Цель проекта: разработка программно-аппаратного комплекса видеоаналитики на базе искусственного интеллекта, который в автоматическом режиме обрабатывает видеопоток с камер и выявляет типовые дорожные ситуации, а также внештатные события и нарушения.
Эффект от внедрения: Комплекс позволяет обрабатывать видеоданные не только на центральном сервере, а также прямо на устройстве рядом с камерой, что снижает траффик в несколько раз и делает систему более надежной в местах с плохим покрытием мобильной связи и ограниченной инфраструктурой. Такой подход дает возможность снизить затраты более, чем на 50 % за счет использования более доступных одноплатных компьютеров, повысить функциональность за счет объединения нескольких детекторов в одном комплексе и сократить время реакции оператора до 3 секунд.
Подтвержденные метрики точности всех детекторов превышают 80%, а сам комплекс способен работать как самостоятельное решение и как часть более крупной системы безопасности.
Руководитель проекта
Окунев Алексей Григорьевич, директор Института интеллектуальной робототехники
Один из разработчиков — младший научный сотрудник Центра искусственного интеллекта НГУ Виталий Кудинов.
– Расскажите, пожалуйста, что представляет собой ваш проект?
– Основной целью проекта является разработка программно-аппаратного комплекса видеоаналитики, который работает с задачами аналитики транспортных ситуаций и определения типовых нарушений. Если говорить проще, система должна не просто собирать картинку с камер, а в автоматическом режиме понимать, что происходит на дороге или на охраняемой территории, и быстро передавать сигнал оператору.
– Какие именно ситуации она способна распознавать?
– Например, проводить анализ дорожного движения и сбор статистики по типам транспортных средств: легковой транспорт, грузовой транспорт, транспорт экстренных служб, СИМы. Кроме того, система определяет внештатные ситуации – ДТП и остановки транспорта в полосе.
Другой блок касается нарушений и событий, которые могут происходить на территории, где установлена система: курение, распитие напитков, а также определение огня, дыма, лежащего человека и оставленного без присмотра объекта.
– Сегодня существует много решений в области видеонаблюдения. В чем заключаются преимущества этой разработки?
– Одна из особенностей разработки в том, что для анализа видеопотока могут использоваться дешевые одноплатные компьютеры. Сейчас типовые решения часто опираются на более дорогие устройства, а мы ориентируемся на более доступную архитектуру и портируем модели на компактные вычислительные мощности. Это позволяет обрабатывать данные прямо рядом с камерой, без необходимости пересылать весь видеопоток на центральный сервер.
Помимо этого есть и другая уникальность разработки - возможность масштабирования системы на покрытие детекторами сотни и более камер, благодаря умному распределению ресурсов серверных платформ. Это позволяет задействовать несколько CPU/GPU на одной или нескольких вычислительных машин для обработки большого количества видепотоков.
– Почему важно использовать одноплатные компьютеры?
– Это особенно полезно там, где плохое покрытие Wi-Fi или мобильной связи, например, на трассах или в пригородных зонах. В таком случае не нужно передавать огромный поток данных по сети, а на центральный сервер уходят уже только результаты обработки. То есть система становится более надежной, быстрее реагирует и требует меньше трафика.
– Насколько широким может быть применение этой системы?
– Под детектором медиа-контента подразумевается большой комплекс детекторов, которые призваны усилить, например, охрану периметра предприятия. По сути, если камера видит целевой объект или целевое действие, можно научить систему это распознавать. Мы уже работаем с детекторами для разных сценариев, и спектр задач здесь довольно широкий.
– Есть ли подтверждение эффективности?
– Да, у нас есть подтвержденные метрики точности на основе тех данных, которые мы собирали в процессе разработки. В случае наших детекторов они превышают 80%. Кроме того, в техническом задании зафиксировано максимальное время реагирования системы в 3 секунды: от определения события детектором до появления сигнала на терминале оператора.
– Ваш комплекс полностью автономный или он интегрируется с другим оборудованием?
– Наш программно-аппаратный комплекс не фиксирует видеопоток в смысле создания видеоархивов. Для этого используются решения индустриальных партнеров, например, продукт ITX от компании Netris. Система получает от нашего продукта кадр с событием, временем и типом происшествия, а дальше уже можно показать участок до и после события и сохранить нужный фрагмент в архиве.
– Когда разработка может выйти за рамки пилотного применения?
– Сейчас мы находимся на стадии доработки и расширения функциональности под задачи индустриального партнера. Разработка уже показала свою эффективность, и заказчик намерен использовать ее как компонент своих систем наблюдения и безопасности. Мы со своей стороны планируем использовать полученные компетенции для создания решений, предназначенных для более широкого внедрения.