В рамках системы видеоаналитики для транспорта Luna Cars российский разработчик технологий компьютерного зрения VisionLabs реализовал новые сценарии для получения более точных сведений о движении автомобилей по закрытым территориям. Среди них разделение потока автомобилей по полосам при съёмке с края проезжей части, определение езды задним ходом и движения по встречной полосе, когда машина ориентирована задом к камере. Об этом CNews сообщил представитель VisionLabs.

Luna Cars — система видеоаналитики для распознавания транспорта, разработанная VisionLabs. Она применяется для управления транспортными потоками и их анализа в различных сценариях. Одно из решений, реализованных на базе Luna Cars, — отслеживание перемещения автомобилей по закрытой территории. Для каждого автомобиля система определяет номер, тип, марку, модель, цвет, количество осей, а также номер прицепа, если он есть. Далее оценивается маршрут машины, время прохождения каждого участка пути, процедур оформления и общее время пребывания на территории.

Решение наиболее востребовано в промышленности и строительстве, где важно отслеживать перемещение грузовых автомобилей и спецтехники по территории, а также контролировать процессы погрузки и отгрузки материалов. Для повышения точности видеоаналитики в каждом из необходимых сценариев VisionLabs реализовала новые возможности детектирования на базе нейросетей.

Первое — разделение потока по полосам, даже если камера находится на краю проезжей части. Нейросеть определяет проекцию автомобиля на дорогу, что позволяет точно оценить местоположение автомобиля без дорогих аппаратных средств, таких как датчики в асфальте или лидары, — даже при частичном перекрытии обзора другими автомобилями. Ранее система определяла полосу движения автомобиля, только если камера располагалась по центру проезжей части, строго перед машиной, или на участке было установлено несколько камер.

Второе — определение движения автомобиля передним и задним ходом. Не зная ориентацию машины относительно направления движения, невозможно понять, она ехала передом или задним ходом. Новая нейросеть определяет ориентацию автомобиля к камере и классифицирует его положение по восьми типам, что позволяет гибко настраивать сценарии регистрации различных событий. Таким образом можно обнаружить выезд на встречную полосу или движение задним ходом — и автоматически регистрировать такие действия, если они запрещены.

Эта же нейросеть используется в сценариях для разделения потоков машин на встречные и попутные по одному фото, без трекинга конкретного автомобиля. Это экономит вычислительные ресурсы, а значит и стоимость владения системой, примерно в 20 раз: с трекингом необходимо оценивать 15–25 кадров в секунду, без — один кадр в секунду или меньше. Решение подходит для видеоаналитики на участках, где нет плотного трафика и машины едут не быстро, а также на участках со шлагбаумами и другими преграждающими устройствами.

«Транспортная видеоаналитика на стыке с промышленностью — перспективное направление, в котором мы давно работаем. Его нельзя назвать крупным в сравнении с традиционно лидирующими по спросу отраслями финансов и безопасного города, однако в нём сохраняется стабильный спрос. Заказчикам важно наращивать объём автоматизации процессов, снижая затраты на производство без потери качества, а в идеале — с повышением качества. Наши новые разработки в этой сфере как раз для этого: они позволяют автоматизировать больше этапов производства и точно распознавать происходящее в кадре при меньших затратах на оборудование», — сказал Дмитрий Марков, генеральный директор VisionLabs.

Короткая ссылка