![تولید نهال و پایههای رویشی باکیفیت و زودرس از طریق کشتبافت](/files/fa/news/1403/5/24/617783_575.jpg)
خودروهای خودران قابلیت شناسایی جنسیت عابر پیاده را دارند؟ | بینایی؛ چالش جدی هوش مصنوعی
![خودروی خودران](/c-files/2021/08/01/0/968729.png)
گروه استانهای خبرگزاری آنا ـ حسین بوذری؛ پلیس از جمله سازمانهایی است که بیشترین خدمت را به مردم ارائه میکند؛ اما با ظهور تکنولوژی و افزایش جرم ناشی از برخی ناهنجاریهای اجتماعی، پلیس در پی دستیابی به فناوریهای علمی برای مقابله با انواع چالشهاست.
امنیت و پیشرفت دو مقوله جدی در هر کشوری محسوب میشوند و پلیس نیز وظیفه نظم و انضباط جامعه را برعهده دارد و از سوی دیگر با مجرمانی مواجه است که برای انجام جرم به شیوهها و تکنولوژی روز روی آوردهاند. حال پلیس برای مواجهه با جرمهای سازمانیافته و پیشرفته نیاز به تکنولوژی بالا دارد و هوشمندسازی راهکار مقابله با جرایم بهروز است.
رمز موفقیت پلیس در جوامع کنونی اشراف اطلاعاتی، هوشمندسازی تجهیزات، تربیت نیروهای متعهد و متخصص بوده و نیروی انتظامی نیز برای اینکه از قافله عقب نماند در پی رسیدن به هوشمندسازی است. پلیس برای موفقیت باید رویکرد پیشگیری و پیشدستانه داشته باشد و در این راستا دنبال تعامل با مراکز دانشگاهی برای توسعه علمی و پژوهشی است؛ چراکه لازمه رسیدن پلیس به هوشمندسازی ارتباط تأثیرگذار با مراکز علمی است.
از مزایای اصلی هوشمندسازی پلیس رویکرد جامعهمحوری و کاهش برخورد فیزیکی با مردم است که در ایران نیز در مسیر درستی قرار گرفته است. طرح هوشمندسازی پلیس نیاز به تجهیزات نوین دارد و حمایت و پشتیبانی مسئولان از مأموریتهای پلیس برای رسیدن به هوشمندسازی مضاعف به نظر میرسد.
در این راستا با راهاندازی قرارگاه طرح هوشمندسازی پلیس در اردیبهشت ۱۳۹۹ این قرارگاه رویکرد اصلی خود را ارتباط و تعامل موثر با مراکز دانشگاهی قرار داده است. امسال هم تیر ۱۴۰۰ مراسم رونمایی از سامانه ارتباطی باشگاه پژوهشگران جوان و نخبگان دانشگاه آزاد اسلامی در راستای انعقاد قرارداد همکاری با قرارگاه هوشمندسازی پلیس با حضور مسئولان دو نهاد دانشگاه آزاد اسلامی و نیروی انتظامی در واحد علوم و تحقیقات این دانشگاه برگزار و از ۱۰ پایاننامه برتر دانشجویان دانشگاه آزاد اسلامی در حوزه هوشمندسازی پلیس تجلیل شد.
برای آغاز این همکاری پایاننامهها در زمینه پلیس هوشمند در دانشگاه آزاد اسلامی شناسایی شدند و در این زمینه یک هزار و ۸۱۰ پایاننامه ارائه شد، ۲۰۴ پایاننامه مورد تأیید قرار گرفت و قرار شد که مسئولان این پایاننامهها در تیم تخصصی حضور داشته باشند تا در محیط تخصصی با مسئولان ارتباطات لازم را برقرار کنند. در نهایت ۵۰ پایاننامهای که از دی ۹۹ تا ۱۴۰۰ مورد دفاع قرار گرفت، جزء پایاننامههای انتخابی همکاری با پلیس هوشمند قرار گرفتند و در ادامه دانشجویان طرح نامه ارائه دادند و ۱۰ طرح برتر پلیس هوشمند انتخاب شد.
