RSS
3 Июля 2018
В конце 2017 года Санкт-Петербургская компания “NN-Vision” разработала программное обеспечение по распознаванию некачественного изображения камер домофонов, основанное на технологии глубокого обучения нейросетей.
Как пояснил руководитель компании Родион Юрьев: “Существующие попытки решения этой проблемы сводятся к созданию дорогостоящих программ, разработанных специалистами по оптике и обработке изображений”. Компания «Цифрал», в обслуживании которой находится более 20 тысяч домофонных камер, первой внедрила решение “NN-Vision” в свою ежедневную практику, что позволило оператору перейти на полностью автоматизированных процесс сбора и анализа данных и достичь точности срабатывания системы до 95%.
Традиционно функцию проверки качества изображения камер выполняли операторы: ежедневно им приходилось просматривать до 2 тысяч камер. Автоматически система контроля сообщала только об отсутствии сигнала с камеры. А если камеру залепили жвачкой или залили краской? Или вышла из строя автоматика и на солнце изображение пересвечено или наоборот излишне затемнено? Также существует проблема запыления объективов, когда за 2-3 месяца изображение камеры существенно теряет четкость. В этих случаях камера подает неинформативный сигнал до тех пор, пока до нее не доходила очередь «ручной» проверки. Перед компанией встал выбор: или набирать на работу дополнительный персонал, или внедрять новые технологические решения. Выбор был очевиден. После постановки технического задания и разработки решения, компания “NN-Vision” включила в тракт проверки камер программное обеспечение, которое ежедневно проверяет все камеры без участия человека.
Александр Черкашин, тимлидер проекта компании «Цифрал сервис»: “Интеграция проекта проходила поэтапно: первичное внедрение и дообучение, которое продолжается до сих пор. На этапе внедрения был выбран «Полуавтоматический» режим работы, когда точность срабатывания программного обеспечения проверял оператор. Первые результаты показали 86% точность срабатывания автоматики. Зимой стала меняться продолжительность светового дня, изменилось изображение с камер и стало приходить больше ложных срабатываний. После двух месяцев «полуавтоматической» работы системы, новые накопленные данные были отправлены на дообучение нейросети, что повысило точность срабатывания до 95%. Мы готовимся отказаться от ручной обработки всех камер, но учитывая возможное влияние сезонности весна/лето мы продолжим сбор статистики ошибочных срабатываний».
Алексей Хатин, дата-сайнтист компании “NN-Vision”: “Датасет с разметкой для обучения нейросети был предоставлен компанией «Цифрал сервис» и представлял собой набор размеченных данных более 1 терабайта. API программного обеспечения построен на сервере Linux, который по запросу получает с каждой камеры по 5 кадров с промежутком в 3 секунды, после чего нейросеть их проверяет и если на 3 из 5 снимков есть признаки ухудшения изображения, то эта камера отправляется на ручную проверку оператору. Поскольку камеры широко расположены по территории России, то их пришлось разбить на группы по часовым поясам и запросы на проверку изображения отправлять только в светлое время суток. Обучение нейронной сети осуществлялось на платформе искусственного интеллекта NVIDIA, включающей мощные вычислительные ускорители и набор необходимых программных продуктов. Для внедрения решения «Цифралу» не пришлось приобретать новых вычислительных мощностей. Сервер, на котором работает программное обеспечение был подобран из имеющихся в наличии.”
Дарья Ястребова, менеджер мониторингового центра “Безопасный дом”: “Раньше мы проверяли по 2 тысячи камер в день, а теперь не более 400. Когда перейдем на полностью автоматический режим под подготовку заявки на ремонт будет попадать не более 60-120 камер в день. Теперь прирост по 200 видеорегистраторов в месяц нас совсем не пугает. Проверять их будет программное обеспечение, разработанное компанией “NN-Vision”
Смотреть продукцию NVIDIA на нашем сайте
Традиционно функцию проверки качества изображения камер выполняли операторы: ежедневно им приходилось просматривать до 2 тысяч камер. Автоматически система контроля сообщала только об отсутствии сигнала с камеры. А если камеру залепили жвачкой или залили краской? Или вышла из строя автоматика и на солнце изображение пересвечено или наоборот излишне затемнено? Также существует проблема запыления объективов, когда за 2-3 месяца изображение камеры существенно теряет четкость. В этих случаях камера подает неинформативный сигнал до тех пор, пока до нее не доходила очередь «ручной» проверки. Перед компанией встал выбор: или набирать на работу дополнительный персонал, или внедрять новые технологические решения. Выбор был очевиден. После постановки технического задания и разработки решения, компания “NN-Vision” включила в тракт проверки камер программное обеспечение, которое ежедневно проверяет все камеры без участия человека.
Александр Черкашин, тимлидер проекта компании «Цифрал сервис»: “Интеграция проекта проходила поэтапно: первичное внедрение и дообучение, которое продолжается до сих пор. На этапе внедрения был выбран «Полуавтоматический» режим работы, когда точность срабатывания программного обеспечения проверял оператор. Первые результаты показали 86% точность срабатывания автоматики. Зимой стала меняться продолжительность светового дня, изменилось изображение с камер и стало приходить больше ложных срабатываний. После двух месяцев «полуавтоматической» работы системы, новые накопленные данные были отправлены на дообучение нейросети, что повысило точность срабатывания до 95%. Мы готовимся отказаться от ручной обработки всех камер, но учитывая возможное влияние сезонности весна/лето мы продолжим сбор статистики ошибочных срабатываний».
Алексей Хатин, дата-сайнтист компании “NN-Vision”: “Датасет с разметкой для обучения нейросети был предоставлен компанией «Цифрал сервис» и представлял собой набор размеченных данных более 1 терабайта. API программного обеспечения построен на сервере Linux, который по запросу получает с каждой камеры по 5 кадров с промежутком в 3 секунды, после чего нейросеть их проверяет и если на 3 из 5 снимков есть признаки ухудшения изображения, то эта камера отправляется на ручную проверку оператору. Поскольку камеры широко расположены по территории России, то их пришлось разбить на группы по часовым поясам и запросы на проверку изображения отправлять только в светлое время суток. Обучение нейронной сети осуществлялось на платформе искусственного интеллекта NVIDIA, включающей мощные вычислительные ускорители и набор необходимых программных продуктов. Для внедрения решения «Цифралу» не пришлось приобретать новых вычислительных мощностей. Сервер, на котором работает программное обеспечение был подобран из имеющихся в наличии.”
Дарья Ястребова, менеджер мониторингового центра “Безопасный дом”: “Раньше мы проверяли по 2 тысячи камер в день, а теперь не более 400. Когда перейдем на полностью автоматический режим под подготовку заявки на ремонт будет попадать не более 60-120 камер в день. Теперь прирост по 200 видеорегистраторов в месяц нас совсем не пугает. Проверять их будет программное обеспечение, разработанное компанией “NN-Vision”
Смотреть продукцию NVIDIA на нашем сайте