की पहचान कर सकते हैं, उसके पथ का पता लगा सकते हैं और उसे गिन सकते हैं। हालाँकि, इन डिजिटल दिमागों के साथ एक बड़ी समस्या है: वे केवल वही जानते हैं जो उन्हें सिखाया गया है। यदि कोई अजीब सा खेत का ट्रैक्टर, गिरा हुआ सामान का ढेर, या गधे द्वारा खींची जा रही गाड़ी वहां से गुजरती है, तो कंप्यूटर भ्रमित हो सकता है क्योंकि उसे उन्हें देखने के लिए प्रशिक्षित नहीं किया गया था। इसके अलावा, ये स्मार्ट कंप्यूटर बिजली के भूखे होते हैं और उन्हें चलाने के लिए शक्तिशाली, महंगे हार्डवेयर की आवश्यकता होती है, जिससे उन्हें सड़क के किनारे साधारण खंभों पर लगाना कठिन हो जाता है।

यह शोध पत्र एक अलग, बहुत सरल दृष्टिकोण का अन्वेषण करता है: यह कोशिश करने के बजाय कि वस्तु क्या है, यह प्रणाली बस इस बात पर ध्यान देती है कि कुछ चल रहा है। यह सड़क को एक विशाल, अदृश्य ट्रिपवायर (tripwire) की तरह मानती है। यदि गति का कोई साया या धब्बा एक विशिष्ट रेखा को पार करता है, तो इसे एक वाहन माना जाता है। लेखक इसे एक "क्लास-एग्नोस्टिक" (class-agnostic) दृष्टिकोण कहते हैं, जिसका अर्थ है कि इसे वस्तु की श्रेणी या प्रकार से कोई फर्क नहीं पड़ता; इसे बस गति से मतलब है। बड़ा सवाल जो वे उठाते हैं, वह यह है: क्या हम एक ऐसी गिनती प्रणाली बना सकते हैं जो इतनी सरल हो कि एक छोटे, सस्ते कंप्यूटर (जैसे Raspberry Pi) पर चल सके, बिना किसी प्रशिक्षण डेटा के काम कर सके, और फिर भी अपना काम सफलतापूर्वक कर सके? उनका तर्क है कि कभी-कभी, एक जटिल, ऊर्जा-खपत करने वाले AI की तुलना में सरल ज्यामितीय ट्रिक बेहतर होती है, खासकर जब आपको उन चीजों को गिनना हो जिन्हें आपने पहले कभी नहीं देखा है।

अदृश्य ट्रिपवायर: कारों को जाने बिना उन्हें गिनना

इस शोध पत्र के लेखकों ने कारों को गिनने के उच्च-तकनीकी, "स्मार्ट" तरीके से एक कदम पीछे हटने का निर्णय लिया। एक डिजिटल दिमाग बनाने के बजाय जो कार को पहचानना सीखता है, उन्होंने एक ऐसी प्रणाली बनाई जो एक पुल पर खड़े एक बहुत ही सरल, बहुत तेज़ गार्ड की तरह कार्य करती है। इस गार्ड को इससे कोई फर्क नहीं पड़ता कि सामने से गुजरने वाली चीज़ कार है, ट्रक है, या एक विशाल रोबोट; उन्हें बस इससे मतलब है कि कोई चीज़ एक विशिष्ट रेखा को पार कर रही है।

अदृश्य रेखा का "जादू"
कल्पना कीजिए कि आप एक वीडियो गेम खेल रहे हैं जहाँ आपको गिरती हुई वस्तुओं को पकड़ना है। आमतौर पर, आप पहले हर वस्तु की पहचान करने की कोशिश करेंगे। लेकिन यह शोध पत्र एक सरल ट्रिक का सुझाव देता है: बस स्क्रीन पर एक रेखा खींच दें। यदि कुछ भी उस रेखा को पार करता है, तो आप एक बटन दबाते हैं। वास्तविक दुनिया में, यह "रेखा" एक सॉफ्टवेयर का हिस्सा है जिसे "वर्चुअल लूप" कहा जाता है। यह सड़क में दबे पुराने धातु के लूप की तरह है जो ट्रैफिक लाइट को सक्रिय करते हैं, लेकिन जमीन में दबे होने के बजाय, इसे कैमरे की स्क्रीन पर खींचा गया है।

यह प्रणाली तीन सरल चरणों में काम करती है:

1. बैकग्राउंड (पृष्ठभूमि): कैमरा सीखता है कि खाली सड़क कैसी दिखती है।
2. अंतर (Difference): यह वर्तमान चित्र की तुलना खाली सड़क से करता है। यदि कोई अंतर है (एक चलती हुई कार), तो यह उसे काले स्क्रीन पर एक सफेद "धब्बे" (blob) के रूपв में हाइलाइट करता है।
3. गिनती (Count): यह जाँचता है कि क्या वह सफेद धब्बा अदृश्य रेखा को छूता है। यदि ऐसा करता है, तो यह एक की गिनती करता है।

यहाँ प्रतिभा यह है कि प्रणाली कभी यह नहीं पूछती, "क्या वह एक कार है?" यह बस पूछती है, "क्या कुछ रेखा के पार चला गया?" इसका मतलब है कि यह एक कार, एक गाय, या कचरे के ढेर को बिना यह सीखे गिन सकती है कि वे चीजें कैसी दिखती हैं।

सड़क के दो नियम
शोधकर्ताओं ने इस गिनती को सटीक बनाने के लिए दो अलग-अलग तरीकों का परीक्षण किया।

