Специалисты МТУСИ научили нейросети отслеживать автомобили даже при нестабильной частоте кадров, плохом освещении и ограниченной вычислительной мощности. Они адаптировали технологии компьютерного зрения под реальные условия. Разработанный алгоритм позволяет точно «узнавать» объект, даже если тот временно пропадает из кадра, перекрывается другими транспортными средствами или съемка осуществляется на недорогую камеру с низким разрешением.
Эксперты взяли за основу детектор объектов DeepSORT и адаптировали его к работе с облегченными нейросетевыми моделями, такими как комплексная система YOLO-NAS — это новейшая ИИ-модель обнаружения объектов.
Затем ученые внедрили динамический пропуск кадров (по 1–3 за раз), сохранив точность идентификации объектов. Такой подход очень важен для автономных систем, видеонаблюдения и беспилотных платформ, где экономия ресурсов критична.
— Наша задача — сделать так, чтобы отслеживание работало не только в условиях дата-центра с соответствующими мощностями, но и на уличной камере в небольшом городе, где может быть слабый сигнал, а запись осуществляется с пропуском кадров, — объяснил кандидат технических наук, доцент кафедры программной инженерии МТУСИ Тимур Потапченко.
Данную разработку можно будет использовать не только в качестве самостоятельного инструмента, но и в качестве основы для создания различных решений в сфере логистики и безопасности. Система может быть востребована среди федеральных и региональных органов власти (МВД, Минтранс, Росавтодор, Росстат, Минцифры), логистических компаний и ритейлеров, например, для выбора наиболее оптимальных маршрутов с учетом загруженности трасс автомобилями различных типов, считает заместитель директора по трансферу технологий Центра компетенций НТИ по направлению «Технологии хранения и анализа больших данных» на базе МГУ Тимофей Воронин.
Технологии компьютерного зрения на данный момент могут классифицировать объекты по заранее определенным данным. Однако процесс определения в городских условиях затрудняется постоянно меняющимся ландшафтом, временами года, погодными явлениями, освещением из-за смены дня и ночи и прочих факторах. Также система может, например, определить близко летящую птицу как машину, считает генеральный директор группы компаний ST IT Антон Аверьянов.
По словам эксперта НТИ «Автонет» Игоря Мишина, разработка позволит улучшить оперативность мониторинга транспортных средств и повысить безопасность на дорогах. Возможно, нейросеть поможет находить угнанные авто, распознавать людей и отслеживать помехи на проезжей части. Помимо автодорог нейросеть найдет применение в сфере обслуживания трасс и работы экстренных служб.
Источник: Известия
Свежие комментарии