بیشتر بخوانید:
«RSU» موجودی هوشمند و همیار پلیس
امدادرسانی به خودروها با اینترنت اشیا
کنترل بیماران کرونایی از راه دور
رویداد تبادل فرصت ها و طرح های پژوهشی فناورانه پلیس هوشمند
پایاننامه نیلوفر حمیدی دانشجوی مقطع کارشناسی ارشد رشته مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد تهران شمال (گرایش هوش مصنوعی و روباتیک) با عنوان «شناسایی جنسیت عابر پیاده در خودروهای خودران با استفاده از الگوریتم R-CNN» در دومین رویداد «پلیس هوشمند، پروژهها و فرصتهای پژوهشی فناورانه» بهعنوان یکی از ۱۰ پایاننامه برتر در طرح پایش پلیس هوشمند شناخته و از وی تجلیل شد.
خبرنگار آنا به همین مناسبت گفتوگویی را با حمیدی دانشجوی مقطع کارشناسی ارشد رشته مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد تهران شمال ترتیب داده است که مشروح این گفتوگو در پی میآید.
آنا: ابتدا توضیحی درباره پایاننامه خود ارائه کنید.
حمیدی: عنوان پایاننامه من «شناسایی جنسیت عابر پیاده در خودروهای خودران با استفاده از الگوریتم R-CNN» است.
با پیشرفت تکنولوژی، صنعت خودروسازی در جهان به سمتی نوین حرکت کرده و بسیاری از شرکتهای مهم سازنده خودرو در راستای بهبود ساخت خودرو ایدهآل با یکدیگر رقابت دارند و طبیعتاً امنیت خودرو برای راننده و سایر انسانها و جانداران از فاکتورهای اساسی برای استانداردسازی آن است.
خودرو بدون سرنشین به کاهش تصادفات کمک میکند؟
اگرچه بسیاری از رویکردهای گوناگون، نقش اثربخشی را برای تشخیص عابر پیاده نشان دادهاند؛ اما این روشها برای رسیدن به یک معامله مناسب بین زمان واقعی و دقت، بسیار دشوار هستند.
آنا: خودرو خودران چه کاربردی دارد؟
حمیدی: خودرو خودران بهگونهای از خودروها گفته میشود که در آنها راننده نیازی به هدایت، کنترل خودرو و اطمینان از بیخطر بودن آن ندارد و با استفاده از سیستمهای پیشرفته کنترلی و روشهای یادگیری ماشین حرکت کرده و به مقصد میرسد.
سال ۲۰۱۷، آلمان نخستین کشوری بود که سیستم رانندگی کاملاً مستقل و بدون سرنشین را به رسمیت شناخت و از سال ۲۰۱۹، ایالتهای آمریکا قوانین اجازه خودروهای بدون سرنشین را تصویب کردند. در اروپا و کشورهای آلمان، هلند و اسپانیا نیز رفتوآمد و آزمایش خودروهای روباتیک را مجاز کردند، علاوه بر این، کشورهای فرانسه، ایتالیا، انگلیس و برخی از شهرهای بلژیک درصدد طرح اجرای سیستم حمل و نقل خودروهای خودران هستند.
اگرچه ممکن است تعاریف گوناگون از خودرو خودران ساده به نظر برسد؛ اما حل مسائل مرتبط با خودروهای بدون سرنشین دارای سطوح مختلفی است که هرکدام از سطوح، کاربرد مربوط به خود را دارد و بسته به شرایط، برای حل مسئله استفاده خواهد شد.
با پیشرفت تکنولوژی، صنعت خودروسازی در جهان به سمتی نوین حرکت کرده و بسیاری از شرکتهای مهم سازنده خودرو در راستای بهبود ساخت خودرو ایدهآل با یکدیگر رقابت دارند.تاکنون به ۶ سطح مختلف از تعریف رسمی و به عبارتی راهنمای خودرو خودران پرداخته شده که سازمان ملی ایمنی ترافیک جادههای آمریکا (NHTSA) برای خودروهای خودران طراحی کرده است.
طبق تعاریف انجامشده از سطوح خودروهای بدون سرنشین، سطح صفر اشاره بر خودران نبودن و سطح ۵ (آخرین سطح) کاملاً خودکار و خودرویی ایدهآل بوده و پیشبینی شده که بعد از سال ۲۰۳۰ به صورت کامل پیادهسازی شود.
آنا: خودرو بدون سرنشین در مقایسه با خودروهای سرنشیندار به کاهش تصادفات هم کمک میکنند؟
حمیدی: رانندگی با خودرو بدون سرنشین، آماده تغییر زندگی در تمام جوامع است. با این وجود حوادث اخیر نشان میدهند که تاکنون به طور ظاهری واضح نیست که یک سیستم ادراک ساخته بشر، بتواند وقتی که یک سیستم رانندگی در دنیای واقعی مستقر میشود از اشتباهات آشکار جلوگیری کند.