• नियम #1: गति का अनुमान। पहला तरीका यह मानता है कि सभी कारें लगभग एक ही गति से चलती हैं। वे अदृश्य रेखा की चौड़ाई को इस तरह सेट करते हैं जो एक वीडियो फ्रेम में एक कार के अपेक्षित संचलन के बराबर हो। यदि कोई कार उम्मीद से धीमी चलती है, तो वह रेखा पर दो फ्रेम तक रह सकती है, और सिस्टम गलती से उसे दो बार गिन सकता है। गणित दिखाता है कि सामान्य गति से चलने पर यह विधि लगभग 86% सटीक होनी चाहिए। यह एक अच्छा अनुमान है, लेकिन यह पूर्ण नहीं है।
• नियम #2: स्व-समायोजन मानचित्र (Self-Adjusting Map)। दूसरा तरीका अधिक स्मार्ट है। यह चलती हुई कारों के धब्बों को देखता है और खुद ही पता लगाता है कि लेन कहाँ हैं। फिर यह प्रत्येक लेन के लिए एक अलग अदृश्य रेखा खींचता है। जब एक कार लेन की रेखा में प्रवेश करती है, तो सिस्टम तब तक प्रतीक्षा करता है जब तक कि कार रेखा छोड़ न दे, और फिर गिनती करता है। यह "दोहरी गिनती" की गलती से बचाता है। यह विधि एक मुफ्त बोनस भी देती है: रेखा को पार करने में लगने वाले समय को मापकर, प्रणाली यह अनुमान लगा सकती है कि कार कितनी तेज चल रही थी।

वास्तविक दुनिया का परीक्षण: छोटे कंप्यूटर, बड़े परिणाम
टीम ने इन विचारों का परीक्षण सिंगल बोर्ड कंप्यूटर (SBCs), जैसे कि Raspberry Pi, नामक छोटे, सस्ते कंप्यूटरों पर किया। ये क्रेडिट कार्ड के आकार के होते हैं और बहुत कम लागत वाले होते हैं, लेकिन ये बहुत शक्तिशाली नहीं होते हैं।

उन्होंने अपनी सरल "ट्रिपवायर" विधि की तुलना एक अधिक जटिल विधि से की जो हर कार के पथ को ट्रैक करने की कोशिश करती है (जैसे एक वीडियो गेम का पात्र)। परिणाम आश्चर्यजनक थे:

• एक मानक डेस्कटॉप कंप्यूटर पर, जटिल ट्रैकिंग विधि धीमी थी और अक्सर भ्रमित हो जाती थी।
• छोटे Raspberry Pi पर, जटिल विधि बुरी तरह विफल रही, और केवल 37.5% कारों को ही सही ढंग से गिन पाई। यह बहुत धीमी थी और इसे वीडियो की गुणवत्ता इतनी कम करनी पड़ी कि यह कारों को देख ही नहीं पा रही थी।
• हालाँकि, सरल "ट्रिपवायर" विधि तेज़ थी और इसने 91% कारों को सही ढंग से गिना।

चुनौती: "रेज़ोल्यूशन नी" (Resolution Knee) और "फ्रेम रेट फ्लोर" (Frame Rate Floor)
शोध पत्र ने कुछ कठिन सीमाओं की भी खोज की, जैसे डिजिटल कैमरों के भौतिकी के नियम।

• रेज़ोल्यूशन नी (Resolution Knee): यदि वीडियो चित्र बहुत छोटा है (लगभग 200 पिक्सल से कम चौड़ा), तो प्रणाली काम करना बंद कर देती है। चलती हुई कारें इतनी छोटी हो जाती हैं कि कंप्यूटर उन्हें शोर (noise) से अलग नहीं कर पाता। लेकिन एक बार जब चित्र पर्याप्त बड़ा हो जाता है, तो उसे और बड़ा करने से कोई खास मदद नहीं मिलती; यह केवल कंप्यूटर की शक्ति बर्बाद करता है।
• फ्रेम रेट फ्लोर (Frame Rate Floor): यदि कैमरा प्रति सेकंड बहुत कम तस्वीरें लेता है ( 5 फ्रेम प्रति सेकंड से कम), तो कारें अदृश्य रेखा के ऊपर से "कूद" जाती हैं। कल्पना कीजिए कि एक कार दो तस्वीरों के बीच इतनी तेजी से चलती है कि वह पहली फोटो में रेखा के एक तरफ थी और दूसरी फोटो में रेखा के दूसरी ओर पहुँच गई, और वास्तव में रेखा को कभी छू ही नहीं पाई। सिस्टम इसे पूरी तरह से मिस कर देता है। यदि कैमरा पर्याप्त तेजी से तस्वीरें नहीं ले रहा है, तो कोई भी स्मार्ट सॉफ्टवेयर इसे ठीक नहीं कर सकता।

यह क्यों महत्वपूर्ण है
लेखकों का निष्कर्ष है कि जबकि "स्मार्ट" AI डिटेक्टर बहुत अच्छे होते हैं जब आपके पास बहुत पैसा और शक्ति हो, वे हमेशा सही उपकरण नहीं होते। यदि आपको अजीब वस्तुओं (जैसे कृषि उपकरण) को गिनना है, यदि आपके पास कंप्यूटर को प्रशिक्षित करने के लिए कोई डेटा नहीं है, या यदि आपको एक छोटे सौर ऊर्जा संचालित बैटरी पर सेंसर चलाना है, तो यह सरल ज्यामितीय विधि विजेता है। यह हर स्थिति में सबसे सटीक होने के बारे में नहीं है; यह विश्वसनीय, सस्ता और कहीं भी बिना सुपरकंप्यूटर की आवश्यकता के चलने में सक्षम होने के बारे में है।

अंत में, शोध पत्र दिखाता है कि कभी-कभी, जटिल समस्या को हल करने का सबसे अच्छा तरीका एक स्मार्ट दिमाग बनाना नहीं, बल्कि एक सरल, अधिक ईमानदार जाल बनाना है।