ЗАСТОСУВАННЯ МЕТОДУ ОЦІНКИ ШВИДКОСТІ ПІШОХОДІВ ДЛЯ СТАТИСТИЧНОГО АНАЛІЗУ ДИНАМІКИ НАТОВПУ
DOI:
https://doi.org/10.32689/maup.it.2025.1.34Ключові слова:
компʼютерний зір, трекінг обʼєктів, оцінка швидкості ходьби, відеоспостереження, глибоке навчання, моніторинг натовпуАнотація
У статті розглянуто задачу виявлення, відстеження та оцінки швидкості руху пішоходів на основі відеозаписів із камери спостереження, встановленої над зоною пересування. Така конфігурація є типовою для систем відеоспостереження в публічних просторах. Запропонований авторами метод не потребує жодного спеціалізованого обладнання, що дозволяє використовувати його в широкому спектрі реальних сценаріїв. Метою роботи є апробація створеного раніше методу оцінки швидкості руху пішоходів на практичному прикладі з реального життя – відеоспостереження у шкільному коридорі. Дослідження має на меті перевірити ефективність і надійність алгоритму в умовах, які відрізняються від лабораторного середовища. Методологія дослідження. Для випробування методу була організована зйомка в коридорі навчального закладу, де камера фіксувала пішохідні потоки протягом 6,5 годин. За допомогою алгоритмів комп’ютерного зору здійснювалося виявлення пішоходів, відстеження траєкторій та оцінка швидкості руху. Усього було отримано 1841 траєкторію, а середня швидкість руху склала 1,15 м/с. На основі зібраних даних проведено статистичний аналіз, що дозволив оцінити динаміку пішохідного трафіку у звичайних та екстрених умовах. Наукова новизна. У роботі вперше апробовано раніше запропонований метод у реальних умовах, без попередньої підготовки середовища чи залучення додаткових сенсорів. Особливістю дослідження є врахування зовнішніх чинників, зокрема регулярних повітряних тривог, що відбуваються під час війни в Україні. Їхній вплив на поведінку пішоходів був ідентифікований та відображений у результатах аналізу. Такий підхід дозволяє глибше зрозуміти адаптивну поведінку людей у стресових ситуаціях. Висновки. Проведене дослідження підтвердило ефективність розробленого раніше методу виявлення, відстеження та оцінки швидкості пішоходів у реальних умовах. Отримані результати можуть бути використані для подальшого вдосконалення систем підтримки прийняття рішень у сфері безпеки, планування евакуацій та аналізу поведінки натовпу. Залучення реальних даних та врахування кризового контексту підвищує прикладну цінність методики для практичного використання.
Посилання
A. Boroomand, G. Shaker, P. P. Morita, A. Wong and J. Boger, “Autonomous gait speed estimation using 24GHz FMCW radar technology,” 2018 IEEE EMBS International Conference on Biomedical & Health Informatics (BHI), Las Vegas, NV, USA, Apr 2018, pp. 66–69. https://doi.org/10.1109/BHI.2018.8333371.
B. Kannadasan and K. Yogeswari, “ANN-based traffic planning model using adaptive YOLOv5-aided object counting from surveillance videos”. Asian Journal of Civil Engineering, vol. 25, pp. 4771–4788, May 2024. https://doi.org/10.1007/s42107-024-01079-9.
B. Y. Wang, A. Bochkovskiy, H. Y. M. Liao. “YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors,” In CVPR, New Orleans, LA, USA, 2022, pp. 7464–7475. https://doi.org/10.48550/arXiv.2207.02696.
DBN V.1.1-7:2016, Fire Safety of Building Structures, Ministry of Regional Development of Ukraine, Kyiv, 2016. URL: https://e-construction.gov.ua/files/new_doc/3019922918881626107/2023-01-20/5c73ab5e-fc7d-4433-8bcf-6f78978113b6.pdf.
H. Ghomashchi, J. Paterson, A. C. Novak, and T. Dutta, “Estimating pedestrian walking speed at street crossings using the YOLOv4 and deep SORT algorithms: Proof of principle,” Applied Ergonomics, vol. 119, Article 104292, Apr. 2024. https://doi.org/10.1016/j.apergo.2024.104292.
M. F. M. Ali, M. S. Abustan, et al., “A Case Study of Malaysian Pedestrian Walking Speed at Shopping Malls in Kuala Lumpur, Malaysia using Human Behaviour Simulator (HBS),” International Journal of Integrated Engineering, vol. 11, no. 4, pp. 225–230, Aug. 2019. https://doi.org/10.30880/ijie.2019.11.04.025.
M. Giannoulaki, Z. Christoforou, “Pedestrian Walking Speed Analysis: A Systematic Review,” Sustainability, vol. 16, no. 11, Article 4813, Jun. 2024. URL: https://translate.google.com/website?sl=en&tl=uk&hl=uk&prev=search&u=https://doi.org/10.3390/su16114813.
M. Tishkov. Pedestrian speed estimation. 2024. URL: https://github.com/MaksymTishkov/pedestrian_speed_estimation.
M. W. Park, S. G. Chung, J. Beom, K. S. Kim, J. Kim, and C. H. Park, “Minimum Required Distance for Clinically Significant Measurement of Habitual Gait Speed,” Research Square, 2024. https://doi.org/10.21203/rs.3.rs-5403357/v1.
O. L. Tymoshchuk, M. O. Tishkov, V. G. Bondarenko, “Crowd navigation monitoring during emergencies,” Systemresearch and information technologies, no. 4, pp. 43–54, Dec. 2024. https://doi.org/10.20535/SRIT.2308-8893.2024.4.03.
P. Shrivastav and A. K. T. Andu, “Integrated Approach for Real-time Human Counting, Tracking, and Direction Estimation using Advanced Algorithms,” 2024 15th International Conference on Computing Communication and Networking Technologies (ICCCNT), Kamand, India, Nov. 2024, pp. 1–6. https://doi.org/10.1109/ICCCNT61001.2024.10726257.
S. Mirzaei, “Dual-Camera Intersection Monitoring: Detection, Tracking, and Predictive Safety Alerts for Road Users,” M.A.Sc. thesis, Dept. of Mechanical Eng., McMaster Univ., 2024. http://hdl.handle.net/11375/30193.
X. Peng and J. Shan, “Detection and tracking of pedestrians using Doppler LiDAR,” Remote Sensing, vol. 13, no. 15, Article 2952, Jul. 2021. https://doi.org/10.3390/rs13152952.
Y. Liu, W. Zhang, L. Cao and D. Wei, “Ped-Mag-ODO: Indoor Pedestrian Motion Speed Estimation Method Based on Dual Magnetometers,” IEEE Internet of Things Journal, Dec. 2024. https://doi.org/10.1109/JIOT.2024.3512504.
