Valutazione visiva flussi e rischi di interferenza persona ......compagnie agiscono insieme, ad esempio in prossimità di una banchina Convegno finale del progetto Salute e sicurezza

Valutazione visiva flussi e rischi di

interferenza persona veicolo

Convegno finale del progetto Salute e sicurezza dei lavoratori nelle aree portuali, Pisa, 5 Novembre 2019

Outline

• Introduzione ed obiettivo

• Approccio

• Architettura e dispositivi utilizzati

• Calibrazione e triangolazione

• Identificazione veicoli

• Tracking umani

• Mappa di rischio

• Applicazione al porto di Piombino


Introduzione

• Gli investimenti sono fra le prime cause di infortunio in ambito portuale

• Avvengono in aree in cui diverse compagnie agiscono insieme, ad esempio in prossimità di una banchina


• Le violazioni delle regole e la mancanza di coordinamento aumentano notevolmente il rischio di collisione

• Il monitoraggio dei flussi di veicoli e persone è uno strumento per ridurre il rischio

Obiettivi


• Sistema di visione applicabile in aree portuali

• Monitoraggio per stima del rischio di interferenza

• Previsione del comportamento per stima proattiva del rischio

Approccio


Acquisizione Locale

• Camera + unità calcolo

• Registrazione locale immagini

• Trasmissione Wireless ad unità centrale

• Installate nell’area da monitorare

Preprocessing sessione

• Spostamento dati in unità centrale

• Sincronizzazione video

• Algoritmi di riconoscimento oggetti

• Algoritmi di path prediction

• Triangolazione e colocazione

Analisi globale e risultati

• Valutazione della probabilità di interferenza

• Metriche di rischio

• Output della valutazione del rischio

Architettura

• N unità locali collegate in rete locale

• Ogni punto dell’area da monitorare è coperto da almeno due camere

• Unità centrale collegata alla rete locale e a internet per il controllo remoto del sistema

• Processing dei dati in remoto


Processo di analisi dati


Acquisizione locale

• Registrazione immagini

• Trasmissione all’unità centrale

Processing immagini

• Yolo per object detection (finalizzato ai veicoli)

• Algoritmo di motion tracking dell’umano basato su Openpose (rete convoluzionale) e Lucas-Kanade

• Algoritmo di path prediction

Calibrazione e triangolazione

• Calibrazione multicamera all’installazione basata su marker Aruco e Structure from Motion

• Ricostruzione 3d degli oggetti e dei path ottenuti al passo precedente

Analisi globale dei risultati

• Valutazione della probabilità di interferenza

• Rappresentazione fruibile per le aziende

Unità di calcolo


Telecamera ELP-usbfhd04h-dl36

• IP 65 per montaggio esterno

• Sensore FHD da 1 / 2.9 pollici

• Compressione H264

• Mount M12

• Connessione USB

Dongle WiFi ALFA AWUS036ACH• Connessione alla rete locale

UP Board

• Processore Intel® ATOM™ x5-

Z8350 64 bits fino a 1.92GHz.

• 4GB DDR3L RAM and 32GB eMMC

• Acquisizione e storage locali

• Gestione connessione di rete e

sincronizzazione

Scelta delle ottiche

Compromesso fra

• Copertura dell’area da monitorare

• Sufficiente risoluzione per riconoscere veicoli e persone

• Limitazione della risoluzione per evitare l’identificazione delle persone


Scelta delle ottiche


Calcolo di

• Campo di vista

• Distanze per• Identificazione• Riconoscimento• Osservazione• Detection• Monitoraggio

250• Identification

125• Recogniion

62• Observation

25• Detection

12• Monitoring

Risoluzione [ppm] – EN 62676-4

Calibrazione e triangolazione


Obiettivo: Localizzazione e tracking tridimensionale

Calibrazione: ottenere la posa di ciascuna camera in un sistema

di riferimento noto

Triangolazione: sfruttare la presenza dello stesso punto obiettivo

in più camere per calcolarne la posizione tridimensionale

Calibrazione: tecnica Aruco


Detection degli angoli nel marker

Definizone di un sistema di riferimento sul marker

Confronto dei sistemi ottenuti dallo stesso marker su più camere

Matrice di trasformazione fra i sistemi solidali alle due camere

Calibrazione: SFM e fusione con Aruco

• Estrazione features

• Feature matching/tracking

• Rimozione outlier

• Stima del movimento e della posa

• Bundle adjustments


Triangolazione

Calcolo della posizione tridimensionale di un punto in un

sistema mondo noto


Identificazione e tracking dei veicoli

• Analisi delle immagini tramite rete

convoluzionale (Yolo-v3)

• Bounding box dei veicoli nello

spazio immagine

• Livello di confidenza


Identificazione e tracking degli esseri umani

Baseline: Immagini analizzate da

rete convoluzionale (Openpose)



Tracking tramite algoritmo di Lukas

Kanade e fusione con Openpose


Definizione delle metriche di rischio

Descrizione frequentistica della presenza di persone e veicoli


Definizione di metriche di rischio euristiche basate su stima della

velocità relativa

Stima del rischio basata sulla predizione del comportamento

Visualizzazione delle aree di rischio

• Database basati sulla discretizzazione delle aree monitorate• Classificazione ed annotazione del rischio per voxel• Visualizzazione sintetica delle mappe di rischio


Applicazione al porto di Piombino

Disponibilità di AdSP MTS ad ospitare il sistema di cattura

Diverse ipotesi basate sul traffico di veicoli e persone


Area di applicazione


Scelta del setup

Progettazione setup per copertura area e corretta risoluzione nel

volume monitorato


Prossime attività

Installazione nel porto di Piombino

• Preparazione delle torri faro, grazie alla collaborazione di

AdSP MTS

• Esecuzione pipeline di messa in funzione e calibrazione

• Raccolta e analisi dati

• Aggiustamentnto del setup in base ai primi risultati


Sviluppi futuri

Applicazione di reti Social-LSTM per la predizione del

comportamento nel breve termine


Documents

Valutazione visiva flussi e rischi di interferenza persona ......compagnie agiscono insieme, ad esempio in prossimità di una banchina Convegno finale del progetto Salute e sicurezza