Améliorer la prédiction des collisions avec les modèles Ultralytics YOLO

Même en étant prudent sur la route, des accidents peuvent toujours se produire. Une voiture change de voie, un piéton traverse en dehors des passages prévus ou un cycliste accélère sans prévenir. Ces situations du quotidien montrent quand les systèmes de prédiction des collisions peuvent faire une réelle différence et contribuer à la sécurité de tous.

Précédemment, nous avons étudié la prédiction de trajectoire d’une balle et vu comment prévoir le parcours d’une balle en mouvement rapide aide l’analyse sportive à comprendre les déplacements et à anticiper ce qui va se passer ensuite. La prédiction des collisions fonctionne de manière similaire.

Ces systèmes de prédiction se projettent essentiellement dans l’avenir. En observant les déplacements des véhicules et des piétons, ils peuvent détecter les risques suffisamment tôt et ajuster leur trajectoire ou leur comportement avant (également appelé planification du mouvement ou planification de trajectoire) que la situation ne devienne dangereuse.

Les principales technologies informatiques qui sous-tendent les systèmes de prédiction des collisions sont l’intelligence artificielle et ses sous-domaines, comme la vision par ordinateur et les méthodes de prévision qui aident à prédire les déplacements. Par exemple, des modèles de vision par ordinateur comme Ultralytics YOLO11 et le prochain Ultralytics YOLO26 peuvent être utilisés pour détecter et suivre en temps réel des objets tels que des véhicules et des piétons, tandis que les modèles de prévision utilisent ces informations pour estimer leurs prochains déplacements.

Fig. 1. Exemple d’utilisation de YOLO11 pour détecter des objets sur la route (Source).

Le résultat est un système d’IA qui comprend ce qui se passe autour de lui et favorise une prise de décision plus pertinente dans des environnements dynamiques. Dans cet article, nous allons examiner le fonctionnement de la prédiction des collisions, les méthodes utilisées et le rôle que la vision par ordinateur et les modèles YOLO d’Ultralytics peuvent jouer dans ce processus. C’est parti !

Qu’est-ce que la prédiction des collisions ?#

La prédiction des collisions est la capacité d’un système d’IA à comprendre comment les objets se déplacent et à anticiper le moment où ils pourraient se rapprocher fortement ou entrer en contact. Les différents systèmes peuvent utiliser ces informations de nombreuses façons, notamment pour prendre en charge des fonctionnalités de sécurité, optimiser les déplacements ou coordonner des actions dans des espaces partagés.

Partout où des objets se déplacent dans un espace partagé, qu’il s’agisse de voitures sur une autoroute, de chariots élévateurs dans l’allée d’un entrepôt ou de piétons traversant une rue, la prédiction des collisions aide les systèmes à comprendre comment ces interactions peuvent évoluer. Dans les applications axées sur la sécurité, cette capacité d’anticipation peut servir à réduire les risques, tandis que dans d’autres contextes, elle peut contribuer à des tâches telles que la planification des itinéraires, la gestion du temps ou la coordination des déplacements.

Par exemple, dans de nombreux véhicules récents équipés de systèmes avancés d’aide à la conduite, ou ADAS, des caméras et des capteurs surveillent la route devant le véhicule et estiment la vitesse à laquelle celui-ci s’approche des objets voisins. Si le système détecte qu’une situation pourrait devenir dangereuse, il avertit le conducteur et, dans certains cas, un freinage automatique peut contribuer à réduire l’impact.

Explorer les quatre étapes de la prédiction des collisions#

La prédiction des collisions repose sur un processus coordonné dans lequel différents composants d’IA collaborent pour identifier les objets, suivre leurs déplacements et estimer ce qui pourrait se produire ensuite. Ces systèmes fonctionnent généralement selon quatre étapes liées : la détection d’objets, le suivi d’objets, la prévision de trajectoire et, enfin, la prédiction des collisions, chaque étape s’appuyant sur la précision de la précédente.

Examinons maintenant plus en détail le fonctionnement de chaque étape.

Un aperçu de la détection d’objets#

La détection d’objets est une tâche fondamentale de la vision par ordinateur, dans laquelle des modèles d’IA visuelle identifient et localisent les objets dans une image ou une trame vidéo. En analysant les données des pixels, un modèle de détection d’objets peut produire trois résultats principaux : des boîtes englobantes, des classes d’objets et des scores de confiance. Les boîtes englobantes indiquent où se trouve un objet, les classes d’objets précisent ce qu’il est, par exemple une voiture, un piéton ou un cycliste, et les scores de confiance reflètent le degré de certitude du modèle concernant la prédiction.

Les modèles d’IA visuelle comme YOLO11 et YOLO26 s’appuient sur cette base et prennent en charge plusieurs tâches connexes, notamment la détection d’objets, le suivi d’objets et la détection de boîtes englobantes orientées (OBB). La détection d’objets peut indiquer à un système de prédiction ce qui se trouve dans chaque trame, le suivi suit ces objets au fil de leurs déplacements et les boîtes englobantes orientées fournissent des formes plus précises pour les objets apparaissant sous différents angles.

À ce stade, un système de prédiction des collisions se concentre uniquement sur la compréhension de ce qui est présent dans les données visuelles. Il constitue la couche de base dont dépendent toutes les étapes suivantes, mais ne tient pas encore compte de la manière dont les objets vont se déplacer ou interagir.

Présentation du suivi d’objets#

Une fois les objets détectés, l’étape suivante consiste à les suivre d’une trame à l’autre afin que le système comprenne comment ils se déplacent au fil du temps. Alors que la détection fournit de nouvelles boîtes englobantes à chaque trame, le suivi d’objets ajoute une continuité en reliant ces détections au fil du temps.

Les algorithmes de suivi pris en charge par le package Python d’Ultralytics, tels que ByteTrack ou BoT-SORT, fonctionnent avec des modèles comme YOLO11 en utilisant les données de détection de chaque trame pour suivre les objets dans leurs déplacements. Ces algorithmes attribuent un ID unique à chaque objet et l’utilisent pour conserver son identité, même lorsque l’objet se déplace rapidement ou devient partiellement masqué. Ils créent ainsi un historique de suivi fluide qui décrit les déplacements de l’objet.

Fig. 2. Exemple d’attribution d’ID uniques à différentes détections avec YOLO (Source)

Voici un aperçu rapide du fonctionnement de ces deux méthodes de suivi :

• ByteTrack : il utilise les détections à haut et à faible niveau de confiance pour maintenir des ID d’objets cohérents, tandis que les prédictions de mouvement d’un filtre de Kalman aident le suiveur à rester stable lorsque les objets se déplacent rapidement ou sont momentanément difficiles à détecter.
• BoT-SORT : cet algorithme étend SORT en combinant les prédictions de mouvement du filtre de Kalman avec des caractéristiques d’apparence, ce qui permet au suiveur de suivre les objets plus efficacement dans les scènes encombrées ou en cas d’occlusion partielle.

Pour mesurer les performances de ces méthodes de suivi, les chercheurs les évaluent sur des jeux de données et des benchmarks établis de suivi multiobjets (MOT). Les métriques couramment utilisées comprennent également la précision du suivi de plusieurs objets (MOTA), qui reflète la qualité globale du suivi ; le score F1 d’identification (IDF1), qui mesure la cohérence avec laquelle les identités des objets sont conservées ; et la précision du suivi d’ordre supérieur (HOTA), qui offre une vision équilibrée des performances de détection et de la précision de l’association.

Comprendre la prévision de trajectoire#

Après avoir suivi un objet sur plusieurs trames, l’étape suivante consiste à prédire où il se dirigera. C’est ce qu’on appelle la prévision de trajectoire. Alors que la détection trouve les objets et que le suivi suit leurs déplacements, la prévision se projette dans l’avenir et estime leurs positions futures.

Les informations issues de la détection et du suivi, comme la boîte englobante d’un objet, sa position sur plusieurs trames et l’ID qui lui est attribué, peuvent servir à calculer des caractéristiques de mouvement telles que la vitesse, la direction et les schémas de déplacement. Ces informations dérivées fournissent au modèle de prévision les données nécessaires pour estimer où l’objet se trouvera probablement au cours des prochaines secondes.

Lorsque les données de suivi comportent des lacunes ou des sauts brusques, les techniques d’interpolation aident à reconstruire des trajectoires plus fluides et cohérentes. Le modèle de prévision reçoit ainsi des données de mouvement de haute qualité plutôt que des données de position bruitées ou incomplètes.

Fig. 3. Visualisation de la prédiction de la trajectoire d’une voiture. (Source)

Pour effectuer ces prédictions, de nombreux systèmes s’appuient sur des modèles d’apprentissage profond conçus pour comprendre l’évolution du mouvement d’un objet au fil du temps. En analysant des séquences de positions passées et les caractéristiques de mouvement qui en sont dérivées, ces modèles apprennent les schémas de déplacement courants et utilisent ces connaissances pour prévoir les trajectoires futures.

Voici quelques approches couramment utilisées en apprentissage profond et en apprentissage automatique pour la prévision de trajectoire :

• Réseaux neuronaux récurrents (RNNs) : les RNNs sont des modèles d’apprentissage profond conçus pour traiter des séquences, comme une série de trames vidéo. Ils peuvent conserver en mémoire les positions précédentes et utiliser ces informations pour comprendre comment un objet se déplaçait. Cela aide le système à reconnaître des schémas de mouvement simples, comme accélérer, ralentir ou se déplacer en ligne droite.

• Réseaux à mémoire à long et court terme (LSTMs) : les LSTMs sont un type plus avancé de RNN capable de mémoriser des informations sur de plus longues périodes. Ils peuvent ainsi saisir des mouvements plus complexes, comme un véhicule qui se prépare à tourner ou un piéton qui change de direction. Comme ils peuvent suivre des tendances plus longues, ils produisent souvent des prédictions plus fiables dans les environnements très fréquentés.

• Transformers : les Transformers traitent des séquences complètes de mouvements et utilisent l’attention pour se concentrer sur les détails les plus importants de ces séquences. Ils sont donc particulièrement efficaces dans les scènes où plusieurs objets interagissent, comme des voitures qui s’insèrent dans la circulation ou des piétons qui se croisent.

Ces modèles peuvent prédire des trajectoires à court et à plus long terme. Les prévisions à court terme, généralement inférieures à deux secondes, sont habituellement les plus précises, tandis que les prédictions sur des fenêtres plus longues, de deux à six secondes par exemple, offrent davantage d’anticipation, mais s’accompagnent d’une incertitude accrue.

Tout rassembler : les algorithmes de détection des collisions#

À l’étape finale, celle de la prédiction des collisions, le système utilise tout ce qu’il a appris jusqu’alors : ce qu’est chaque objet (détection), comment il s’est déplacé (suivi) et où il est susceptible d’aller ensuite (prévision). Cette étape vérifie si certaines trajectoires prédites pourraient se croiser d’une manière susceptible d’entraîner une collision.

Fig. 4. Fonctionnement d’un système de prédiction des collisions (Source)

Dans le cas des véhicules autonomes, un système de vérification des collisions compare les trajectoires futures d’objets proches, tels que des voitures, des piétons et des cyclistes. Si deux trajectoires prédites se chevauchent ou se rapprochent dangereusement, il signale la situation comme une collision potentielle entre véhicules. Pour comprendre l’urgence du risque de collision, le système calcule également une valeur appelée temps avant collision.

Le temps avant collision (TTC) est une mesure clé dans les environnements à déplacement rapide. Il estime le temps restant avant que deux objets n’entrent en collision s’ils continuent à leurs vitesses et dans leurs directions actuelles. Lorsque le TTC passe sous un certain seuil, le système peut réagir en émettant des avertissements, en appliquant les freins ou en ajustant la trajectoire prévue.

Applications concrètes de la prédiction des collisions#

La prédiction des collisions devient essentielle dans de nombreux secteurs, notamment la gestion du trafic, les infrastructures de villes intelligentes, l’automatisation industrielle et la robotique mobile. À mesure que les modèles de vision par ordinateur et de prévision à la pointe de la technologie progressent, ces systèmes deviennent plus performants pour anticiper les déplacements.

Maintenant que nous comprenons mieux le fonctionnement de la prédiction des collisions et de la prévision de trajectoire, examinons quelques études de recherche intéressantes qui montrent comment ces méthodes peuvent être utilisées dans divers environnements réels.

Prédiction des collisions alimentée par YOLO pour les véhicules autonomes d’urgence#

Naviguer dans des environnements bondés et imprévisibles est l’un des défis les plus difficiles pour les systèmes autonomes, en particulier lorsque les piétons se déplacent selon des schémas difficiles à prévoir. Les véhicules d’urgence sont encore plus souvent confrontés à ce problème, car ils doivent se déplacer rapidement à grande vitesse dans des espaces publics très fréquentés, sans pouvoir compter sur des routes structurées, des marquages au sol ou un comportement prévisible des piétons.

Dans ce type de scénario, comprendre où se trouvent les personnes et comment elles pourraient se déplacer au cours des prochaines secondes devient essentiel pour éviter les accidents. Par exemple, une étude récente a exploré ce défi en créant un pipeline complet de prédiction des collisions pour un véhicule autonome d’urgence (EAV) opérant dans des environnements très fréquentés par les piétons.

Fonctionnement du pipeline de prédiction des collisions alimenté par YOLO#

Voici un aperçu du fonctionnement de cette méthodologie :

• Détection des piétons avec YOLO : un détecteur basé sur YOLO identifie les piétons dans chaque trame de caméra et génère des boîtes englobantes pour chaque personne visible.
• Suivi des mouvements avec ByteTrack : l’algorithme ByteTrack relie ces détections entre les trames, attribue à chaque piéton un ID cohérent et crée un historique des mouvements montrant comment il se déplace au fil du temps.
• Estimation de la position dans le monde réel : l’Inverse Perspective Mapping (IPM) convertit les coordonnées 2D des pixels en positions approximatives sur le plan du sol, ce qui aide le système à comprendre où se trouvent les piétons dans l’espace réel par rapport au véhicule.
• Génération d’une vue à vol d’oiseau avec un cGAN : un GAN conditionnel, modèle d’IA qui convertit un format d’image en un autre, crée une représentation de la scène en vue à vol d’oiseau. Cette disposition en vue plongeante facilite l’interprétation de la position des piétons et de leur environnement.
• Prédiction de trajectoire avec un modèle LSTM : en utilisant les positions passées et les schémas de déplacement de chaque piéton, un modèle LSTM prédit où celui-ci est susceptible de se déplacer au cours des prochaines secondes.
• Détection efficace des collisions avec les cônes de collision : les trajectoires prédites sont comparées à l’aide de la méthode des cônes de collision, qui détermine si les trajectoires du véhicule et d’un piéton sont susceptibles de se croiser.
• Évitement des collisions par signalisation : si le système prédit une collision, il active un signal sonore (comme un klaxon ou une sonnette) au moment optimal. Le moment est choisi pour influencer le comportement des piétons et leur donner la possibilité d’accélérer ou de ralentir afin de se mettre en sécurité.

Garantir la sécurité des piétons en ville grâce à la vision en périphérie et à YOLO#

De même, une autre approche de la prévention des collisions ne se limite pas aux véhicules et se concentre sur l’infrastructure elle-même. Au lieu de s’appuyer sur des capteurs installés dans une voiture, cette méthode utilise des caméras intelligentes installées aux passages piétons et aux intersections pour surveiller en temps réel les déplacements des piétons et des véhicules. Ces emplacements sont souvent imprévisibles : les personnes peuvent s’engager soudainement sur la route, les cyclistes peuvent se faufiler dans la circulation et les conducteurs ne ralentissent pas toujours ; il est donc essentiel de détecter les risques suffisamment tôt.

Une étude intéressante a exploré cette idée au moyen d’un système appelé NAVIBox, un dispositif de vision en périphérie conçu pour prédire directement les risques entre véhicules et piétons à l’intersection. Le système utilise le modèle Ultralytics YOLOv8 pour détecter les piétons et les véhicules, ainsi qu’un suiveur Centroid léger pour les suivre d’une trame à l’autre. Il crée ainsi de courts historiques de mouvement fiables, qui sont ensuite affinés au moyen d’une transformation projective convertissant la vue oblique de la vidéosurveillance en une vue à vol d’oiseau plus claire de la route.

Grâce à ces trajectoires affinées, NAVIBox peut estimer comment les usagers de la route sont susceptibles de se déplacer au cours des prochaines secondes et vérifier si leurs trajectoires pourraient se croiser (également appelé test d’intersection). Lorsque le système détecte une interaction risquée, il envoie immédiatement des avertissements par l’intermédiaire d’écrans pour les conducteurs et de haut-parleurs pour les piétons, sans dépendre d’un serveur distant ou d’une connexion réseau. Les tests réalisés dans des environnements urbains réels ont montré que NAVIBox fonctionne assez rapidement pour fournir une véritable réponse en temps réel et identifier avec précision les scénarios de collision potentielle, ce qui en fait un outil de sécurité pratique pour les intersections urbaines très fréquentées.

Fig. 5. Prédiction du risque de collision entre véhicules et piétons. (Source)

Avantages et inconvénients de la détection et de la prédiction des collisions#

Voici quelques avantages des systèmes prédictifs de collision reposant sur l’IA :

• Amélioration de la connaissance de la situation : les systèmes d’IA cartographient en continu les déplacements des objets dans un environnement, offrant une compréhension plus riche des flux de foule à grande échelle, du comportement du trafic ou des trajectoires des machines.

• Informations fondées sur les données pour la planification à long terme : en enregistrant les détections, les accidents évités de justesse et les schémas de déplacement, les systèmes d’IA fournissent des analyses que les urbanistes, les équipes de sécurité et les gestionnaires de flottes peuvent utiliser pour réaménager les intersections, améliorer la signalisation ou affiner les politiques opérationnelles.

• Prévention des risques économique : en détectant les risques avant qu’ils ne s’aggravent, ces systèmes peuvent contribuer à éviter des accidents coûteux, des demandes d’indemnisation ou des réparations d’équipement.

Malgré leurs avantages, les systèmes de prévention des collisions sont également confrontés à certaines limites. Voici quelques difficultés à prendre en compte :

• Contraintes liées au positionnement des capteurs et des caméras : des caméras mal positionnées ou orientées peuvent déformer la taille ou la distance des objets, rendant l’estimation de la profondeur et la prédiction de trajectoire moins fiables.
• Occlusion : les objets peuvent être partiellement ou totalement masqués par d’autres. Cela complique le suivi d’objets, car le modèle perd la continuité visuelle.
• Conditions environnementales : une faible luminosité, un soleil intense, la pluie, le brouillard ou une caméra de mauvaise qualité peuvent réduire la capacité du modèle à voir clairement la scène et ainsi affecter sa précision.

Points clés à retenir#

La prédiction des collisions réunit deux capacités puissantes : la vision par ordinateur, qui permet aux systèmes de comprendre ce qui se passe actuellement dans l’environnement, et la prévision de trajectoire, qui les aide à anticiper ce qui est susceptible de se produire ensuite.

En combinant ces deux atouts, les machines peuvent détecter des objets en mouvement en temps réel et prédire comment ces objets pourraient interagir au cours des secondes suivantes. À mesure que les techniques de vision par ordinateur et de prévision continuent d’évoluer, la prédiction des collisions deviendra probablement essentielle pour créer des systèmes autonomes plus sûrs, plus fiables et évolutifs.

Consulte notre communauté et notre dépôt GitHub pour en savoir plus sur l'IA. Découvre des applications comme l'IA dans le secteur de la santé et la vision par ordinateur dans l'industrie manufacturière sur nos pages consacrées aux solutions. Découvre nos options de licence et commence à créer dès aujourd'hui !