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

あなたは、賑やかな高速道路に立って、1分間に何台の車が通過するかを数えようとしているところだと想像してください。交通工学の世界では、この数を知ることは都市の鼓動を知るようなものです。それは、計画者が新しい道路をどこに建設するか、あるいは信号機のタイミングをどう設定するかを判断する助けとなります。何十年もの間、これを行う最も賢い方法は、「ディープラーニング（深層学習）」コンピュータを使用することでした。これは、「車」「バス」「トラック」といった特定の形状を認識するように訓練されたデジタル脳です。これらのシステムは、車両を識別し、その経路を追跡し、カウントすることができる、非常に観察力の鋭い警備員のようなものです。しかし、これらのデジタル脳には大きな問題があります。それは、教えられたことしか知らないということです。もし、奇妙な農耕用トラクターや、落下した荷物の山、あるいはロバが引く荷車が通り過ぎたとしても、コンピュータはそれらを学習していなければ、混乱してしまうかもしれません。さらに、これらのスマートなコンピュータは電気を大量に消費し、動作させるために強力で高価なハードウェアを必要とするため、道路沿いの単純な電柱などに設置するのは困難です。

本論文では、これとは全く異なる、もっとシンプルで簡単なアプローチを探求しています。それは、対象が「何であるか」を認識しようとする代わりに、単に「何かが動いている」ことに気づくという手法です。これは、道路を巨大で見えない「トリップワイヤー（感触線）」のように扱うものです。もし影や動きの塊が特定の線を横切れば、それを車両としてカウントします。著者らはこれを「クラス・アグノスティック（クラスに依存しない）」なアプローチと呼んでいます。つまり、対象のクラスや種類は気にせず、ただ動きだけを重視するという意味です。彼らが取り組んでいる大きな問いは、「非常にシンプルで、安価な小さなコンピュータ（Raspberry Piのようなもの）で動作し、学習データなしでも機能し、かつ任務を遂行できるようなカウントシステムを構築できるか？」という点です。彼らは、複雑で食欲旺盛なAIよりも、時には最も単純な幾何学的なトリックの方が優れているのだと主張しています。特に、見たこともないものをカウントする必要がある場合には、なおさらです。

見えないトリップワイヤー：正体を知らずに車を数える

本論文の著者たちは、車のカウントにおけるハイテクで「スマート」な方法から一歩退くことに決めました。車を認識することを学ぶデジタル脳を作る代わりに、彼らは橋の上に立つ、非常にシンプルで非常に素早い警備員のように機能するシステムを作り上げました。この警備員は、目の前を通り過ぎるものが車であれ、トラックであれ、あるいは巨大なロボットであれ、気にしません。彼らが関心を持つのは、何かが特定の線を横切ったかどうかだけです。

「魔法の不可視線」
ビデオゲームで、落下してくる物体をキャッチしなければならない場面を想像してみてください。通常、あなたはまずあらゆる物体を識別しようとするでしょう。しかし、本論文はもっと単純なトリックを提案しています。画面に一本の線を引くだけです。もし「何か」がその線を横切ったら、ボタンをクリックします。現実の世界では、この「線」は「バーチャル・ループ」と呼ばれるソフトウェアです。これは、道路の下に埋められて信号機を作動させる昔ながらの金属製ループのようなものですが、アスファルトの中に埋め込まれる代わりに、カメラの画面上に描かれます。

システムは以下の3つのシンプルなステップで動作します：

1. 背景： カメラは、何もない状態の道路がどのような見た目であるかを学習します。
2. 差分： 現在の画像と、何もない状態の道路を比較します。もし差分（動いている車）があれば、それを黒い画面上の白い「塊（ブロブ）」として強調表示します。
3. カウント： その白い塊が不可視の線に触れたかどうかをチェックします。触れていれば、カウントを1増やします。

ここでの天才的な点は、システムが「これは車か？」と決して問わないことです。単に「何かが線を横切ったか？」と問うだけなのです。これにより、システムは車、牛、あるいはゴミの山であっても、それらがどのような見た目であるかを教えられなくても、カウントすることができます。

