Современные технологии видеонаблюдения достигли нового уровня благодаря инновационному подходу российских исследователей. Разработка позволяет существенно повысить эффективность идентификации человеческих действий с помощью камер наблюдения.
Процесс распознавания действий через системы видеонаблюдения включает несколько ключевых этапов: выделение человека как отдельного объекта, анализ положения тела и последовательности движений. Успешная обработка и классификация этих данных напрямую зависит от качества математической модели и способа её реализации.
Традиционные методы покадрового анализа сталкиваются с серьёзными ограничениями — присутствие других людей и объектов в кадре часто приводит к неточностям в распознавании. Именно поэтому специалисты всё чаще обращаются к векторному моделированию, которое основывается на отслеживании координат ключевых точек человеческого скелета. Группировка этих точек значительно улучшает способность алгоритма анализировать движения различных частей тела.
Для обеспечения точного пространственного распознавания производится нормализация данных, превращающая пиксельные координаты в реальные значения. Однако существующие методы имеют существенный недостаток — они не учитывают многообразие возможных положений и поворотов человеческого тела. Идентичные движения, выполненные при различном расположении относительно камеры, могут быть интерпретированы системой как разные действия. Это создаёт дополнительную нагрузку на память устройства и усложняет алгоритмы расчёта, что часто оказывается непрактичным с точки зрения временных и материальных затрат.
Пермские учёные разработали инновационный метод, позволяющий значительно ускорить обработку видеоматериала и повысить точность определения движений. После тщательного анализа существующих моделей распознавания скелетов и алгоритмов обработки, они предложили революционную модель и технологию нормализации видеоизображений.
Новая разработка отличается элегантной простотой — из модели исключена избыточная информация, например, данные о положении пальцев рук, которые часто создают помехи и замедляют процесс распознавания. Основными опорными точками стали глаза, плечи, бедра, локти, кисти, колени и ступни. Инновационный алгоритм преобразования информации о движении скелета человека повышает точность путём сравнения данных с нескольких камер или разных ракурсов.
Практические испытания продемонстрировали впечатляющие результаты — точность распознавания достигла 95%, что почти втрое превышает показатели традиционных методов (35%). Это настоящий прорыв в области видеоаналитики.
Перспективы применения новой технологии чрезвычайно широки — от обеспечения безопасности на производственных объектах до мониторинга общественных пространств. Разработка уже привлекла внимание нескольких промышленных компаний и получила поддержку Фонда содействия инноваций в виде гранта по программе Старт-1.
Источник: naked-science.ru
