Главная
02.10.2019
Человек больше не нужен
Автопаркинг. По номеру автомобиля может сам поднять шлагбаум на автостоянке или просто посчитать авто на мойке.
01.08.2019
Видеосервер для интеллектуального видеонаблюдения
Нейросервер. С фермой нейросетей на борту.
26.07.2019
Deep Learning
Обучаем искусственный интеллект.
15.07.2019
Нейросети спускаются к людям
Дешевый И-Видеорегистратор обретает интеллект. Теперь он может отличать людей от помех.
18.06.2019
На его месте должна быть камера
Визуальный крик о помощи. Нейросеть может реагировать на вашу позу.
17.06.2019
Компьютер постепенно заменит инспектора
Всё больше нарушений может регистрировать комплекс «Спецлаб-Перекресток»
24.05.2019
Искусственный интеллект, женщина-робот «София» и пьяные моряки
Спецлаб принял участие в конференции по ИИ на Кипре
21.03.2019
Бизнес закодируют, вернее закуаркодируют
Кто-то радуется, кто-то огорчается, а мы делаем деньги
13.03.2019
Нейросети породили ВИДЕОЛОГИСТИКУ
Видео QR-код. От автоматизации к автоматике
06.03.2019
Майнинговые фермы отлично трансформируются в нейросети
Отличная новость для жертв блокчейна.

Как работает нейросеть в видеонаблюдениии

Давайте честно взглянем камерам в лицо, о-ой, т.е. в объективы! Что они видят? 

камера


Недостатки обычных видеодетекторов

В большинстве случаев всю свою камерную жизнь они наблюдают помехи. Так устроена наша действительность, хоть мы этого сами и не сильно замечаем, окружающая среда перенасыщена различной активностью: движением веток растений, теней от этих веток на солнышке, полетом птичек, пробегами собачек, ползаньем мушек на камерах, бликов как луж, так и оптики самих камер... Для людей всё это обычно, поэтому помехи даже стали называть естественными. Но есть проблема у электроники, у компьютера, обычный видеодетектор срабатывает на всё, что движется. Любое изменение картинки – и мы имеем груду бесполезной записи, а также необходимость для оператора видеонаблюдения – следить за ней.

различные помехи в видеонаблюдении

Вот такая игра света и теней на улице составляет 90% всего процесса видеонаблюдения. В помещениях гораздо меньше, обычно 20%, но нам много и одного! Зачем человеку дергаться каждый раз, когда качнулась какая-то дурная веточка? Вообще, мы же не натуралисты, и должны следить не за природными явлениями, а за безопасностью на объекте.  

на объекте


Искусственный интеллект в системах видеонаблюдения

И вот, слава искусственному интеллекту, которого никто никогда не видел, но многие верят в него, появилась такая возможность использовать нейросети. Врубаем – и хаос вселенной приобретает смысл! Мы начинаем понимать… ах, извините, мы – люди и раньше понимали, что нас больше волнует не та веточка, а вот этот автомобиль – человеку-то нейросеть Бог вставил в голову уже давно. А вот теперь и компьютер начинает понимать, какие зоны действительно интересуют нас – существ разумных. Теперь нам обоим очевидно, за какими объектами в кадре надо следить. Да, людей по большей части интересуют все действия с автомобилями и человеками – где бы они ни находились, как бы ни перемещались, какие бы помехи им ни мешали. И компьютер теперь может распознавать их почти в любом виде, выдавая оператору уже не груду помех, а только обозначенные субъекты. Причем, делать это в тяжелых условиях всеразличных помех. 

различные условия помех

 
В этой буре помех нейросеть может находить и полезные цели. Обычный видеодетектор срабатывает на всё, что движется, а нейросеть способна избирательно реагировать на те или иные действия именно человека или машины. Она их успешно различает в хаосе движения веток, света и тени. Человек постоянно меняет свои параметры, заходя то в светлую - то в темную зоны, то перед ветками – то за ними, меняет свою цветовую гамму, нейросеть Спецлаб распознает его в любой освещенности, с любых сторон, со всеми углами подвеса камеры, в разных масштабах как на дальнем плане, так и на переднем. 

масштаб1

масштаб2

масштаб3

масштаб4

масштаб5

 

Преимущества нейросети "Спецлаб"   

Наша нейросеть способна классифицировать объекты практически во всех их видах, как бы человек или автомобиль не находился по отношению к камере: спереди – сбоку - сзади, что особо важно для большинства систем видеонаблюдения – сверху. 

вид сверху

 
Нейросеть не только выделяет полезные нам участки кадра, но и распознает в них конкретные образы, понимая, где люди, где машины, а где животные или что-то еще. Исходя из этого, может и оценивать угрозы избирательно для каждого.   

образ машина человек

Если необходимо, мы можем защититься от такой помехи как животные – наши четвероногие друзья выделены в отдельную категорию. И их набеги больше не побеспокоят мирный сон охранника, а на телефон хозяина не будут приходить ложные тревоги. Как видите, на собачке нет ореола-рамки человека – как бы она ни крутилась.   