حوادث منجر به تصادف خودروهای خودران شرکت تسلا در سالهای گذشته تا به امروز حاکی از آن بوده که تشخیص و ردیابی اشیاء حائز اهمیت و طبق گزارش ماه مارس در سال ۲۰۱۸، تصادف ناگهانی ماشین بدون سرنشین اوبر متعلق به شرکت ولوو در آریزونا نخستین تصادف مرگبار یک خودرو خودران بود که منجر به مرگ یک خانم عابر پیاده شد و از آن پس، این شرکت عبور آزمایشی اینگونه خودروها را در آمریکا و کانادا متوقف کرده است.
خودروهای بدون سرنشین نیاز به بهبود سیستم تشخیص عابر پیاده دارند
در سانفرانسیسکو نیز پلیس برای سرنشین خودرو خودکار بهدلیل تشخیص ندادن یک عابر پیاده که موفق به عبور از گذرگاه نشد، جریمه صادر کرد.
آنا: چاره کار کجاست؟
حمیدی: خودروهای بدون سرنشین نیاز به بهبود سیستم تشخیص عابر پیاده دارند؛ چراکه تشخیص عابر پیاده، مسئلهای ضروری و بسیار فعال در حوزه بینایی کامپیوتر و یادگیری ماشین است که اطلاعات اصلی برای درک معنایی عکسها و فیلمهای ویدیویی را فراهم میکند.
عابران پیاده آسیبپذیرترین دسته از کاربران راه در رفت و آمد شهری هستند، به عبارت دیگر تشخیص عابر پیاده، هسته اصلی فناوری مدیریت ترافیک، ایمنی شهری و رانندگی بدون سرنشین بوده و یک روند کلیدی در وظیفه شناسایی مجدد فرد است.
آنا: با این شرایط خودروهای بدون سرنشین با هوش مصنوعی با چالش شناسایی جنسیت عابر پیاده مواجه هستند؟
حمیدی: دقیقاً. با محبوبیت هوش مصنوعی، محدوده کاربرد تشخیص عابر پیاده بیشتر و گستردهتر میشود و امروزه بسیاری از شرکتهای مهم سازنده خودرو در جهان درحال رقابت برای ساخت خودروهای خودران بوده و با چالشهای بسیاری برای رسیدن به استانداردهای ایدهآل مواجه هستند و از آنجا که ظاهر یک عابر پیاده اغلب با دیدگاه، نورپردازی، لباس، جفتشدگی و ... تغییر میکند، شناسایی جنسیت عابر پیاده یک وظیفه چالشبرانگیز در زمینه بینایی کامپیوتر است.
آنا: در پایاننامهتان چه روشهایی برای بهبود تشخیص و ردیابی عابران پیاده از سوی خودروهای خودران پیشنهاد کردید؟
حمیدی: تاکنون روشهای متعددی برای بهبود تشخیص و ردیابی عابران پیاده پیشنهاد شده است؛ اما با وجود پیشرفتهای چشمگیر، تشخیص عابر پیاده همچنان به صورت یک چالش باقی مانده است که به الگوریتمهای دقیقتر نیاز دارد.
خودروهای بدون سرنشین نیاز به بهبود سیستم تشخیص عابر پیاده دارند، چراکه تشخیص عابر پیاده، مسئلهای ضروری و بسیار فعال در حوزه بینایی کامپیوتر و یادگیری ماشین استدر شرایط خاص، استفاده از چهره ممکن است به دلیل حفظ حریم خصوصی یا دقت نکردن کافی باشد؛ اما یکی از سادهترین دلایل آن است که از دید پُشت یک شخص، چهره قابل مشاهده نیست و بیشتر سیستمهای تشخیص جنسیت چهره به محیطهای محدود میانجامند؛ بنابراین استفاده از کل بدن نیز حائز اهمیت است.
چه عاملی منجر به تصادف خودروهای خودران میشود؟
سالهای اخیر روشهایی بر پایه یادگیری ماشین در زمینه تشخیص و ردیابی عابر پیاده مورد مطالعه قرار گرفته، همچنین دستهبندی جنسیت فرد در پژوهشهای بینایی کامپیوتری افزایش یافته است.
کاربردهای بسیاری مانند اثر متقابل انسان و کامپیوتر، نظارت و جمعآوری اطلاعات جمعیتی وجود دارد؛ اما با وجود تعداد بسیاری از فعالیتهای مربوط به شناخت جنسیت براساس اطلاعات چهره، پژوهشهای اندکی بهمنظور استفاده از نشانهها از کل بدن انجام شده و از این رو، انگیزه این پژوهش، ارتباط آن با ایمنی فیزیکی افراد است.
