Алгоритм борется с засвеченными и смазанными автомобильными номерами. Главное применение – камеры фиксации нарушений ПДД, но есть и неочевидные сценарии
Внедрение видеокамер на дорогах, фиксирующих нарушения и выписывающих штрафы, даже после десятилетия использования вызывает жесточайшие дискуссии. Противники камер утверждают, что они подходят слишком механически, а количество камер делает вождение невыносимым. Сторонники указывают на то, что достаточно соблюдать скоростной режим и ПДД, и проблем не будет. Но есть и третья группа, которая не особо вдается в аргументацию и попросту делает номера нечитаемыми. Благо сделать это не так уж и сложно. Лепить на часть номера грязь в то время, как сама машина идеально отмыта, уже не работает – можно нарваться на патруль, который выпишет штраф за нечитаемые – в прямом смысле слова – номера. Но зато можно номера стесать камнем, и будет выглядеть так, что номера незначительно повреждены и читаемы, по крайней мере человеком. А вот у камер могут возникать проблемы.
Впрочем, в гармонии сила действия равна силе противодействия. Если раньше камеры были довольно простыми, то сегодня ими – и их настройками – вполне можно управлять удаленно. Основными параметрами, влияющими на распознаваемость номеров, является выдержка и диафрагма камеры. Камеры стационарны, в отличие от солнца, и могут складываться ситуации, когда солнце находится в такой позиции, что номера оказываются засвеченными. При этом если погода облачная, то и засвета не происходит. То есть ситуация, в которой требуется корректировка камеры, непредсказуема, а значит и настроить сценарии без контроля исполнения невозможно.
Ученые МИСИС в сотрудничестве с Ситилабс, разрабатывающей софт SOVA-M для контроля нарушений ПДД, доработали алгоритм работы камер. Согласно ему, если в систему последовательно поступают снимки номеров с засветом (что указывает на неправильно выставленную диафрагму) или смазанные (что бывает при неправильно выставленной выдержки), и это происходит последовательно, то дает сигнал о необходимости изменения настроек камеры. Это позволяет операторам системы подключаться к решению проблемы в момент, когда она возникла, а не постоянно наблюдать за показателями сотен камер.
Другим применением алгоритма ученые называют мониторинг транспорта в карьерах, где могут наблюдаться аналогичные проблемы с распознаванием номеров грузовиков. При этом если в случае с фиксацией неправильной парковки вряд ли произойдет что-то серьезное, то в карьере из-за неправильной логистики грузовик с рудой может быть спутан с грузовиком с щебнем, что вызовет серьезный сбой в работе.
Так или иначе, интересно наблюдать за тем, как платформы мониторинга последовательно совершенствуются не столько в аппаратной плоскости (разумеется, можно поставить более совершенную камеру), сколько в программной. Преимущество такого подхода понятное – программные улучшения можно использовать с любым железом, а вот если просто менять одно железо на другое, более совершенное, то в определенный момент можно упереться в потолок, когда более совершенного железа уже нет или оно недоступно, а решать проблемы надо.
Ознакомиться с научной работой ученых с детальным описанием совершенствования алгоритма можно скачав документ (ссылка прямая).
Каждый ваш лайк и подписка помогают нам увеличить аудиторию и создавать еще больше достоверного и интересного контента.
