參賽團隊名稱:迷霧暗黑之劍
提案動機:
以迷霧暗黑之劍,
見迷霧暗黑 !!
安全是回家唯一的路,但,
天候不佳,例如夜晚、大雨,或者濃霧,
行車視線不良,常導致車禍悲劇叢生。
團隊以感測、辨識與協同合作三個基石,
建構出完整解決方案,
結合Thermal 熱感應影像與行車紀錄器 RGB 影像,
運用深度學習模型,
全面提升行車路況感測能力。
解決方案:
在開發過程中所用軟硬體如下:
硬體:
- Intel(R) Core(TM) i7-8750H CPU @ 2.20GHz
軟體:
- Intel® OpenVINO Toolkit
- Intel® DevCloud
資料集:
- KAIST Multispectral Pedestrian Detection Benchmark
在 RGB 影像的物件偵測方面,我們採用 open_model_zoo 下 intel 的
person-vehicle-bike-detection-crossroad-yolov3-1020 預訓練模型。在 Thermal 影像上,則使用 GitHub 上的
Robust Object Classification of Occluded Objects in Forward Looking Infrared Cameras。分別對 RGB 影像以及 Thermal 影像進行物件偵測,當Thermal 影像偵測出RGB 影像中沒有偵測到的物件時,透過 TTS 智慧語音系統,主動提醒駕駛人注意。
成果介紹短片:
成果介紹:
- 由 AI 模型推論結果可以明顯看出,於夜晚的駕駛環境下,Thermal 影像確實能較 RGB 影像更能有效偵測出車輛與行人等物件。
- 而開發過程中,透過 Intel OpenVINO Toolkit 內建大量的 AI 深度學習模型,以及各種應用情境的 demo 程式,能非常有效地幫助新創團隊 proof-of-concept 到產品的實際開發建置,加速產品的問世時程。