Журнал "Системы Безопасности" № 5‘2020

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" К числу основных проблем относятся следую- щие: 1. Идентификация лица, управляющего автомо- билем, осуществляется по государственному регистрационному знаку (ГРЗ), что приводит к спорам и судебным разбирательствам при урегулировании убытков. 2. В условиях контроля скорости автоматиче- скими комплексами на первый план выходят плохо распознаваемые использование мобиль- ного телефона и непристегнутый ремень без- опасности. 3. Решение задач мобильными и стационарны- ми комплексами с ограниченными вычисли- тельными ресурсами требует разработки специ- альных алгоритмов. Компьютерное зрение приходит на помощь Для решения этих вопросов может быть успеш- но внедрена новая технология детектирования лиц и их идентификации, которая основывается на методах компьютерного зрения и машинного обучения. Методология распознавания силуэтов и пове- денческих особенностей человека использует способ обнаружения его на изображениях без предопределенной модели. Человеческая активность связана с выполнением периодиче- ских движений и даже в состоянии покоя спон- танных движений, отличающих его от фона. Исходное изображение разбивается на множе- ство непересекающихся областей, и выделяется область, занимаемая человеческой фигурой. В каждом элементе анализируются движения, после нормализации формируется вектор, опи- сывающий движение в данный момент време- ни. Для обнаружения движения используют изменчивость оптического потока, числа пиксе- лов и локальных перепадов яркости. Инновационные возможности Новизна предлагаемой методики состоит в ее адаптации для обнаружения силуэта и пове- дения человека, выработке ограничений по набору, направленности, размерам и парамет- рам, характерным для элементарных движе- ний рук за рулем, при использовании мобиль- ного телефона, распознавания человека в автомобиле, наличия и положения ремня без- опасности. Инновационность этого подхода состоит в: l согласовании вышеперечисленных техноло- гий, определении параметров алгоритмов, удовлетворяющих требованиям глубины обработки (количества слоев нейросети) и ограничениям на вычислительные ресурсы; l оптимизации алгоритмов путем включения в нейронную сеть дополнительных фильтров (искусственных нейронов), активизирующих- ся при предъявлении лица человека опреде- ленного пола, возраста, расовой принадлеж- ности; l полном использовании с точки зрения юри- дической значимости результата идентифика- ции (ГРЗ несет основную юридическую нагрузку, а лицо – вспомогательную, позво- ляющую 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 транспорт- ном средстве (номерной знак, положение в кадре, положение ГРЗ и ТС на дороге) и информацию о человеке (идентификацион- ные данные, положение тела и физическое состояние). Это дает возможность привязать человека в кадре к ТС, основываясь на траекто- рии движения в кадре. На основе данных "ТС – водитель" и баз данных о ТС и лицах, допущенных к управлению, выявляются право- нарушения, связанные с опасным или неправо- мерным управлением ТС. Результаты определения ТС являются основным элементом для автоматической фиксации с точки зрения законодательства, а результат идентификации водителя при текущем состоя- нии нормативной базы служит вспомогатель- ным элементом, который не влечет прямых нормативных санкций, но повышает достовер- ность материалов жалоб и страхования. Развитие систем фотовидеофик- сации выявило проблемы, свя- занные с особенностями норма- тивной базы (передоверие управ- ления автомобилем, особенности страхования и документооборота при рассмотрении жалоб и выне- сении постановлений), что вызы- вает 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 ближайше- го вектора признаков (дескриптора) из дескрипторов поисковой базы. Особенностью алгоритма является использо- вание для обучения датасета изображений лиц, нарабатываемого при подготовке и про- ведении Олимпиады-2014 в Сочи с использо- ванием АПК "Маска". Для различных задач возможна настройка на разные значения параметров FAR, учитывающих ошибки перво- го рода (неверное обнаружение в поисковой базе) и FRR – ошибки второго рода (лицо про- пущено в поисковой базе). FRR минимизи- руют, а минимизация FAR не существенна (лучше определить лицо, отсутствующее в поисковой базе, но не пропустить лицо, в ней имеющееся). При определении парамет- ров FAR и FRR в совокупности со значениями параметров учитывается качество шаблона в поисковой базе. Степень влияния его каче- ства настраивается под конкретный пост конт- роля, а исследование практики применения ПО позволяет адаптировать алгоритмы расче- та метрики для оценки схожести. 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 дата- сета, анализ FAR и FRR для оптимизации графи- ка ROC взаимной зависимости FAR и FRR. Высочайшая производительность для специализированных задач Таким образом, преимущество описанной тех- нологии заключается в использовании метода распознавания лиц, ориентированного на соз- дание специализированного датасета для обучения алгоритмов и выработку рекоменда- ций 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 специали- зированных системах безопасности. n октябрь – ноябрь 2020 www.secuteck.ru В И Д Е О Н А Б Л Ю Д Е Н И Е И В И Д Е О А Н А Л И Т И К А 106 СПЕЦПРОЕКТ КАМЕРЫ МАШИННОГО ЗРЕНИЯ Ваше мнение и вопросы по статье направляйте на ss @groteck.ru Новые технологии для автоматической фиксации нарушений правил дорожного движения 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