Подписка
МЕНЮ
Подписка

Ближайшие темы обзоров проекта "СИСТЕМЫ БЕЗОПАСНОСТИ"  * Безопасность мест с массовым пребыванием людей. Антитеррор * Технические решения для мониторинга и защиты верхней полусферы * Импортозамещение в системах видеонаблюдения * Турникеты для объектов с высокой проходимостью   Изучайте тематический план и становитесь автором журнала!

Новые технологии для автоматической фиксации нарушений правил дорожного движения

Владимир Балановский, 30/12/20

Автоматическая фиксация нарушений правил дорожного движения применяется достаточно широко. Однако наряду с положительными эффектами все чаще выявляются проблемы, влияющие на качество доказательной базы, ограниченной обоснованностью доказательства правонарушения фиксируемыми материалами.

К числу основных проблем относятся следующие:

  1. Идентификация лица, управляющего автомобилем, осуществляется по государственному регистрационному знаку (ГРЗ), что приводит к спорам и судебным разбирательствам при урегулировании убытков.
  2. В условиях контроля скорости автоматическими комплексами на первый план выходят плохо распознаваемые использование мобильного телефона и непристегнутый ремень безопасности.
  3. Решение задач мобильными и стационарными комплексами с ограниченными вычислительными ресурсами требует разработки специальных алгоритмов.

Компьютерное зрение приходит на помощь

Для решения этих вопросов может быть успешно внедрена новая технология детектирования лиц и их идентификации, которая основывается на методах компьютерного зрения и машинного обучения.

Методология распознавания силуэтов и поведенческих особенностей человека использует способ обнаружения его на изображениях без предопределенной модели. Человеческая активность связана с выполнением периодических движений и даже в состоянии покоя спонтанных движений, отличающих его от фона.

Исходное изображение разбивается на множество непересекающихся областей, и выделяется область, занимаемая человеческой фигурой. В каждом элементе анализируются движения, после нормализации формируется вектор, описывающий движение в данный момент времени. Для обнаружения движения используют изменчивость оптического потока, числа пикселов и локальных перепадов яркости.

Инновационные возможности

Новизна предлагаемой методики состоит в ее адаптации для обнаружения силуэта и поведения человека, выработке ограничений по набору, направленности, размерам и параметрам, характерным для элементарных движений рук за рулем, при использовании мобильного телефона, распознавания человека в автомобиле, наличия и положения ремня безопасности. Инновационность этого подхода состоит в:

  • согласовании вышеперечисленных технологий, определении параметров алгоритмов, удовлетворяющих требованиям глубины обработки (количества слоев нейросети) и ограничениям на вычислительные ресурсы;
  • оптимизации алгоритмов путем включения в нейронную сеть дополнительных фильтров (искусственных нейронов), активизирующихся при предъявлении лица человека определенного пола, возраста, расовой принадлежности;
  • полном использовании с точки зрения юридической значимости результата идентификации (ГРЗ несет основную юридическую нагрузку, а лицо – вспомогательную, позволяющую сократить затраты на юридические процедуры; при разборе жалоб и споров ГИБДД, страховые компании и суды могут использовать дополнительные материалы для повышения качества решений и сокращения сроков рассмотрения).

2-в-1: информация о ТС + идентификация водителя

Технологии ассоциирования ГРЗ автомобиля и изображения водителя с его физическими и биометрические параметрами позволяют из видеоряда извлечь информацию о транспортном средстве (номерной знак, положение в кадре, положение ГРЗ и ТС на дороге) и информацию о человеке (идентификационные данные, положение тела и физическое состояние). Это дает возможность привязать человека в кадре к ТС, основываясь на траектории движения в кадре. На основе данных "ТС – водитель" и баз данных о ТС и лицах, допущенных к управлению, выявляются правонарушения, связанные с опасным или неправомерным управлением ТС.

Результаты определения ТС являются основным элементом для автоматической фиксации с точки зрения законодательства, а результат идентификации водителя при текущем состоянии нормативной базы служит вспомогательным элементом, который не влечет прямых нормативных санкций, но повышает достоверность материалов жалоб и страхования.

Развитие систем фотовидеофиксации выявило проблемы, связанные с особенностями нормативной базы (передоверие управления автомобилем, особенности страхования и документооборота при рассмотрении жалоб и вынесении постановлений), что вызывает трудоемкость рассмотрения и уход от ответственности.

Работа с видеопотоком

Рассматриваемая технология решает задачи детектирования лица в видеопотоке, поиска человека среди множества изображений, для чего из них извлекаются векторы признаков, а идентификация сводится к поиску ближайшего вектора признаков (дескриптора) из дескрипторов поисковой базы.

Особенностью алгоритма является использование для обучения датасета изображений лиц, нарабатываемого при подготовке и проведении Олимпиады-2014 в Сочи с использованием АПК "Маска". Для различных задач возможна настройка на разные значения параметров FAR, учитывающих ошибки первого рода (неверное обнаружение в поисковой базе) и FRR – ошибки второго рода (лицо пропущено в поисковой базе). FRR минимизируют, а минимизация FAR не существенна (лучше определить лицо, отсутствующее в поисковой базе, но не пропустить лицо, в ней имеющееся). При определении параметров FAR и FRR в совокупности со значениями параметров учитывается качество шаблона в поисковой базе. Степень влияния его качества настраивается под конкретный пост контроля, а исследование практики применения ПО позволяет адаптировать алгоритмы расчета метрики для оценки схожести.

"PSIM здесь и сейчас. Актуальные кейсы" читать статью >>>

Например, на контрольном посту Крымского моста с проездом 15 тыс. машин в сутки в одну сторону решение о проверке принимается "на глазок". В этих условиях лучше высокий FAR, снижение FRR, расширение для обучения датасета, анализ FAR и FRR для оптимизации графика ROC взаимной зависимости FAR и FRR.

Высочайшая производительность для специализированных задач

Таким образом, преимущество описанной технологии заключается в использовании метода распознавания лиц, ориентированного на создание специализированного датасета для обучения алгоритмов и выработку рекомендаций по их применению на основе зависимостей ROC. При этом удовлетворяются требования по максимальной производительности алгоритмов распознавания при ограничении размера и энергопотребления оборудования.

Технология может быть использована в том числе для контроля передвижения населения при карантинных ограничениях и в специализированных системах безопасности.

Владимир Балановский
Член бюро комиссии РАН по техногенной безопасности, профессор Академии военных наук

Сергей Гордеев
Директор ООО "НИЦ МВС"

Алексей Авдонов
Генеральный директор ООО "Интерправо Инвест"

Опубликовано в журнале "Системы безопасности" №5/2020

Темы:ВидеонаблюдениеМашинное зрениеЖурнал "Системы безопасности" №5/2020
Статьи по той же темеСтатьи по той же теме

Хотите участвовать?

Выберите вариант!

 

КАЛЕНДАРЬ МЕРОПРИЯТИЙ
ПОСЕТИТЬ МЕРОПРИЯТИЯ
ВЫСТУПИТЬ НА КОНФЕРЕНЦИЯХ
СТАТЬ РЕКЛАМОДАТЕЛЕМ
Комментарии

More...