Контакты
Подписка
МЕНЮ
Контакты
Подписка

Век эмоджи, или Как используется машинное зрение на традиционных и новых рынках

В рубрику "Видеонаблюдение (CCTV)" | К списку рубрик  |  К списку авторов  |  К списку публикаций

Век эмоджи,или Как используется машинное зрение на традиционных и новых рынках

Сегодня машинное зрение серьезно влияет как на традиционные системы безопасности (СКУД, видеоаналитика и др.), так и на многие другие области, облегчая решение задач для пользователей, но в то же время и вторгается в нашу жизнь, когда мы этого не просим…
Андрей Жуков
Руководитель направления разработки продуктов
на базе машинного обучения центра компетенций
больших данных компании "Техносерв"

Внедрение систем машинного зрения наблюдается уже в самых различных сферах, начиная с применения на Земле и заканчивая космосом. Рассмотрим, какие функции оно может выполнять и к каким результатам это приводит.

Видеонаблюдение

В области видеонаблюдения базовые задачи, решаемые с помощью машинного зрения, – это распознавание лиц и отслеживание людей. Причем с распознаванием лиц большинство алгоритмов и систем справляются достаточно успешно, в то время как отслеживание людей (кто куда пошел, зачем и почему) проходит немного сложнее: происходит сегментация людей, попытка выделить каждую персону и то, как она двигается внутри кадра в видеопотоке. Для этого требуется выделить характерные части человека (например, одежда), автоматически их определить и отследить, чтобы затем наблюдать за движением в кадре.

Спомощью машинного зрения Greenpeace следит за незаконными вырубками, ведется наблюдение за возникновением лесных пожаров. Сегментировать зелень и замерить изменения площади на спутниковом снимке несложно – подобные решения находятся уже в зрелой стадии

От ритейла все чаще приходят запросы по выделению горячих зон, когда по видеопотоку можно обозначить наиболее посещаемые места в магазине. Кроме того, в ритейле пытаются по многим параметрам (как по видеоаналитике, так и частично по съемке со спутников и малой летательной техники – коптеров) определить, что происходит внутри магазинов и снаружи больших моллов (выделение посетителей на парковках, поток людей), понять по количеству машин проходимость и доходность торгового центра и т.д.

Более сложные задачи – анализ дорожной обстановки с точки зрения как видеонаблюдения, так и с беспилотной техники (создается много летающих и ездящих дронов, которые должны сами ориентироваться в пространстве).

Медицина

Машины в медицине могут выполнять аналитику фотографий и не только, так как видят во многих спектрах (как видимом, так и в инфракрасном и радио) с возможностью определения визуальных характеристик. Наиболее перспективные задачи в данной области:

  • получение данных по кровотоку и блуждающим опухолевым клеткам (по изображению и по видео);
  • сегментация МРТ (анализ тканей внутри органа для определения размерности каких-либо частей, выявления аномалий и др.);
  • определение текстур (текстуры раковых клеток специалист определяет лучше, чем машина, но с поддержкой машины количество ошибок снижается на 10%);
  • определение возраста костных тканей по рентгеновским снимкам (установление возраста пациента по сегментированию и размеру кости).

Развлекательные сайты

На некоторых видеосайтах при постановке на паузу можно просмотреть не только стандартную информацию о фильмах, но и даже разметку киноактеров – кто находится в кадре.

Многие сайты с потоковыми сервисами пробуют определить, какие стили картин интересны зрителям с точки зрения как характерных актеров и лиц, так и картинки (цветность и др.), сделать сегментацию и автоматическое определение жанра.

Спутниковые снимки

В последнее время появилось огромное количество конкурсов, посвященных сегментации определенных объектов на снимках, определению адресов, где они находятся. Например, министерство обороны Великобритании провело конкурс по поиску на снимках автомобилей, дорог и домов.

Интересные проекты на базе машинного зрения реализует Massachusetts Institute of Technology (MIT), когда на панорамах Google выделяются наиболее безопасные участки в городах США. Другой их проект – определение площади зелени на панораме и конкретном участке (индекс зелени).

Археология

В археологических сообществах горят идеей определять возраст того или иного объекта по изображению и характерным признакам, а по текстуре – к какому периоду относится вещь или окаменелость.

Сельское хозяйство

Хотя многим сельскохозяйственным предприятиям машинное зрение экономически невыгодно, но технологии и разработки есть, например для определения степени зрелости пшеницы.

Лесное хозяйство

По спутниковым снимкам и автоматической идентификации изображения можно получить информацию об изменении лесного покрова. С помощью машинного зрения Greenpeace следит за незаконными вырубками, ведется наблюдение за возникновением лесных пожаров. Сегментировать зелень и замерить изменения площади на спутниковом снимке несложно – подобные решения находятся уже в зрелой стадии.

Что теперь?

Хотя сегодня очень многие проекты находятся еще на зачаточной стадии, но уже настает век анимированных разговаривающих эмоджи.

Технологии съемки с высоким разрешением и в широком видимом диапазоне становятся все доступнее. Возрастающие вычислительные мощности позволяют все эффективнее обрабатывать эти данные.

Машины помогают нам видеть. Помогают нам узнать больше об окружающем мире. Спутниковая съемка, съемки с беспилотников, панорамы с наземной техники – весь этот бесконечный массив информации мы уже готовы обработать и проанализировать.

Машины помогают нам узнать больше о себе. Искусственный интеллект становится надежным помощником врачей, подмечая мелочи на рентгеновских снимках, МРТ.

В то же время машины дают нам роскошь "не смотреть" – беспилотные автомобили все увидят сами, а интеллектуальные видеосистемы найдут злоумышленника. Машины следят за нами. И об этом тоже надо помнить.

Опубликовано: Журнал "Системы безопасности" #1, 2018
Посещений: 3506

  Автор

Андрей Жуков

Андрей Жуков

Руководитель направления разработки продуктов на базе машинного обучения центра компетенций больших данных компании "Техносерв"

Всего статей:  1

В рубрику "Видеонаблюдение (CCTV)" | К списку рубрик  |  К списку авторов  |  К списку публикаций