Пермская компания научила нейросеть распознавать аварии на записях камер наблюдения

Пермская компания научила нейросеть распознавать аварии на записях камер наблюдения

На большом перекрёстке на каждом участке машины двигаются с разными задержками.

Пермская компания научила нейросеть распознавать аварии на записях камер наблюдения

Интерфейс программы пермских разработчиков.

Пермская компания научила нейросеть распознавать аварии на записях камер наблюдения

Команда разработчиков собрала записи 20 тысяч видео ДТП, которые затем "скормили" нейросети.

Пермская компания разработала модуль распознавания ДТП, который обнаруживает аварии на записях с камер видеонаблюдения.

Разработчики подсчитали, что их детище выявляет признаки аварии по видеоряду с точностью 90%. Выявив ДТП, система самостоятельно сигнализирует диспетчеру о случившемся.

Новинка позволит спасать больше жизней людей, попавших в беду, а также снизит количество заторов на дорогах.

Разработка пермских IT-специалистов состоит из двух компонентов: математического алгоритма и нейросетей. Алгоритм оценивает время остановки, скорость и направление движения автомобилей, а нейросеть оценивает ситуацию на дороге и реакцию людей на происходящее.

Сначала программа собирает статистику, как долго стоят машины на тех или иных участках дороги. Это позволяет ей определить длительность необычной, аномальной остановки.

При этом "аномальная остановка" рассчитывается отдельно для разных участков дороги. Ведь, например, для перекрёстков время "ожидания" для разных участков будет разным. И, лишь оценив длительность "простоя" на разных направлениях, программа может "понять", в каком случае автомобиль просто ожидает зелёного света светофора, а в каком — автомобиль (или грузовик) "приехал".

Пермская компания научила нейросеть распознавать аварии на записях камер наблюдения

​"Умные" камеры в Москве начнут выявлять мусор, пробки и животных на дорогахчитайте также

Кроме того, алгоритм компании TrafficData в режиме реального времени обновляет данные о текущей дорожной ситуации. Поэтому в случае, к примеру, появления пробки он будет пересчитывать допустимое время остановки для машин в потоке.

После того как алгоритм определил аномальную остановку того или иного автомобиля (или грузовика), наступает очередь нейросетей. Они проверяют, есть ли признаки ДТП: столкновение и повреждение машин, сбитые пешеходы, возгорания. Нейронные сети в данном случае помогают уменьшить число ложных срабатываний системы. К тому же они постоянно обучаются.

После обнаружения аварии сигнал о ДТП передаётся на пульт диспетчеру. Это позволит спасательным службам быстрее реагировать на происшествие, спасать человеческие жизни и здоровье, а также не допускать образования пробок и сопутствующих им "вторичных" аварий.

Пермская компания научила нейросеть распознавать аварии на записях камер наблюдения

​Биометрические данные велосипедистов помогут избежать ДТПчитайте также

Можно было бы подумать, что все эти расчёты требуют серьёзных вычислительных мощностей. Однако авторы разработки утверждают, что для работы модуля достаточно.

"Мы постоянно обучаем нейросеть реакциям автовладельцев на аварию. Уже включены много логик поведения людей. Например, если человек начал выходить из машины, обходить её, ставить красный треугольник, или долго стоит, то с большой вероятностью случилось ДТП. Модуль "видит" эти поведенческие паттерны и даёт сигнал. Оператор быстрее среагирует на аварию, а значит, время на спасения попавших в ДТП будет больше. Это важно, когда счёт идёт на минуты. Правило "золотого часа" в медицине никто не отменял", – рассказывает основатель и генеральный директор компании TrafficData Иван Чебыкин.

Сейчас компания заканчивает тестирование модуля совместно с "Оператором скоростных автомагистралей" на западном скоростном диаметре в Санкт-Петербурге. А разработчики тем временем уже планируют усовершенствовать модуль.

Так, в перспективе внедрение системы позволит водителям без последствий покидать место ДТП: видео аварии запишется автоматически. Всё это ускорит и облегчит жизнь многих автомобилистов, ведь часто столкновения и аварии бывают совсем небольшими.

Пермская компания научила нейросеть распознавать аварии на записях камер наблюдения

Команда разработчиков собрала записи 20 тысяч видео ДТП, которые затем "скормили" нейросети.

Фото TrafficData.

Если заглянуть ещё дальше в светлое цифровое будущее, то, постоянно фиксируя ДТП и собирая общероссийскую базу данных, имея на руках модели транспортных потоков, учёные при помощи искусственного интеллекта смогут прогнозировать ситуацию на дорогах.

Выводы позволят быстро принять необходимые меры – перекрыть полосу, изменить схему работы светофоры, чтобы авария не привела к большим проблемам с трафиком.

"Одна из перспективных задач для нас — создать реальную работающую автоматизированную систему управления дорожным движением. Для этого нужен анализ инцидентов, модуль ДТП, чтобы на их основе менять транспортные модели. Больше аналитики и мозгов — больше эффект и смысл", – добавляет Чебыкин.

Пермская компания научила нейросеть распознавать аварии на записях камер наблюдения

Интерфейс программы пермских разработчиков.

Иллюстрация TrafficData.

По данным МВД, только за 2021 год в России произошло 96 тысяч ДТП, в которых ранения получили 121 тысяча человек, погибли — 10,5 тысячи. Каждое одиннадцатая авария приводит к смертельному исходу. IT-технологии могут и должны изменить ситуацию к лучшему.

Ранее мы писали о том, что искусственный интеллект сможет предупреждать водителей о выбоинах на дорогах, а также о российском ИИ, который определяет успеваемость учащегося по его постам в соцсетях.

Кроме того, мы рассказывали о светящихся дорогах вместо фонарей, а также, чем для автомобилистов опасна "личность" автомобиля, а для запасов питьевой воды человечества — дорожная антигололёдная смесь.

Больше важных и интересных новостей из мира науки и технологий вы найдёте в разделе "Наука" на медиаплатформе "Смотрим".

Подписывайтесь на наши страницы в соцсетях. "Смотрим" – Telegram и Яндекс.Дзен, Вести.Ru – Одноклассники, ВКонтакте, Яндекс.Дзен и Telegram.

Источник

Оцените статью
Zdk-Ekb.ru
Добавить комментарий