Научный архив: статьи

Введение. Дорожно-транспортные происшествия (ДТП) – одна из главных причин смертности. В 2024 г. в ЕС погибло 19 940 чел., в РФ – 14 400 чел. Значительная доля аварий связана с опасными маневрами: резкими перестроениями, обгонами, экстренным торможением и проездом на красный сигнал светофора. Традиционные методы контроля ограничены стоимостью и масштабируемостью.

Цель – разработка системы автоматической детекции и классификации опасных маневров на основе видеоданных с использованием YOLOv8 и Deep SORT.

Материалы и методы. Предложена система из четырёх модулей: модифицированный YOLOv8n (с P2-слоем, LW_C2f, Wise-IoU) для детекции ТС; оптимизированный Deep SORT для трекинга; анализ траекторий с калибровкой камеры; классификация маневров по порогам ускорения (0,35g – смена полосы, 0,30g – торможение), пересечению разметки и состоянию светофора (YOLOv8). Обучено на 45 000 изображений ТС и 20 000 для re-ID.

Результаты. Тестирование на 150 ч видео (разные условия) показало: mAP детекции ТС – 92,7%, MOTA трекинга – 86,3%, точность классификации маневров – 89,3% (F1: смена полосы – 89,4%, торможение – 89,7%, красный свет – 85,2%) при 28 FPS на RTX 3070. Задержка – 0,12 с.

Обсуждение и заключение. Система превосходит аналоги по скорости и охвату маневров, применима для ИТС. Ограничения – снижение точности в тумане/дожде. Перспективы: расширение классов, edge-вычисления, предсказание рисков. Внедрение снизит аварийность и автоматизирует контроль ПДД.