Они помогут обеспечить безопасность на производствах и охраняемых территориях, а также в общественных местах
В Пермском Политехе придумали, как ускорить обработку получаемого видеоматериала и повысить точность определения движений объекта съёмки камерами наружного наблюдения.. Для этого они проанализировали существующие модели распознавания скелетов людей и используемые алгоритмы обработки видеоизображений, и создали собственные модель и технологию нормализации объектов. Исследование провели в рамках реализации программы «Приоритет 2030».
Мы создали упрощённую модель, в которой отсутствует лишняя для наших исследований информация, например, о положении пальцев рук. Зачастую их местонахождение зашумлено, но при этом на обработку также уходит время, усложняется процесс распознавания действий. Ключевыми точками в нашей модели стали глаза, плечи, бедра, локти, кисти, колени и ступни. Также мы предложили алгоритм преобразования информации о движении скелета человека, который распознает действия, сравнивая для большей точности данные с разных камер или под разными углами.
— Александр Князев, аспирант кафедры «Информационные технологии и автоматизированные системы» ПНИПУ
Эксперименты показали, что модель и технология нормализации видеоизображений из ПНИПУ позволили достичь точности распознавания в 95%. При этом применение первичных данных обеспечивало лишь 35% точности.
Разработку задействуют для мониторинга и сохранения безопасности на производственных предприятиях, охраняемых территориях и в общественных местах. Интерес к ней для внедрения на своих мощностях проявили несколько российских промышленных компаний, а Фонд содействия инноваций уже одобрил для учёных ПНИПУ грант.
Читать материалы по теме:
Куда без каски? В РУДН научили искусственный интеллект следить за безопасностью на производстве