Разработчики: | Московский технический университет связи и информатики (МТУСИ) |
Дата премьеры системы: | 2023/06/06 |
Технологии: | Системы видеоаналитики |
Основная статья: Видеоаналитика (термины, сферы применения, технологии)
2023: Создание алгоритма
Ученые МТУСИ создали алгоритм обнаружения девиантного поведения на основе видео в реальном времени с поддержкой нескольких камер и нескольких людей, основанный на оценке позы человека и открытой исходной форме алгоритма OpenPifPaf. Об этом университет сообщил 6 июня 2023 года.
Проблема обеспечения безопасности жителей мегаполисов становится особенно актуальной в наши дни. Зачастую опасные ситуации возникают из-за девиантного поведения людей: драка, нападение, нахождение в неположенном месте. Современные города оснащены системами видеонаблюдения: их используют для контроля городской жизни, а можно направить на обнаружение потенциально опасных ситуаций в режиме реального времени.
В связи с огромным количеством видеоматериалов задача обнаружения опасных ситуаций требует использования современных интеллектуальных технологий, позволяющих проводить автоматический анализ. Первоочередная задача – научить программу определять положение тела человека на изображениях и видео, — рассказал декан факультета «Информационные технологии» МТУСИ, к.т.н. Михаил Городничев. |
Существует несколько библиотек, позволяющих оценить позу человека по видеоизображению. После изучения различных вариантов учеными было принято решение об использовании OpenPifPaf для работы над проектом по созданию алгоритма.
Данные являются основой любой системы, построенной с использованием машинного обучения. Основными критериями их качества являются точность разбиения и разнообразие. Наиболее популярные наборы данных для распознавания поз – MPII и COCO, они отличаются друг от друга разметкой и количеством изображений. При реализации алгоритма выделения девиантного поведения был использован набор COCO, — пояснила старший преподаватель кафедры «Математическая кибернетика и информационные технологии» МТУСИ Ксения Полянцева. |
Помимо библиотеки OpenPifPaf в проекте использовались вспомогательные библиотеки Python: torch, argparse, math, OpenCV, matplotlib, PIL. Для практического применения алгоритма было создано приложение, распознающее падение человека по видео. Гид по системам UEBA: 8 наиболее заметных продуктов, доступных на российском рынке
Над видеоизображением отображается основная информация: количество кадров в секунду, общее количество обработанных кадров, прогнозируемое состояние человека, которое может быть либо «Нормальное», либо «Предупреждение о падении», либо «Падение». В случае ошибки распознавания человека (в том числе, если в кадре нет людей), состояние отображается как «Нет».
Дополнительно было создано веб-приложение, которое реагирует на девиантное поведение, фиксирует его, записывает событие в базу данных и отображает уведомление. Каждая строка содержит информацию о признаке девиантного поведения (на данном этапе только падение человека), дату и время фиксации, номер камеры.
Сотрудники кафедры «Математическая кибернетика и информационные технологии» МТУСИ Марина Мосева и Артем Павликов подчеркнули, что предложенный алгоритм работает с достаточно низкими аппаратными требованиями, а программа не требует графического процессора. Тем не менее, алгоритм имеет склонность к ложным срабатываниям из-за несбалансированных обучающих данных, поэтому для получения наилучших результатов необходимо дальнейшее обучение системы.
Подрядчики-лидеры по количеству проектов
VizorLabs (Визорлабс) (44)
ВидеоМатрикс (Videomatrix) (43)
Вокорд (Vocord) (39)
VisionLabs (ВижнЛабс) (27)
Simetra (ранее А+С Транспроект) (19)
Другие (376)
VizorLabs (Визорлабс) (11)
ВидеоМатрикс (Videomatrix) (8)
Nord Clan (Норд Клан) (4)
Джей Эс Эй Групп (JSA Group) (3)
SteadyControl (2)
Другие (33)
Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров
Вокорд (Vocord) (9, 45)
ВидеоМатрикс (Videomatrix) (17, 43)
VizorLabs (Визорлабс) (9, 43)
VisionLabs (ВижнЛабс) (13, 34)
PTV Group (2, 25)
Другие (354, 239)
VizorLabs (Визорлабс) (7, 11)
ВидеоМатрикс (Videomatrix) (7, 8)
SteadyControl (1, 3)
SteadyControl HoReCa (1, 3)
VisionLabs (ВижнЛабс) (2, 2)
Другие (18, 19)
VizorLabs (Визорлабс) (4, 13)
SteadyControl (1, 7)
SteadyControl HoReCa (1, 7)
Технологии безопасности дорожного движения (ТБДД) (1, 3)
ВидеоМатрикс (Videomatrix) (2, 2)
Другие (15, 19)
ВидеоМатрикс (Videomatrix) (4, 10)
SteadyControl HoReCa (1, 5)
SteadyControl (1, 5)
VizorLabs (Визорлабс) (2, 3)
Nord Clan (Норд Клан) (1, 3)
Другие (14, 15)
Распределение систем по количеству проектов, не включая партнерские решения
Визорлабс Контроль ОТ и ПБ (VizorLabs Health & Safety) - 26
VisionLabs Luna - 25
PTV Visum - 25
SteadyControl Система контроля и управления персоналом - 23
Vocord Traffic - 16
Другие 289
Визорлабс Контроль ОТ и ПБ (VizorLabs Health & Safety) - 6
SteadyControl Система контроля и управления персоналом - 3
Vmx SILA: HSE - 2
Nord Clan: RDetector - 2
САТЕЛ: Полярный глаз Система технологического видеонаблюдения - 1
Другие 29
Визорлабс Контроль ОТ и ПБ (VizorLabs Health & Safety) - 9
SteadyControl Система контроля и управления персоналом - 7
ТБДД: Азимут Комплексы фотовидеофиксации - 3
Vizorlabs Платформенное решение видеоаналитики - 2
VisionLabs Luna - 2
Другие 20
Vmx SILA: TP - 5
SteadyControl Система контроля и управления персоналом - 5
Vmx SILA: LSI - 3
Nord Clan: ML Sense - 3
PTV Visum - 2
Другие 16