Исследователи Центра искусственного интеллекта МГУ, сотрудничая с командой Tevian, успешно разработали новую передовую методику идентификации личности по силуэту – DynaMix. В основе инновационного решения лежит уникальный подход к обучению нейросетей на основе разнообразных, разнородных данных. Это прорывное направление обещает большой потенциал для внедрения в системы безопасности, интеллектуальную видеоаналитику и коммерческий сектор.
Актуальность задач распознавания силуэтов
От решения задачи реидентификации, то есть способности отличать одного и того же человека на видеозаписях с разных камер, зависит эффективность «умных» городских структур, безопасность общественных пространств и оптимизация бизнес-процессов. Благодаря таким алгоритмам становится возможен поиск нужных людей на большом количестве камер видеонаблюдения, даже если лица остаются неразличимы. В практике коммерции автоматический анализ движения клиентов по магазину, построение тепловых карт, подсчет посещаемости помогают повышать сервис и рентабельность.
Современные системы видеонаблюдения часто фиксируют лишь силуэты, а не лица. Однако технологии распознавания силуэтов традиционно уступали по точности более «классическим» способам, поскольку данных для обучения таких систем намного меньше. Получить разметку, включающую изображения одного и того же человека с разных ракурсов и камер в разное время, чрезвычайно трудно, что сильно сдерживало развитие направления.
Прорывной подход: смесь данных в обучении нейросетей
Коллектив Центра ИИ МГУ с партнерами из Tevian реализовал качественно новый принцип – смешивание обучающих наборов разных типов для достижения максимальной точности алгоритмов. Суть подхода заключается в том, чтобы к сложным многокамерным изображениям людей добавлять во время обучения дополнительные, более простые изображения. Это позволяет обучаемым моделям луше различать индивидуальные особенности движений и внешности, несмотря на ограниченное количество уникальных многокамерных данных.
Руководитель направления распознавания силуэтов в компании Tevian Тимур Мамедов отмечает: «Введение стилистически разнообразных примеров к основной базе сложных многокамерных кадров раскрывает потенциал сетей. В результате качество задач реидентификации выросло вдвое – это действительно значительный шаг вперед. Мы уверены, что разработка DynaMix заложит фундамент для дальнейшего роста прикладных систем видеоаналитики, и даст толчок развитию сервисов безопасности, а также эффективному обслуживанию бизнеса».
Практические возможности для бизнеса и городской среды
Метод DynaMix открывает широкие горизонты для практического применения. Алгоритмы, основанные на этой инновации, могут использоваться для повышения уровня безопасности на транспортных объектах и в местах массового скопления людей, быстрых расследований в правоохранительных структурах, и даже при автоматизации контроля доступа. Современная розничная торговля также извлекает выгоду из новых возможностей анализа – теперь становятся еще доступнее инструменты для построения эффективных стратегий привлечения и обслуживания посетителей, анализа потока клиентов и увеличения продаж.
Особую перспективу новая технология приобретает в рамках развития концепции «умных городов». Постоянный мониторинг пространства без вмешательства в личную жизнь и без необходимости распознавать лицо повышает прозрачность и защищённость городской среды.
Вклад российских ученых: взгляд в будущее
Совместная работа Центра ИИ МГУ и Tevian под руководством талантливых исследователей, таких как Тимур Мамедов, не только продвигает отечественную науку, но и формирует новые стандарты в индустрии обработки видео. Уже сегодня результаты подходят для промышленного внедрения и способны повлиять на развитие интеллектуальных систем по всему миру.
Искусственный интеллект становится доступнее для разных сфер человеческой деятельности, а открытая технология DynaMix призвана сделать города и предприятия более безопасными и эффективными. Это яркий пример того, как отечественные разработки способны улучшать жизнь людей, повышая качество и уровень цифровых сервисов.
