POP-YOLOv8: system wykrywania obiektów dla częściowo zasłoniętych pieszych w nocnym ruchu drogowym

Dlaczego widzenie ludzi po ciemku ma znaczenie

Jazda nocą jest znacznie bardziej niebezpieczna niż w dzień, głównie dlatego, że trudniej dostrzec osoby na jezdni lub w jej pobliżu. Reflektory tworzą oślepiające światła i głębokie cienie, a piesi mogą być częściowo ukryci za zaparkowanymi samochodami lub elementami małej architektury. W artykule przedstawiono POP-YOLOv8, system wizji komputerowej zaprojektowany, aby pomóc pojazdom szybciej i dokładniej wykrywać częściowo zasłoniętych pieszych na ciemnych, zatłoczonych ulicach, co może przyczynić się do ograniczenia wypadków nocą.

Ukryte zagrożenia ulic nocą

Sceny drogowe po zmroku są wizualnie złożone. Latarnie, reflektory, deszcz i mgła obniżają jakość obrazu i sprawiają, że ludzie zlewają się z tłem. Standardowe algorytmy wykrywania pieszych często pomijają osoby znajdujące się daleko, słabo oświetlone lub częściowo zasłonięte przez inne obiekty. Autorzy skupiają się na jednym szczególnie ryzykownym przypadku: pieszych widocznych tylko częściowo w słabym świetle, na przykład wychodzących zza zaparkowanego auta. Twierdzą, że użyteczny system bezpieczeństwa musi być jednocześnie dokładny i na tyle szybki, by działać w czasie rzeczywistym na komputerach pokładowych.

Mądrzejszy sposób dostrzegania ludzi

POP-YOLOv8 opiera się na popularnym, szybkim detektorze YOLOv8n i adaptuje go do wyzwań związanych z jazdą nocą. Najpierw moduł wzmocnienia cech uwydatnia słabe sygnały częściowo zasłoniętych pieszych, analizując scenę na kilku skalach przy zachowaniu rozsądnych wymagań obliczeniowych. Następnie wyspecjalizowany blok uwagi, Partial Occlusion Pedestrian Attention Module, uczy sieć koncentrowania się na najbardziej istotnych fragmentach obrazu — takich jak widoczne ramię czy noga — jednocześnie tłumiąc zakłócenia, np. oznakowanie drogowe czy szyldy sklepów. Razem te elementy pomagają systemowi śledzić osoby nawet wtedy, gdy widoczne są tylko części ich ciała.

Lżejszy, szybszy i jaśniejszy

Aby pozostać praktycznym dla samochodów, model nie tylko musi dobrze widzieć, lecz także działać szybko na ograniczonym sprzęcie. Badacze zastępują więc niektóre ciężkie obliczenia modułami „Ghost”, które generują użyteczne cechy przy pomocy tańszych operacji, redukując powtarzalne obliczenia. Równolegle zajmują się źródłem problemu — ciemnością. Komponent poprawy jasności oparty na sieci Self-Calibrated Illumination oczyszcza i rozjaśnia obrazy z kamery przed detekcją, stosując mieszankę obliczeń w pełnej i półprecyzyjnej arytmetyce, by pogodzić jakość obrazu ze szybkością. Dodatkowe rozwiązania projektowe, takie jak efektywna uwaga kanałowa i połączenia rezydualne, pomagają zachować drobne szczegóły, np. kontury pieszych, przy jednoczesnym utrzymaniu stabilności potoku przetwarzania.

Testowanie systemu

Zespół trenuje i ocenia POP-YOLOv8 na BDD100K, dużym zbiorze danych z jazdy, który zawiera tysiące nocnych scen o zróżnicowanej pogodzie i oświetleniu. Przeprowadzają staranne testy „ablation”, dodając kolejno każdy nowy moduł, aby sprawdzić, jak bardzo on pomaga. Moduły wzmacniające cechy i bloki uwagi każdorazowo zwiększają dokładność wykrywania, zwłaszcza dla częściowo zasłoniętych pieszych, chociaż początkowo spowalniają model. Moduły oparte na Ghost odzyskują potem dużą część utraconej prędkości, jednocześnie jeszcze podnosząc dokładność. W porównaniu z wieloma znanymi detektorami — w tym Faster R-CNN i późniejszymi wersjami YOLO — POP-YOLOv8 osiąga lepszą równowagę między precyzją a liczbą klatek na sekundę w scenach nocnych, i wypada szczególnie dobrze na rozjaśnionych obrazach, gdy poprawa jasności jest umiarkowana, a nie ekstremalna.

Co to znaczy dla bezpieczniejszych nocy

Dla osób niezwiązanych z branżą wniosek jest prosty: POP-YOLOv8 to dopracowany system wizji, który pomaga samochodom „widzieć” ludzi bardziej niezawodnie na ciemnych, zagraconych ulicach, nawet gdy są oni częściowo zasłonięci. Łącząc korekcję jasności, selektywne skupienie uwagi na istotnych obszarach obrazu oraz bardziej wydajne wewnętrzne rozwiązania, model wykrywa pieszych dokładniej niż kilka wiodących alternatyw, zachowując jednocześnie wystarczającą szybkość do pracy w czasie rzeczywistym. Chociaż potrzebne są dalsze prace nad zmniejszeniem kosztów obliczeniowych dla małych urządzeń, systemy takie jak POP-YOLOv8 przybliżają autonomiczną jazdę do rozpoznawania najbardziej narażonych uczestników ruchu wtedy, gdy jest to najważniejsze — na słabo oświetlonych drogach nocą.

Cytowanie: 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

Słowa kluczowe: wykrywanie pieszych w nocy, bezpieczeństwo autonomicznej jazdy, wykrywanie obiektów, poprawa obrazów w słabym świetle, wizja komputerowa