"В отличие от базовых решений, ориентированных на относительно статичные сцены, новый инструмент адаптирован к высокоскоростным видео и показывает более стабильную работу на сложных фрагментах. Это делает систему полезной для прикладных задач видеонаблюдения, транспортной аналитики, промышленного мониторинга и исследовательских проектов", – цитирует ТАСС разработчика Дениса Савочку.
Проект создан с опорой на технологии компьютерного зрения, нейросетевых моделей и алгоритмов мультиобъектного трекинга. Он рассчитан на ситуации, где требуется устойчивая аналитика при высокой скорости движения объектов, нечеткости кадров и частичных перекрытиях изображения. По словам ассистента кафедры автоматизированных систем управления факультета автоматики и вычислительной техники Егора Антонянца, система обрабатывает видео в реальном времени и формирует траектории движения объектов с сохранением их идентификаторов между кадрами.
"Ключевой особенностью системы является способность работать в сценариях, где классические детекторы часто дают пропуски из-за размытия в движении. Мы дообучили модель на специализированных данных и дополнили ее модулем трекинга, чтобы компенсировать кратковременные потери детекций", – приводит его слова пресс-служба.
Технический конвейер включает несколько стадий: нейросеть определяет объекты на каждом кадре, трекер сопоставляет детекции между кадрами и поддерживает непрерывные траектории, а модуль визуализации показывает результат в удобном для анализа виде. Такой подход позволяет фиксировать не только факт обнаружения, но и динамику движения объектов во времени, отметили в вузе.
