Riassunto analitico
Con l'avvento delle cosiddette "Smart Cities", diventa fondamentale per un sistema autonomo riuscire a capire e comprendere quello che accade nell'ambiente intorno ad esso, in particolare in luoghi urbani come città e zone industriali; qui infatti si svilupperanno sempre di più nei prossimi anni attività di videosorveglianza intelligente e di circolazione di veicoli autonomi.
In questo contesto saper prevedere il comportamento e il movimento delle persone, in particolare dei pedoni, è estremamente importante per poter prevenire incidenti. Questo compito non è semplice in quanto il comportamento delle persone è molto spesso imprevedibile, estremamente variabile (sia per quanto riguarda la direzione, sia per la velocità) e il loro spazio di movimento è molto ampio; inoltre i veicoli si muovono a una velocità molto superiore rispetto ai pedoni, di conseguenza l'intervallo di tempo utile per elaborare le informazioni e agire diventa sottile.
Questo lavoro di tesi si occupa di studiare i vari approcci disponibili al momento per affrontare il problema, analizzandone i pregi e i difetti.
È stato effettuato un primo tentativo utilizzando un lavoro già presente in letteratura, modificandolo in modo da potersi meglio adattare al task di videosorveglianza, cioè utilizzare sia le caratteristiche dei pedoni, sia quelle dell'ambiente per la predizione del movimento delle persone, in particolare analizzando come queste si comportano in presenza di ostacoli statici.
Inoltre è stata progettata un'ulteriore soluzione in cui non solo vengono analizzati movimento e ostacoli nell'ambiente, ma anche gli oggetti dinamici presenti in esso. Lo scopo è quello di riuscire ad allenare un sistema composto da reti neurali in modo che riesca a imparare in quale zone le persone solitamente camminano e dove invece non si dirigono, in modo da poter generare traiettorie più realistiche.
Nel corso dell'elaborato si porrà l'attenzione su pregi e difetti delle soluzioni proposte e su come queste possano essere migliorate.
|
Abstract
With the advent of the so-called "Smart Cities", it becomes fundamental for an autonomous system to be able to understand what happens in the environment around it, in particular in urban places such as cities and industrial areas; here, in fact, intelligent video surveillance and the circulation of autonomous vehicles will increasingly develop in the coming years.
In this context, knowing how to predict the behavior and movement of people, especially pedestrians, is extremely important in order to prevent accidents. This task is not simple because people's behavior is very often unpredictable, extremely variable (both as regards direction and speed) and their movement space is very large; moreover, the vehicles move at a much higher speed than the pedestrians, consequently the time interval to process the information and act becomes thin.
This thesis work deals with studying the various approaches available at the moment to face the problem, analyzing its strengths and weaknesses.
A first attempt was made using a work already present in the literature, modifying it in order to better adapt to the video surveillance task, i.e. using both the characteristics of pedestrians and those of the environment for predicting the movement of people, in particular by analyzing how these behave in the presence of static obstacles.
Furthermore, a further solution has been designed in which not only movement and obstacles in the environment are analyzed, but also the dynamic objects present in it. The aim is to be able to train a system composed of neural networks so that it can learn in which areas people usually walk and where they don't go, so that they can generate more realistic trajectories.
During the course of the paper, attention will be paid to the strengths and weaknesses of the proposed solutions and how they can be improved.
|
