Авторы: Владимир Балановский, Сергей Гордеев, Алексей Авдонов
Ссылка:
Автоматическая фиксация нарушений правил дорожного движения (ПДД) применяется достаточно широко, но выявляются проблемы, влияющие на качество доказательной базы, ограниченной обоснованностью доказательства правонарушения фиксируемыми материалами.
К числу проблем относятся:
- идентификация лица, управляющего автомобилем, осуществляется по государственному регистрационному знаку (ГРЗ), что приводит к спорам и судебным разбирательствам при урегулировании убытков;
- в условиях контроля скорости автоматическими комплексами на первый план выходят плохо распознаваемые использование мобильного телефона и непристегнутый ремень безопасности;
- решение задач мобильными и стационарными комплексами с ограниченными вычислительными ресурсами требует разработки специальных алгоритмов.
Технология детектирования лиц и их идентификации основывается на следящих методах компьютерного зрения и машинного обучения:
Методология распознавания силуэтов и поведенческих особенностей человека использует способ обнаружения его на изображениях без использования предопределенной модели, анализа элементарных движений для выделения из фона. 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. Новизна предлагаемой методики состоит в ее адаптации на частные случаи 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.
Новизна технологии состоит в:
- оптимизации согласования всех вышеперечисленных технологий, определения 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;
- различном использовании с точки зрения юридической значимости результата: идентификация ГРЗ несет основную юридическую нагрузку, а лиц– вспомогательную, позволяющую сократить затраты на юридические процедуры; при разборе жалоб и спорных ситуаций ГИБДД, страховые компании и суды могут использовать дополнительные материалы для повышения качества решений, сокращения сроков рассмотрения.
Технологии ассоциирования ГРЗ автомобиля и изображения водителя с соответствующими физическими и биометрические параметрами позволяют из видеоряда извлечь информацию о транспортном средстве (ТС) (номерной знак, положение в кадре, положение ГРЗ и всего ТС на дороге) и информацию о человеке (идентификационные данные, положение тела и физическое состояние). Технология позволяет привязать человека в кадре к ТС, основываясь на траектории движения в кадре и предсказании их размеров. На основе данных «ТС-водитель» и баз данных о ТС и лицах, допущенных к управлению, выявляются правонарушения, связанные с небезопасным или неправомерным управлением ТС. Результаты определения ТС являются основным элементом для автоматической фиксации с точки зрения законодательства, а результат идентификации лица при текущем состоянии нормативной базы служит вспомогательным элементом, который не влечет прямых нормативных санкций, но повышает достоверность материалов жалоб, 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 высокую трудоемкость рассмотрения и возможность ухода от ответственности.
В проекте решаются задачи детектирования лица в видеопотоке, поиска человека среди множества изображений (задача идентификации лица). Для этого из изображений извлекаются векторы признаков, идентификация сводится к поиску ближайшего вектора признаков (дескриптора) из множества дескрипторов поисковой базы. Особенностью алгоритма является использование для обучения датасета из более 20 тысяч изображений лиц, нарабатываемого с 2013 года при подготовке и проведении Олимпиады-2014 в г. Сочи с использованием АПК «Маска». Для различных задач возможна настройка на различные значения параметровFAR, учитывающего ошибки первого рода (неверное обнаружение в поисковой базе) и FRR - ошибки второго рода (неверно пропущено лицо из поисковой базы). 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. Например, на контрольном посту Крымского моста с проездом 15 000 машин за сутки в одну сторону решение о проверке принимается «на глазок». В таких условиях можно согласиться с высоким FAR, снизив FRR, расширив для обучения датасет, анализируя поведение параметров FAR и FRR для оптимизации графика ROC взаимной зависимости FAR и FRR.
Новизна проекта состоит:
- в разработке технологии распознавания лиц, ориентированной на создание специализированного датасета для обучения алгоритмов, выработку рекомендаций по их применению на основе зависимостей ROC;
- в решении задачи удовлетворения противоположных требований по ограничению размера оборудования и его энергопотребления при одновременном обеспечении максимальной производительности алгоритмов распознавания.
Реализуемые технологии могут быть также использованы для контроля передвижения населения при карантинных ограничениях.