Un algoritmo de fusión para la detección y seguimiento de peatones anómalos en carreteras urbanas basado en la...

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Aprendizaje Automático

Sus antecedentes:

• La detección de comportamientos humanos anómalos en el tráfico es crucial pero desafiante debido a entornos complejos y errores de detección.
• Los métodos existentes luchan con la interferencia de fondos complejos y objetivos pequeños.

Objetivo del estudio:

• Proponer una metodología de IA integrada para la detección y el seguimiento robustos de comportamientos humanos anómalos en escenas de tráfico complejas.
• Mejorar la precisión de la detección y la estabilidad del seguimiento combinando modelos avanzados de aprendizaje profundo.

Principales métodos:

• Se utilizó YOLOv8 como línea base, integrando Swin Transformer para la modelización de características globales.
• Se incorporaron mecanismos de atención CBAM y CA, módulos GSConv y la función de pérdida Focal-EIoU.
• Se mejoró el seguimiento con BoT-SORT-ReID incorporando distancias de características ReID e información de categorías de comportamiento.

Principales resultados:

• Logró un mAP@50% de 92,2%, una precisión del 90,75% y una recuperación del 86,57% en un conjunto de datos personalizado, con una velocidad de 328,49 FPS.
• Demostró generalización en el conjunto de datos UCSD Ped1 con un mAP del 92,7%, superando a los modelos convencionales.
• El seguimiento logró una MOTA del 90,8%, una MOTP del 92,6% y una reducción del 47,6% en cambios de ID (IDS).

Conclusiones:

• El algoritmo integrado propuesto YOLO-SGCF y BoT-SORT-ReID mejora significativamente la detección y el seguimiento de comportamientos humanos anómalos en entornos de tráfico complejos.
• La metodología ofrece un rendimiento, precisión y estabilidad de seguimiento superiores en comparación con los enfoques actuales del estado del arte.
• El sistema demuestra eficacia en la identificación y el seguimiento de comportamientos anómalos específicos como escalar, caerse, pelear y usar el teléfono.