آنا: چه عاملی منجر به تصادف خودروهای خودران میشود؟
حمیدی: الگوریتم تشخیص عابر پیاده توسط روباتهای متحرک و وسایل نقلیه خودران استفاده میشود و اختلاف عملکرد در الگوریتمهای تشخیص عابر پیاده، میتواند به تأثیر متقابل به شکل تصادف خودرو خودران اوبر منجر شود.
از آنجایی که مجموعههای آموزشی یا الگوریتمها موجب اینگونه تشخیصهای خطا هستند، تمایل بیشتری به اتفاق افتادن روی انواع مشخصی از عابران پیاده دارند؛ بنابراین ارائه یک روش هوشمند با دقت بیشتر، میتواند به بهبود این مشکلات کمک کند.
آنا: شما چه روشی را پیشنهاد میکنید؟
حمیدی: یکی از روشهای شناسایی، مشخص کردن بایاس(bias) جنسیت و سن در عملکرد الگوریتم تشخیص جنسیت عابر پیاده است؛ اما با توجه به تفاوت اندازه عابران پیاده که شامل زن، مرد و بچه میشود، احتمال خطای شناسایی در عابران با ابعاد کوچکتر وجود دارد.
بیشتر بخوانید:
همکاری دانشگاه آزاد اسلامی با پلیس در قالب ۱۰ طرح هوشمندسازی
نگرش مسئولان به دانشگاهها تغییر کند
پایاننامه دانشجوی دانشگاه آزاد اسلامی گرگان در جمع ۱۰ پایاننامه برتر
قرارداد همکاری میان دانشگاه آزاد اسلامی و پلیس امضا شد
با توجه به تفاوتهای بیولوژیکی جنسیت زن و مرد و عادات، رفتارها، حالات و فرهنگ هر کدام، نحوه، سرعت حرکت و نوع پوشش آنها گوناگون بوده و در نتیجه بر پیشبینی محاسبات و هر نوع واکنش احتمالی خودرو خودران یا سایر سیستمهای هوشمند اثر میگذارد.
نتایج این پژوهش میتواند مورد استفاده شرکتهای سازنده خودروی بدون سرنشین، سازمانهای هوشمند ازجمله نیروی انتظامی و ... برای بهبود دقت، جلوگیری از تکرار تصادف مرگبار و شناسایی افراد قرار گیرد.
از سوی دیگر در سالهای اخیر استفاده از روشهای یادگیری عمیق در حوزه یادگیری ماشین مطرح و بهبود اینگونه روشها در حال توسعه است.
آنا: طرح «شناسایی جنسیت عابر پیاده در خودروهای خودران با استفاده از الگوریتم R-CNN» فقط مربوط به خودروها میشود یا در سایر مکانها هم میتوان از این طرح استفاده کرد؟
حمیدی: در صورت اجرای این طرح خارج از مورد خودرو خودران، میتوان طرح را در صورت لزوم در برخی مکانهای دارای تفکیک جنسیت مانند مکانهای ورزشی، زیارتی، خوابگاهها و ... اجرا به عنوان مثال میتوان از ورود افراد اشتباهی جلوگیری کرد.
در این پژوهش، تلاش کردیم با ترکیب روشهای پیشین و نوین و بهرهبرداری از خصوصیات مثبت هر بخش، نقصهای موجود برطرف و نسبت به کاهش خطای تشخیص اقدام شود.
از جمله اهداف کلی پایاننامه بهکارگیری الگوریتم پایه شناسایی برای تشخیص جنسیت عابر پیاده توسط یادگیری عمیق به نام R-CNN بوده و با توجه به آسیبپذیر بودن عابران پیاده در رفت و آمد شهری، دقت بالا و داشتن حداقل خطا بسیار حائز اهمیت است.
در صورت اجرای درست طرح با کمترین خطا، زمینه و بستر مناسبی برای امنیت شهروندان، شناسایی هوشمند و بهموقع افراد فراهم میشود.
در صورت در دسترس نبودن تشخیص جنسیت در چهره افراد (افتادن سایه، دید از عقب و هرگونه خطای احتمالی)، این طرح میتواند به نوبه خود، تکمیلکننده سایر الگوریتمها در شناسایی جنسیت باشد.
انتهای پیام/۴۰۷۸/۴۰۶۲/
انتهای پیام/