POP-YOLOv8: מסגרת לזיהוי עצמים של הולכי רגל מוסתרים בחלקם בסביבת תנועה לילית

מדוע חשוב לראות אנשים בחושך

נהיגה בלילה מסוכנת הרבה יותר מנהיגה ביום, במידה רבה מכיוון שקשה יותר להבחין באנשים על הכביש או בקרבתו. פנסי רכב יוצרים סנוּר וצללים עמוקים, והולכי רגל יכולים להיות מוסתרים בחלקם מאחורי מכוניות חונות או ריהוט רחוב. מאמר זה מציג את POP-YOLOv8, מערכת ראייה ממוחשבת שנועדה לסייע לכלי רכב לזהות הולכי רגל מוסתרים חלקית ברחובות חשוכים ותוססים במהירות ובדיוק גבוהים יותר, ואפשר שהיא תקטין את מספר התאונות בלילה.

הסכנות החבויות ברחובות ליליים

סצנות תנועה לייליות הן ויזואלית מורכבות. עמודי תאורה, פנסי רכב, גשם וערפל מקטינים את איכות התמונה וגורמים לאנשים להיטמע ברקע. אלגוריתמי זיהוי הולכי רגל סטנדרטיים פעמים רבות מפספסים כאלה שמרוחקים, מוארים חלש או חסומים בחלקם על ידי עצמים אחרים. הכותבים מתמקדים במצב מסוכן במיוחד: הולכי רגל הנראים רק בחלקם בתאורה חלשה, כגון אדם יוצא מתוך מאחורי רכב חונה. הם טוענים שמערכת בטיחות שימושית חייבת להיות גם מדויקת וגם מהירה דיה לעבודה בזמן אמת על מחשבי רכב.

דרך חכמה יותר לזהות אנשים

POP-YOLOv8 מבוסס על גלאי פופולרי ומהיר הידוע כ-YOLOv8n ומותאם לאתגרים של נהיגה בלילה. ראשית, מודול שיפור תכונות מחזק רמזים חלשים של הולכי רגל מוסתרים חלקית על ידי הסתכלות על הסצנה בכמה סקאלות תוך שמירה על עומס חישובי סביר. לאחר מכן, בלוק תשומת לב מיוחד — מודול תשומת לב להולכי רגל בחסימה חלקית (Partial Occlusion Pedestrian Attention Module) — מלמד את הרשת להתרכז בחלקים הרלוונטיים ביותר בתמונה, כגון כתף או רגל נראים, תוך דיכוי רעש כמו סימוני כביש או שלטי חנויות. יחד, המרכיבים הללו עוזרים למערכת לעקוב אחרי אנשים גם כאשר רק חלקי גופם נראים.

קליל יותר, מהיר יותר ובהיר יותר

כדי להישאר פרקטי לכלי רכב אמיתיים, המודל חייב לא רק לראות טוב אלא גם לפעול במהירות על חומרה מוגבלת. לכן החוקרים מחליפים חלק מהחישובים הכבדים במודולים "Ghost", שמייצרים תכונות שימושיות באמצעות פעולות זולות יותר ומצמצמים חישובים עודפים. במקביל הם מתמודדים עם הבעיה השורשית של החושך עצמו. מרכיב שיפור הבהירות המבוסס על רשת תאורה מולאת-עצמית (Self-Calibrated Illumination) מנקה ומבהיר את תמונות המצלמה הנכנסות לפני הגילוי, באמצעות שילוב של חישוב ברזולוציות מלאה וחצי כדי לאזן בין איכות תמונה למהירות. נגיעות עיצוב נוספות, כגון מנגנון תשומת לב ערוצי יעיל וחיבורים שאריתיים, עוזרות לשמר פרטים עדינים כמו קווי המתאר של הולכי הרגל תוך שמירה על יציבות מסלול העיבוד.

בדיקת המערכת בשטח

הצוות מאמן ומעריך את POP-YOLOv8 על BDD100K, מאגר נתונים רחב לנהיגה הכולל אלפי סצנות ליליות במצבי מזג אוויר ותאורה שונים. הם מבצעים בדיקות "אבלציה" מוקפדות, כשהם מוסיפים כל מודול חדש בתורו כדי להעריך את תרומתו. מודולי שיפור התכונות ותשומת הלב מגדילים את דיוק הזיהוי, במיוחד עבור הולכי רגל מוסתרים חלקית, אם כי בתחילה הם מאטים את המודל. מודולי ה-Ghost מחזירים בחזרה חלק גדול מאובדן המהירות תוך דחיפת הדיוק אף גבוה יותר. בהשוואה למספר גלאים ידועים — כולל Faster R-CNN וגרסאות מאוחרות יותר של YOLO — POP-YOLOv8 משיג איזון טוב יותר בין דיוק לקצב פריימים בסצנות ליליות, והוא מתבלט במיוחד על תמונות מוארות שבהן השיפור מתון יותר ופחות קיצוני.

מה משמעות הדבר ללילות בטוחים יותר

ללא מומחיות מיוחדת, המסקנה פשוטה: POP-YOLOv8 היא מערכת ראייה מותאמת שעוזרת למכוניות "לראות" אנשים בצורה מהימנה יותר ברחובות חשוכים ומסובכים, אפילו כשאלה מוסתרים חלקית. על ידי שילוב תיקון בהירות, מיקוד סלקטיבי באזורים חשובים בתמונה וחיבור פנימי יעיל יותר, המודל מגלה הולכי רגל בדיוק גבוה יותר מאשר כמה חלופות מובילות ועדיין פועל במהירות המתאימה לשימוש בזמן אמת. אף שדרוש עבודה נוספת לצמצום עלויות המחשוב עבור מכשירים קטנים, מערכות כמו POP-YOLOv8 מקדמות את הנהיגה האוטומטית לעבר היכולת לזהות את משתמשי הדרך הפגיעים ביותר כשזה חשוב — בכבישים לא מוארים היטב בלילה.

ציטוט: Liu, H., Zhang, Z. & Feng, B. POP-YOLOv8: an object detection framework for partially occluded pedestrians in nighttime traffic environments. Sci Rep 16, 4841 (2026). https://doi.org/10.1038/s41598-026-35146-9

מילות מפתח: זיהוי הולכי רגל בלילה, בטיחות בנהיגה אוטונומית, זיהוי עצמים, שיפור תמונה בתאורה נמוכה, ראייה ממוחשבת