道路の2つのルール
研究者たちは、このカウントの精度を高めるために、2つの異なる方法をテストしました。

• ルール #1：速度の推測。 最初のメソッドは、すべての車がおよそ同じ速度で移動するという仮定に基づいています。彼らは、動画の1フレーム内で車が移動すると予想される距離に合わせて、不可視の線の幅を設定しました。もし車が予想よりも遅く走っている場合、線の上に長く留まってしまい、システムが誤って2回カウントしてしまう可能性があります。計算によれば、このメソッドは車が通常の速度で走行している場合、約**86%**の精度を持つはずです。これは優れた推測ですが、完璧ではありません。
• ルール #2：自己調整マップ。 2番目のメソッドはよりスマートです。動いている車の塊を観察し、自力でレーンの位置を特定します。そして、レーンごとに個別の不可視線を引きます。車がレーンの線に入ると、システムは車がその線を離れるまで待機してからカウントを行います。これにより、「二重カウント」というミスを防ぎます。このメソッドには無料のボーナスもあります。車が線を横切るのにかかる時間を計測することで、システムは車の速度を推測できるのです。

実世界でのテスト：小さなコンピュータ、大きな成果
チームは、これらのアイデアをRaspberry Piのようなシングルボードコンピュータ（SBC）と呼ばれる、小さくて安価なコンピュータでテストしました。これらはクレジットカードほどのサイズで、価格も非常に安いですが、それほど強力ではありません。

彼らは、このシンプルな「トリップワイヤー」方式を、すべての車の経路を追跡しようとする（ビデオゲームのキャラクターのように）より複雑な手法と比較しました。結果は驚くべきものでした。

• 標準的なデスクトップコンピュータでは、複雑な追跡メソッドは動作が遅く、しばしば混乱が生じました。
• 小さなRaspberry Piでは、複雑なメソッドは惨敗し、車の正確なカウント率はわずか**37.5%**でした。動作が遅すぎて、ビデオの品質を大幅に下げざるを得ず、その結果、車を見ることができなくなっていました。
• しかし、シンプルな「トリップワイヤー」方式は、リアルタイムよりも速く動作し、**91%**の車を正確にカウントしました。

落とし穴：「解像度の膝」と「フレームレートの床」
論文ではまた、デジタルカメラの物理法則のような、明確な限界についても明らかにしています。

• 解像度の膝（Resolution Knee）： ビデオの解像度が低すぎる（幅が約200ピクセル未満）と、システムは機能しなくなります。動いている車があまりに小さくなりすぎて、コンピュータがノイズと区別できなくなるからです。しかし、一度画像が十分に大きくなれば、それ以上大きくしてもあまり効果はなく、単にコンピュータのパワーを無駄にするだけになります。
• フレームレートの床（Frame Rate Floor）： カメラが1秒間に撮る写真の枚数が少なすぎる（毎秒5フレーム未満）と、車は不可視の線を「飛び越えて」しまいます。想像してみてください。車があまりに速く移動するため、1枚目の写真では線の片側にあり、2枚目の写真では反対側に移動しており、その間の瞬間には一度も線に触れていない状態です。この場合、システムは完全に見逃してしまいます。カメラが十分に速い速度で写真を撮っていない限り、どんなに賢いソフトウェアでもこれを修正することはできません。

なぜこれが重要なのか
著者らは、お金とパワーがたっぷりある場合にはスマートなAI検出器は素晴らしいが、それらが常に最適な道具であるとは限らないと結論づけています。もし、奇妙な物体（農機具など）をカウントする必要があったり、コンピュータを訓練するためのデータがなかったり、あるいは小さなソーラー電池で動作するセンサーが必要だったりする場合、このシンプルな幾何学的手法が勝者となります。これは、あらゆる状況において最も正確であることを目指すのではなく、信頼でき、安価で、どこでも動作することを目指しているのです。

結局のところ、本論文は、複雑な問題を解決するための最善の方法は、より賢い脳を作ることではなく、よりシンプルで正直な「罠」を作ることであるということを示しています。