 животное

Также мы можем оценивать и другие образы – например, спецодежду человека, головные уборы, оружие и прочее.
К сожалению, корифеи нейросетей обычно обучают их на качественных интернет-картинках – без учета специфики жизни, а Спецлаб берет обучающий материал из многочисленных средств видеонаблюдения своих клиентов такого облака как «Далекий свидетель». 

далекий свидетель Спецлаб

 
Также в Спецлабе неплохо распознаются полезные объекты, частично загороженные другими препятствиями или подобными же объектами. Как стационарно, так и в движении. Днем и ночью. В общем, это не игрушка, Спецлаб разработал и обучил профессиональную нейросеть для реального видеонаблюдения. Но, естественно нужно понимать, что все работает без шаманства, поэтому в любом случае объект должен быть хоть как-то виден: ну, как минимум на 50% и хоть как-то освещен. Если он почти полностью чем-то загорожен или находится в полной темноте, то извините – чуда не случится.    

темнота


К сожалению, Россия сама по себе находится в такой географической зоне, где чаще темно, чем светло, а зимой очень темно. И электрическая лампочка есть не в каждом лесу. Поэтому нейросети не снимают с повестки дня и другие алгоритмы Спецлаб, ищущие смыслы в полном хаосе, где разобрать людей и автомобили даже человек не в состоянии. И видеосемантика здесь в помощь. 

видеосемантика в темноте

 
Но до нейросетей мы пытались искать смыслы везде и всегда – вне зависимости от того, есть ли вообще в кадре люди или автомашины. Т.е. сейчас мы сделали качественный скачок по сокращению ложных видео-тревог. Причем, речь идет о скачке в несколько порядков – в зависимости конечно же от объекта. 

порядок видеонаблюдение 

Вот мы анализируем всю груду из многообразных движений теней от веток деревьев,

тень видеонаблюдение

 
 а вот включаем нейросеть – и в этой пурге помех точно видим зоны интереса. 

настройка нейросеть

 
Нас интересуют эти прямоугольнички, которыми помечаются люди и автомобили, а также и другие объекты – для специфических задач. И теперь мы изучаем поведение именно этих контуров, именно этих объектиков, каждый из которых получил индивидуальный номер, по нему теперь есть определенная метрика, т.е. мы расцениваем его как отдельного участника поведенческого сюжета. Да еще и знаем при этом, на что он способен – в зависимости от того, человек это, машина или животное.   

объект задачи

Соответственно, нужно понимать, нейросеть – лишь часть задачи, может быть даже половина ее, но без событийной логики она бессмысленна. Что, например, делать, если мы нашли автомобиль в кадре? И в следующем? И в следующих десяти тысячах? Крикнуть об этом пользователю? Кричать постоянно, пока машина не уедет? Или что? Сообщив, что в зону видимости зашел человек, больше его не анализировать? Все-таки нужно понимать, нейросеть – мощное средство, но которое лишь говорит нашей программе, с кем или чем она имеет дело – не более того. А дальше нужна поведенческая логика – видеосемантика. Которую Спецлаб совершенствует уже давно и которая даже без нейросети успешно справлялась со своими обязанностями. А с нейросетью – не думали, что придется когда-нибудь такое сказать – видеосемантика становится почти идеальной, т.к. приобретает защиту от ложных помех.  

распознавание событий лиц машин видеосемантика

 
Кстати, сами нейросети изобретены очень давно, но, наконец, появились мощности бытового ценового диапазона, которые способны их использовать, успевать распознавать в кадрах живого видео формализованные объекты, например, людей и автомобили.  По сути, для этого нужна только хорошая видеокарточка в компьютер, ну и естественно – хорошая программа, без интеллекта программистов пока ничего не двигается. А Спецлаб вот уже 22 года, как вы знаете, идет впереди индустрии видеонаблюдения, причем, часто так на лет на 5 опережая ее, и в этот раз также внедрил в полностью готовый вариант собственную нейросеть по распознаванию образов.   

распознавание образов

И вот что мы имеем. Из хаоса разрозненных движений мы получаем великолепное событийное видеонаблюдение, в котором нет места помехам. Ну, извините, занесло – помехи всё равно будут встречаться, но их процент будет значительно меньше процента, опять получился каламбур – зато легко запоминается. Мы вывели видеонаблюдение на качественно новый уровень: вместо 90% на улицах и 20% в помещениях теперь везде имеем меньше одного процента помех. Это представляете, сколько жизней мы спасли? А вот это не каламбур, на внимание к мониторам люди тратят в 21 веке столько времени, что сравнимо только со сном. Кстати, о сне, теперь можно за мониторами спать спокойно, когда вместо помех появятся люди или машины, компьютер сам скажет об этом.  

люди в видеонаблюдении видеосемантика распознавание оповещение

 
Особенно приятно, что достоверную тревогу можно получить и на смартфон – теперь вы не будете ругаться на то, что от дела отвлекла качающаяся ветка или пробежавшая собачка.  

событие на смартфон 

Отныне только полезные события с людьми и автомобилями! А как определить полезность самих полезных целей, об этом мы поговорим в следующий раз. И видеосемантика нам в помощь! 

полезные события в видеосемантике