Investigadores criam novo sistema de detecção de peões mais eficiente

Para que os carros autónomos possam circular nas estradas em segurança, é essencial que consigam ver os peões. Investigadores criaram um novo algoritmo que consegue fazer isso com metade dos erros dos sistemas utilizados actualmente.

pedestrian-detection-ucsd

Muitos carros actuais já têm sistemas que conseguem identificar peões, mas a tarefa de os identificar não é nada fácil. Bastará imaginar que estes sistemas têm que identificar pessoas de diferentes dimensões, a diferentes distâncias, em andamento e paradas, sozinhas ou em multidões, parcialmente obstruídas por veículos ou outros objectos, com roupas de todas as cores e feitios imagináveis, e em locais que serão também completamente imprevisíveis.

Ainda assim, os sistemas actuais fazem isto por pura força bruta, procurando por elementos característicos de “pessoas” em toda a imagem (ou pouco ao estilo do que uma câmara digital faz para detectar o rosto de uma pessoa).

Mas agora uma equipa da Universidade da Califórnia diz ter criado um novo sistema mais eficiente, capaz de detectar pessoas com muito mais qualidade, e dando uso à tecnologia da moda: o deep learning. O Deep Learning é um sistema de inteligência artificial cujas capacidades incluem a detecção de objectos numa imagem, bastando para isso dar-lhe milhares (ou milhões) de imagens de exemplo, para que ele “aprenda”. O problema é que este sistema é bastante complexo e exige hardware bastante potente para funcionar a velocidades apropriadas para um veículos em movimento.

Assim, a solução foi criar um sistema misto, onde primeiro se faz uma análise mais grosseira que determinará quais as zonas da estrada que se pode descartar com segurança (céu, edifícios, etc.) e depois aplicar o reconhecimento com deep learning apenas às áreas onde potencialmente poderão existir peões. Desta forma o sistema pode funcionar a velocidades bastante mais rápidas e eventualmente ser aproveitado pelos fabricantes de carros autónomos.

 

 

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *