Migliorare la previsione delle collisioni con i modelli Ultralytics YOLO

Nonostante la prudenza sulla strada, gli incidenti possono comunque verificarsi. Un'auto cambia corsia, un pedone attraversa fuori dalle strisce o un ciclista accelera senza preavviso. Questi momenti quotidiani sono esempi di situazioni in cui i sistemi di previsione delle collisioni possono fare davvero la differenza e contribuire a mantenere tutti al sicuro.

In precedenza abbiamo analizzato la previsione della traiettoria di una palla e visto come prevedere il percorso di una palla in rapido movimento aiuti l'analisi sportiva a comprendere il movimento e ad anticipare ciò che accadrà dopo. La previsione delle collisioni funziona in modo simile.

Questi sistemi di previsione guardano essenzialmente al futuro. Osservando come si muovono veicoli e pedoni, possono individuare tempestivamente i rischi e modificare il proprio percorso o comportamento prima che (altrimenti noto come pianificazione del movimento o pianificazione del percorso) la situazione diventi pericolosa.

Le principali tecnologie informatiche alla base dei sistemi di previsione delle collisioni sono l'intelligenza artificiale e i suoi sottocampi, come la computer vision e i metodi di previsione che aiutano a prevedere come si muoveranno gli oggetti. Ad esempio, i modelli di computer vision come Ultralytics YOLO11 e l'imminente Ultralytics YOLO26 possono essere utilizzati per rilevare e tracciare oggetti come veicoli e pedoni in tempo reale, mentre i modelli di previsione usano queste informazioni per stimarne i movimenti successivi.

Fig. 1. Un esempio dell'uso di YOLO11 per rilevare oggetti sulla strada (Fonte).

Il risultato è un sistema di intelligenza artificiale che comprende ciò che accade intorno a sé e supporta decisioni più efficaci in ambienti dinamici. In questo articolo esploreremo il funzionamento della previsione delle collisioni, i metodi alla base e il ruolo che la computer vision e i modelli YOLO di Ultralytics possono svolgere nel processo. Iniziamo!

Che cos'è la previsione delle collisioni?#

La previsione delle collisioni è la capacità di un sistema di intelligenza artificiale di comprendere come si muovono gli oggetti e anticipare quando potrebbero avvicinarsi molto o entrare in contatto. Sistemi diversi possono utilizzare queste informazioni in molti modi, ad esempio per supportare funzioni di sicurezza, ottimizzare i movimenti o coordinare le azioni in spazi condivisi.

Ovunque gli oggetti si muovano attraverso uno spazio condiviso, che si tratti di auto su un'autostrada, di carrelli elevatori in un corridoio di magazzino o di pedoni che attraversano una strada, la previsione delle collisioni aiuta i sistemi a comprendere come potrebbero evolversi queste interazioni. Nelle applicazioni incentrate sulla sicurezza, questa capacità previsionale può essere utilizzata per ridurre i rischi, mentre in altri contesti può supportare attività come la pianificazione dei percorsi, la gestione dei tempi o il coordinamento dei movimenti.

Ad esempio, in molti veicoli recenti dotati di sistemi avanzati di assistenza alla guida, o ADAS, telecamere e sensori monitorano la strada davanti al veicolo e stimano la velocità con cui l'auto si avvicina agli oggetti nelle vicinanze. Se il sistema rileva che una situazione potrebbe diventare pericolosa, avvisa il conducente e, in alcuni casi, la frenata automatica può contribuire a ridurre l'impatto.

Esplorazione delle quattro fasi della previsione delle collisioni#

La previsione delle collisioni consiste in un processo coordinato in cui diversi componenti di intelligenza artificiale collaborano per identificare gli oggetti, seguirne il movimento e stimare ciò che potrebbe accadere dopo. Questi sistemi operano generalmente attraverso quattro fasi collegate: rilevamento degli oggetti, tracciamento degli oggetti, previsione delle traiettorie e infine previsione delle collisioni, con ogni fase che si basa sulla precisione di quella precedente.

Vediamo più da vicino come funziona ciascuna fase.

Uno sguardo al rilevamento degli oggetti#

Il rilevamento degli oggetti è un'attività fondamentale della computer vision in cui i modelli di intelligenza artificiale per la visione identificano e localizzano gli oggetti in un'immagine o in un fotogramma video. Analizzando i dati dei pixel, un modello di rilevamento degli oggetti può produrre tre output principali: riquadri di delimitazione, classi degli oggetti e punteggi di confidenza. I riquadri di delimitazione mostrano dove si trova un oggetto, le classi degli oggetti indicano di che cosa si tratta, ad esempio un'auto, un pedone o un ciclista, mentre i punteggi di confidenza riflettono il grado di certezza del modello riguardo alla previsione.

I modelli di intelligenza artificiale per la visione come YOLO11 e YOLO26 si basano su queste fondamenta e supportano diverse attività correlate, tra cui il rilevamento degli oggetti, il tracciamento degli oggetti e il rilevamento di riquadri di delimitazione orientati (OBB). Il rilevamento degli oggetti può indicare a un sistema di previsione cosa è presente in ogni fotogramma, il tracciamento segue quegli oggetti mentre si muovono e i riquadri di delimitazione orientati forniscono forme più accurate per gli oggetti che appaiono da angolazioni diverse.

In questa fase, un sistema di previsione delle collisioni si concentra esclusivamente sulla comprensione di ciò che è presente nei dati visivi. Costituisce il livello informativo di base da cui dipendono tutti i passaggi successivi, ma non considera ancora come gli oggetti si muoveranno o interagiranno.

Panoramica del tracciamento degli oggetti#

Una volta rilevati gli oggetti, il passaggio successivo consiste nel tracciarli attraverso i fotogrammi, così che il sistema possa comprendere come si muovono nel tempo. Mentre il rilevamento fornisce nuovi riquadri di delimitazione a ogni fotogramma, il tracciamento degli oggetti aggiunge continuità collegando quei rilevamenti nel tempo.

Gli algoritmi di tracciamento supportati dal pacchetto Python di Ultralytics, come ByteTrack o BoT-SORT, funzionano con modelli come YOLO11 utilizzando i dati di rilevamento di ogni fotogramma per seguire gli oggetti mentre si muovono. Questi algoritmi assegnano un ID univoco a ogni oggetto e lo usano per mantenere quell'identità anche quando l'oggetto si muove rapidamente o viene parzialmente nascosto. In questo modo si crea una cronologia uniforme del tracciamento che cattura il movimento dell'oggetto.

Fig. 2. Uno sguardo all'assegnazione di ID univoci a diversi rilevamenti usando YOLO (Fonte)

Ecco una breve panoramica del funzionamento di questi due metodi di tracciamento:

• ByteTrack: utilizza rilevamenti con confidenza alta e bassa per mantenere ID degli oggetti coerenti, mentre le previsioni del movimento del filtro di Kalman aiutano il tracker a rimanere stabile quando gli oggetti si muovono rapidamente o sono difficili da rilevare per brevi periodi.
• BoT-SORT: questo algoritmo estende SORT combinando le previsioni del movimento del filtro di Kalman con indizi basati sull'aspetto, consentendo al tracker di seguire gli oggetti in modo più affidabile in scene affollate o durante un'occlusione parziale.

Per misurare le prestazioni di questi metodi di tracciamento, i ricercatori li valutano su dataset e benchmark consolidati per il tracciamento di più oggetti (MOT). Tra le metriche comunemente utilizzate figurano anche l'accuratezza del tracciamento di più oggetti (MOTA), che riflette la qualità complessiva del tracciamento; il punteggio F1 dell'identificazione (IDF1), che misura la coerenza con cui vengono mantenute le identità degli oggetti; e l'accuratezza del tracciamento di ordine superiore (HOTA), che offre una visione equilibrata delle prestazioni di rilevamento e dell'accuratezza dell'associazione.

Comprendere la previsione delle traiettorie#

Dopo aver tracciato un oggetto attraverso più fotogrammi, il passaggio successivo consiste nel prevedere dove andrà. Questo processo è noto come previsione della traiettoria. Mentre il rilevamento individua gli oggetti e il tracciamento segue il loro movimento, la previsione guarda avanti e stima le loro posizioni future.

Le informazioni provenienti dal rilevamento e dal tracciamento, come il riquadro di delimitazione di un oggetto, la posizione attraverso i fotogrammi e l'ID assegnato, possono essere utilizzate per calcolare caratteristiche del movimento come velocità, direzione e schemi di movimento. Queste informazioni derivate forniscono al modello di previsione i dati necessari per stimare dove si troverà probabilmente l'oggetto nei secondi successivi.

Nei casi in cui i dati di tracciamento contengono lacune o salti improvvisi, le tecniche di interpolazione aiutano a ricostruire traiettorie più uniformi e coerenti. In questo modo il modello di previsione riceve dati di movimento di alta qualità, invece di dati di posizione rumorosi o incompleti.

Fig. 3. Una visualizzazione della previsione della traiettoria di un'auto. (Fonte)

Per effettuare queste previsioni, molti sistemi si basano su modelli di deep learning progettati per comprendere come cambia nel tempo il movimento di un oggetto. Analizzando sequenze di posizioni passate e le caratteristiche del movimento da esse derivate, questi modelli apprendono schemi di movimento comuni e utilizzano tale conoscenza per prevedere i percorsi futuri.

Ecco alcuni approcci di deep learning e machine learning comunemente utilizzati per la previsione delle traiettorie:

• Reti neurali ricorrenti (RNN): le RNN sono modelli di deep learning progettati per lavorare con sequenze, come una serie di fotogrammi video. Possono conservare memoria delle posizioni precedenti e usare queste informazioni per comprendere come si è mosso un oggetto. Questo aiuta il sistema a riconoscere semplici schemi di movimento, come accelerare, rallentare o muoversi in linea retta.

• Reti con memoria a lungo e breve termine (LSTM): le LSTM sono un tipo più avanzato di RNN in grado di ricordare le informazioni per periodi più lunghi. Ciò consente loro di catturare movimenti più complessi, come un veicolo che si prepara a svoltare o un pedone che cambia direzione. Poiché possono seguire tendenze più prolungate, spesso producono previsioni più affidabili in ambienti affollati.

• Transformer: i Transformer elaborano sequenze complete di movimento e usano l'attenzione per concentrarsi sui dettagli più importanti di tali sequenze. Questo li rende particolarmente efficaci nelle scene in cui interagiscono più oggetti, come auto che si immettono nel traffico o pedoni che attraversano.

Questi modelli possono prevedere percorsi sia a breve sia a lungo termine. Le previsioni a breve termine, generalmente inferiori a due secondi, tendono a essere le più accurate, mentre le previsioni su intervalli più lunghi, ad esempio da due a sei secondi, offrono una maggiore capacità previsionale ma comportano una maggiore incertezza.

Mettere tutto insieme: algoritmi di rilevamento delle collisioni#

Nella fase finale, quella della previsione delle collisioni, il sistema utilizza tutto ciò che ha appreso finora: che cosa è ciascun oggetto (rilevamento), come si è mosso (tracciamento) e dove probabilmente andrà (previsione). Questo passaggio verifica se alcuni dei percorsi previsti potrebbero intersecarsi in modo da causare una collisione.

Fig. 4. Come funziona un sistema di previsione delle collisioni (Fonte)

Nel caso dei veicoli autonomi, un sistema di verifica delle collisioni confronta le traiettorie future di oggetti vicini come auto, pedoni e ciclisti. Se due percorsi previsti si sovrappongono o si avvicinano pericolosamente, il sistema contrassegna la situazione come una potenziale collisione tra veicoli. Per comprendere quanto possa essere urgente il rischio di collisione, il sistema calcola anche un valore noto come tempo alla collisione.

Il tempo alla collisione (TTC) è una misura fondamentale negli ambienti caratterizzati da movimenti rapidi. Stima quanto tempo rimane prima che due oggetti entrino in collisione se continuano a muoversi alle velocità e nelle direzioni attuali. Quando il TTC scende al di sotto di una determinata soglia, il sistema può reagire emettendo avvisi, azionando i freni o modificando il percorso pianificato.

Applicazioni della previsione delle collisioni nel mondo reale#

La previsione delle collisioni sta diventando fondamentale in molti settori, tra cui la gestione del traffico, le infrastrutture delle città intelligenti, l'automazione industriale e la robotica mobile. Con il continuo progresso dei modelli di computer vision e di previsione allo stato dell'arte, questi sistemi diventano sempre più capaci di anticipare i movimenti.

Ora che comprendiamo meglio come funzionano la previsione delle collisioni e la previsione delle traiettorie, esaminiamo alcuni interessanti studi di ricerca che mostrano come questi metodi possano essere utilizzati in vari ambienti del mondo reale.

Previsione delle collisioni per veicoli autonomi di emergenza basata su YOLO#

Muoversi in ambienti affollati e imprevedibili è una delle sfide più difficili per i sistemi autonomi, soprattutto quando i pedoni si muovono senza seguire schemi chiari. I veicoli di emergenza affrontano questo problema ancora più spesso, poiché devono spostarsi rapidamente e ad alta velocità attraverso spazi pubblici affollati senza poter contare su strade strutturate, segnaletica orizzontale o comportamenti prevedibili dei pedoni.

In scenari di questo tipo, comprendere dove si trovano le persone e come potrebbero muoversi nei secondi successivi diventa essenziale per evitare incidenti. Ad esempio, un recente studio di ricerca ha esaminato questa sfida realizzando una pipeline completa per la previsione delle collisioni per un veicolo autonomo di emergenza (EAV) operativo in ambienti ricchi di pedoni.

Come funziona la pipeline di previsione delle collisioni basata su YOLO#

Ecco una panoramica del funzionamento di questa metodologia:

• Rilevamento dei pedoni con YOLO: un rilevatore basato su YOLO identifica i pedoni in ogni fotogramma della telecamera e restituisce riquadri di delimitazione per ogni persona visibile.
• Tracciamento del movimento con ByteTrack: l'algoritmo ByteTrack collega questi rilevamenti tra i fotogrammi, assegnando a ogni pedone un ID coerente e creando una cronologia del movimento che mostra come si muove nel tempo.
• Stima della posizione nel mondo reale: la mappatura inversa della prospettiva (IPM) converte le coordinate dei pixel 2D in posizioni approssimative sul piano del suolo, aiutando il sistema a comprendere dove si trovano i pedoni nello spazio reale rispetto al veicolo.
• Generazione della visuale dall'alto con una cGAN: una GAN condizionale, un modello di intelligenza artificiale che traduce un formato di immagine in un altro, crea una rappresentazione della scena vista dall'alto. Questa disposizione dall'alto facilita l'interpretazione delle posizioni dei pedoni e dell'ambiente circostante.
• Previsione della traiettoria con un modello LSTM: utilizzando le posizioni passate e gli schemi di movimento di ogni pedone, un modello LSTM prevede dove è probabile che si muova nei secondi successivi.
• Rilevamento efficiente delle collisioni tramite coni di collisione: le traiettorie previste vengono confrontate usando il metodo dei coni di collisione, che determina se i percorsi del veicolo e di un eventuale pedone sono destinati a intersecarsi.
• Prevenzione delle collisioni tramite segnalazione: se il sistema prevede una collisione, attiva un segnale acustico, come un clacson o una campanella, nel momento ottimale. La tempistica viene scelta per influenzare il comportamento dei pedoni e dare loro la possibilità di accelerare o rallentare e raggiungere un luogo sicuro.

Garantire la sicurezza dei pedoni nelle città usando la computer vision edge e YOLO#

Analogamente, un altro approccio alla prevenzione delle collisioni va oltre i veicoli e si concentra sull'infrastruttura stessa. Invece di affidarsi a sensori installati all'interno di un'auto, questo metodo utilizza telecamere intelligenti installate presso attraversamenti pedonali e incroci per monitorare in tempo reale il movimento di pedoni e veicoli. Queste aree sono spesso imprevedibili: le persone possono immettersi improvvisamente sulla strada, i ciclisti possono zigzagare nel traffico e i conducenti non sempre rallentano, quindi è fondamentale rilevare tempestivamente i rischi.

