Распознавание

Классическая задача в компьютерном зрении, обработке изображений и машинном зрении это определение содержат ли видеоданные некоторый характерный объект, особенность или активность. Эта задача может быть достоверно и легко решена человеком, но до сих пор не решена удовлетворительно в компьютерном зрении в общем случае: случайные объекты в случайных ситуациях.

 

Существующие методы решения этой задачи эффективны только для отдельных объектов, таких как простые геометрические объекты (например, многогранники), человеческие лица, печатные или рукописные символы, автомобили и только в определенных условиях, обычно это определенное освещение, фон и положение объекта относительно камеры.

 

УРСА™

Группа компаний «Традиция» представляет вашему вниманию систему технического зрения – УРСА™.

УРСА™ — это проект по созданию универсальной распознающей системы анализа видеоизображений. Изначально в систему заложена возможность самообучения и классификации среды и объектов, что позволяет пользователям оперативно и достоверно получать информацию о распознавании объектов различной физической природы из формируемой единой базы данных в требуемом формате.

 

В настоящее время в большинстве практически применяемых систем распознавания объектов используется стратегия нисходящего поиска (стратегия «сверху-вниз»). Этот тип стратегии неплохо зарекомендовала себя за последнее десятилетие, но подход, основанный исключительно на поиске«сверху-вниз» имеет высокую вычислительную сложность, и поэтому, несмотря на быстро растущий ежегодный прирост производительности вычислительной техники, данное обстоятельство делает такие системы непригодными для использования при решении задач распознавания в реальном времени для широкого круга потребителей, не имеющих доступа к супермощным вычислительным средам.

 

Наше решение основывается на создании довольно универсальных систем распознавания, базирующихся на суперпозиции (комбинации) различных методов распознавания, как восходящего, так и нисходящего поиска с использованием адаптивного семантического классификатора управляющего конвейерами методов и их иерархиями.

 

Успешно реализован т.н. транспортный модуль системы УРСА™ — система распознавания номерных знаков транспортных средств, которая обладает следующими возможностями:

  • распознавание всех используемых типов госномеров России, стран СНГ и Балтии;
  • измерение скорости транспортных средств; оценка габаритов ТС по категориям: мотоциклы, легковые автомобили, микроавтобусы/газели и грузовики/автобусы;
  • распознавание марки и цвета ТС; регистрация нарушений ПДД, в том числе: проезд на красный, превышение скорости, пересечение сплошной линии.

 

Трехмерное зрение

Компания также разработала уникальный вещательный стереоскопический комплекс, на базе стереопары, реализующий решение по передаче, хранению и обработке данных трехмерной (стереоскопической) визуализации наблюдаемой сцены в видеоформате высокого разрешения (1080p). Данный комплекс полностью интегрируется в систему технического зрения УРСА™ в качестве устройства видеорегистрации, обеспечивая высокую степень достоверности распознаваемых образов, с возможностью определения расстояния до объекта, соотношения размеров предметов и информации о положении и типе источников света. С помощью нескольких стереопар возможно построение трехмерных объектов и реконструкция трехмерных сцен.

 

Испытания

Система прошла сравнительное тестирование, в котором принимали участие системы распознавания DSSL, ISS, Integra, Megapixel, Uragan, VIT и несколько других фирм. Система обладает низкой вероятностью пропуска ТС, ложного распознавания, ошибки, при этом обладает достаточно высокой вероятностью безусловного и условного распознавания – по всем показателям система получила оценки, значительно выше средних.

 

Система распознавания используется в дорожно-патрульной службе ГИБДД г.Москвы в целях распознавания государственных регистрационных знаков, а так же регистрации нарушений ПДД. Точность распознавания достигает 95-97%.

 

На сегодняшний день, группа компаний «Традиция» работает над поведенческо-ситуационным модулем, дорабатывая систему до уровня распознавания тревожных ситуаций применительно к классам объектов и правонарушений.

 

В частности поставлены задачи дифференцирования и прогнозирования агрессивного и дружественного поведения, определения «свой-чужой» на основе анализа и накопления моделей поведения, антропометрических данных и классификации описанных сценариев (по данным правоохранительных структур), а так же для определения «забытых» или «оставленных» предметов, несанкционированного проникновения и любых других атипичных ситуаций, ведущих к правонарушениям.

 

По мере разработки отдельных сценариев нештатного поведения, планируется тестирование и интеграция дополнительных функций распознавания отдельных сценариев в типовую систему распознавания для расширения ее функционала.

 

Параллельно ведутся работы по разработке диагностического модуля распознавания изображений УЗ-исследований для выявления диагностических признаков вероятных заболеваний или медицинских отклонений на основе медицинских баз данных. Данный проект ведется в рамках государственного контракта на НИОКР в целях разработки аппаратно-программного комплекса, призванного полуавтоматизировать работу медицинского персонала.