מערך נתונים לניתוח וידאו תעבורה מרב-זוויות

למה חשוב שיהיו כמה עיניים ברחוב

כל מי שניסה לחצות רחוב עמוס יודע שמכוניות, אופניים ואנשים נעים בדרכים שקשה לחזותן. ערים פונות למצלמות ולבינה מלאכותית כדי לשמור על ביטחון המרחבים הללו, אך רוב המערכות עדיין מסתכלות על הכביש מזווית אחת בלבד. מאמר זה מציג מערך וידאו ציבורי חדש שתיעד את אותו מעבר חצייה משלוש נקודות מבט שונות בו-זמנית, ומספק לחוקרים חומר גלם עשיר שנדרש כדי לפתח מערכות תעבורה בטוחות וחכמות יותר.

מעבר חצייה אחד, שלוש דרכי ראייה

המערך מתמקד בסצנה שגרתית אחת: מעבר חצייה בקמפוס, באוניברסיטת מורסיה בספרד. במקום להסתמך על מצלמה בודדת, המחברים צילמו כל אירוע בשלוש מצלמות שפעלו במקביל: מצלמה המותקנת על רכב נע המתקרב למעבר, מצלמה קבועה על עמוד כביש ממיקום מוגבה, ומצלמה על רחפן קטן מרחף מעל. יחד, התצפיות האלה לוכדות את אותם אנשים וכלי רכב מרמת הקרקע, מהצד ומהשמיים, ומשקפות בצורה קרובה את האופן שבו צופים שונים עשויים לראות את אותו רגע במציאות.

לתפוס גם הליכות שגרתיות וגם תאונות נדירות

כדי להפוך את הנתונים לשימושיים הן למעקב יום-יומי והן למצבי חירום, הצוות ביים שני סוגי אירועים. בחלק מההקלטות הולכי הרגל פשוט חוצים בעוד הרכב נעצר וממתין, המשקף התנהגות תנועה רגילה. בהקלטות אחרות, שחקן מדמה נפילה תוך כדי מעבר החצייה, בהתאם לתבניות תנועה שנועדו לדמות תאונה אמיתית. הרכב תמיד נסע באותו מסלול, והולכי הרגל חזרו על אותם תנועות בסיסיות, כך שחוקרים יכולים להשוות כיצד כל תרחיש נראה מכל מצלמה ולבחון כיצד אירועים בלתי רגילים בולטים לעומת שגרתיים.

מקטעי גלם לדלק למחקר חזק

מאפיין מרכזי של המערך הוא כי קבצי הווידאו נשמרים כנתונים גולמיים ולא נערכים. העיבוד היחיד הוא הוספת חותמות זמן מדויקות, בנוסף לרמז חזותי פשוט: בתחילת כל חצייה אחד מהולכי הרגל מרימים יד למשך רגע. זה מקל על התאמת הפריימים מכל שלוש המצלמות כך שאותו רגע בזמן ייחקר מכל זוית. 18 קבצי הווידאו מכסים שלוש תצורות מצלמה ושתי תנאי חצייה (עם ובלי נפילה) על פני שלוש סידורים מרחביים של הרכב, יחידת הכביש והרחפן. החוקרים גם מקבלים תמונות נוספות שמתארות את התכונות האופטיות המדויקות של עדשת המצלמה הצידית, המסייעות לתקן עיוותים בעת הצורך.

בדיקה עד כמה מכונות מבינות את הסצנה

כדי לוודא שהמערך שימושי באמת, המחברים הריצו מבחני זיהוי עצמים סטנדרטיים והשוו את ההקלטות שלהם לאוספי וידאו תעבורה ידועים כגון KITTI, VisDrone ו-UA-DETRAC. הם השתמשו במודלים מודרניים לזיהוי כדי לאתר אנשים בסרטונים ומדדו עד כמה בצורה מדויקת הצורות שחזו התאימו למשטחים שאומתו על ידי בני אדם. בממוצע, המערך החדש הניב ציונים גבוהים יותר הן בדיוק הזיהויים והן בהתאמת הצורות המסגרתיות. באמצעות בדיקה של כמה פעמים כל אדם היה נראה באחת, בשתיים או בכל שלוש התצפיות, הצוות גם הראה כי כיסוי חופף מהמצלמות השונות מצמצם משמעותית נקודות עיוורון כאשר אנשים מוסווים מאחורי רכבים או חפצי רחוב.

מה המשמעות של זה לעתיד הרחובות

לקהל שאינו מומחה, המסר המרכזי הוא שהמערך הזה מציע תמונה הרבה יותר שלמה של מה קורה במעבר חצייה מאשר אוספים קודמים. על-ידי שילוב תצפיות מהרכב, מהצד ומהאוויר בסנכרון, הוא מספק למהנדסים ולמדענים סביבת בדיקה ריאליסטית לפיתוח מערכות תעבורה שיכולות לעקוב אחר אנשים באופן אמין יותר, לזהות תאונות במהירות ולהתמודד עם סיבוכים מהעולם האמיתי כמו מכשולים ושינויי זוויות ראייה. בטווח הארוך, משאבים כאלה יכולים לתמוך בהפיכת מעברי החצייה לבטוחים יותר, באיתותי תנועה תגובתיים יותר ובשירותי עיר חכמים שיגנו טוב יותר על כל משתמשי הדרך.

ציטוט: Sanchez-Iborra, R., Kouvakis, V., Trevlakis, S.E. et al. Dataset for multi-perspective traffic video analysis. Sci Data 13, 543 (2026). https://doi.org/10.1038/s41597-026-06907-y

מילות מפתח: השגחת תנועה, וידאו רב-מבט, בטיחות הולכי רגל, ערים חכמות, מערך נתונים לראייה ממוחשבת