Un interessante studio ha esplorato questa idea attraverso un sistema chiamato NAVIBox, un dispositivo di edge vision progettato per prevedere direttamente all'incrocio i rischi tra veicoli e pedoni. Il sistema utilizza il modello Ultralytics YOLOv8 per rilevare pedoni e veicoli e un tracker Centroid leggero per seguirli tra i fotogrammi. In questo modo si creano cronologie di movimento brevi e affidabili, successivamente perfezionate tramite una trasformazione prospettica che converte la visuale angolata della CCTV in una disposizione della strada più chiara e vista dall'alto.

Con queste traiettorie perfezionate, NAVIBox può stimare come è probabile che gli utenti della strada si muovano nei secondi successivi e verificare se i loro percorsi potrebbero intersecarsi, un'operazione nota anche come test di intersezione. Quando il sistema rileva un'interazione rischiosa, invia immediatamente avvisi tramite display per i conducenti e altoparlanti per i pedoni, senza affidarsi a un server remoto o a una connessione di rete. I test condotti in reali aree urbane hanno dimostrato che NAVIBox è sufficientemente veloce per rispondere veramente in tempo reale e identificare con precisione i potenziali scenari di collisione, rendendolo uno strumento di sicurezza pratico per gli incroci urbani trafficati.

Fig. 5. Previsione del rischio di collisione tra veicoli e pedoni. (Fonte)

Vantaggi e svantaggi del rilevamento e della previsione delle collisioni#

Ecco alcuni vantaggi dell'utilizzo di sistemi predittivi di collisione basati sull'intelligenza artificiale:

• Migliora la consapevolezza della situazione: i sistemi di intelligenza artificiale mappano continuamente il movimento degli oggetti in un ambiente, fornendo una comprensione più approfondita del flusso delle folle su larga scala, del comportamento del traffico o dei percorsi delle macchine.

• Informazioni basate sui dati per la pianificazione a lungo termine: registrando rilevamenti, quasi incidenti e schemi di movimento, i sistemi di intelligenza artificiale forniscono analisi che urbanisti, team addetti alla sicurezza e operatori di flotte possono utilizzare per riprogettare gli incroci, migliorare la segnaletica o perfezionare le politiche operative.

• Prevenzione dei rischi conveniente: rilevando i rischi prima che aumentino, questi sistemi possono aiutare a evitare incidenti costosi, richieste di risarcimento assicurativo o riparazioni delle apparecchiature.

Nonostante i vantaggi, anche i sistemi che prevengono le collisioni presentano alcune limitazioni. Ecco alcune sfide da considerare:

• Vincoli legati al posizionamento dei sensori e delle telecamere: telecamere posizionate o angolate in modo inadeguato possono distorcere le dimensioni o la distanza degli oggetti, rendendo meno affidabili la stima della profondità e la previsione della traiettoria.
• Occlusione: gli oggetti possono essere parzialmente o completamente nascosti dietro ad altri. Ciò rende difficile il tracciamento degli oggetti, poiché il modello perde la continuità visiva.
• Condizioni ambientali: scarsa illuminazione, luce solare intensa, pioggia, nebbia o bassa qualità della telecamera possono ridurre la capacità del modello di vedere chiaramente la scena, compromettendo la precisione.

Punti chiave#

La previsione delle collisioni riunisce due potenti capacità: la computer vision, che consente ai sistemi di comprendere ciò che sta accadendo nell'ambiente in questo momento, e la previsione delle traiettorie, che li aiuta ad anticipare ciò che probabilmente accadrà dopo.

Combinando questi punti di forza, le macchine possono rilevare oggetti in movimento in tempo reale e prevedere come potrebbero interagire nei secondi successivi. Con l'evoluzione continua delle tecniche di computer vision e di previsione, la previsione delle collisioni diventerà probabilmente fondamentale per costruire sistemi autonomi più sicuri, affidabili e scalabili.

Dai un'occhiata alla nostra community e al nostro repository GitHub per saperne di più sull'intelligenza artificiale. Esplora applicazioni come l'intelligenza artificiale nel settore sanitario e la computer vision nella produzione nelle nostre pagine dedicate alle soluzioni. Scopri le nostre opzioni di licenza e inizia a creare oggi stesso!