май    2025

Пн	Вт	Ср	Чт	Пт	Сб	Вс
			1	2	3	4
5	6	7	8	9	10	11
12	13	14	15	16	17	18
19	20	21	22	23	24	25
26	27	28	29	30	31

показать все 

15.05.2025

РЖД снизили расходы на печать на 20% с помощью российской цифровой платформы Print-X

Читать далее 

14.05.2025

МТС Web Services проведет крупнейшую в стране ИТ-конференцию с участием российских и зарубежных экспертов

Читать далее 

24.04.2025

Может ли ИИ приготовить курицу под open sauce? Узнаем в новом выпуске «Инфобеза со вкусом»

Читать далее 

24.04.2025

DBI приглашает на вебинар по управлению МЧД в крупном корпоративном бизнесе

Читать далее 

11.04.2025

В России разработали первого ИИ-тестировщика

Читать далее 

показать все 

15.05.2025

Как DBI создал мобильное приложение для эффективных продаж производственно-торговой компании

Читать далее 

07.05.2025

Инвестиции в технологии – ключ к успеху: RANKS, проект IMPACT Capital, признан лучшей технологической компанией года

Читать далее 

06.05.2025

Светлана Иванова: «Техподдержка становится драйвером российских технологий в части СУБД»

Читать далее 

24.04.2025

Управление закупками и поставщиками через современные механизмы

Читать далее 

10.04.2025

Какой формат работы вы предпочитаете?

Читать далее 

12.12.2024

Что следует учитывать ИТ-директорам, прежде чем претендовать на должность генерального директора?

Читать далее 

13.06.2024

Взгляд в перспективу: что будет двигать отрасль информационной безопасности

Читать далее 

18.04.2024

5 способов повысить безопасность электронной подписи

Читать далее 

18.04.2024

Как искусственный интеллект изменит экономику

Читать далее 

18.04.2024

Неочевидный САПР: выход ПО за рамки конструкторской деятельности

Читать далее 

показать все 

Главная / Архив номеров / 2021 / Выпуск №09 (112) / Илья Душин: «Мы создали решение, с помощью которого можно быстро и точно ответить, сколько фактически перевезено пассажиров на конкретном автобусе в конкретный день»

Рубрика: Спецвыпуск «Премия IT Stars им. Георгия Генса-2021»

Илья Душин:
«Мы создали решение, с помощью которого можно быстро и точно ответить, сколько фактически перевезено пассажиров на конкретном автобусе в конкретный день»

О том, как удалось, используя видеоаналитику с применением нейронных сетей, наладить образцовый учет пассажиров и платы за проезд в общественном транспорте, рассказывает исполнительный директор ComBox Technology

– Компания «ComBox Technology» специализируется на разработке и внедрении нейронных сетей для детектирования и классификации объектов. Какие задачи вам надо было решить при создании счетчика пассажиров для транспортной отрасли?

– В сфере пассажирских перевозок существует потребность в контроле оплаты за проезд, особенно, когда платят наличными. Суммы собираемых средств не всегда соответствуют количеству перевезенных пассажиров. Поэтому базовой задачей стало увеличение сборов оплаты за проезд. Нам предстояло создать решение, с помощью которого можно быстро и точно ответить, сколько фактически перевезено пассажиров на конкретном автобусе в конкретный день.

Дополнительно решались и другие задачи: оптимизация маршрутов с учетом зональности; сбор статистической информации по пассажиропотокам в соответствии с ГОСТ Р 542723-2019. Возможность своевременного получения актуальной информации по перемещению пассажиров и текущей загрузке транспортных средств способствует как оперативной оптимизации, так и работе по долгосрочному планированию маршрутов.

– Что в итоге получилось? Как реализовано решение?

– Получилась система автоматического подсчета пассажиропотока с помощью видеоаналитики – счетчик на базе видеоаналитики.

Транспортные средства оборудуются видеокамерами, которые соответствуют требованиям транспортной безопасности, в зонах дверей и вычислительным устройством для обработки/передачи/хранения данных.

В течение полной смены, в моменты остановок ТС или когда открываются двери транспортного средства, ведется запись данных с видеокамер. В зависимости от типа устройств, запускается алгоритм подсчета людей «на краю» (внутри транспортного средства) или в Центре обработки данных (после передачи видео через 3G/LTE для дальнейшей обработки).

Детектирование и классификация людей происходит по головам в кадре с использованием предварительно обученной нейронной сети. Подсчет пассажиров выполняется с применением траекторного анализа.

Обмануть систему или утаить информацию невозможно, поскольку данные передаются в облачную платформу в режиме онлайн. Чтобы информация не терялась в случае пропадания канала связи, например, в зоне неуверенного покрытия мобильной сетью, предусмотрено сохранение видеоконтента на аппаратном комплексе, который устанавливается в машине.

– С какими проблемами вы столкнулись в ходе проекта? И как справились с ними? Что помогло?

– Был достаточно сложный процесс настройки зон входа/выхода и трекинга пассажиров, чтобы не допустить повторного подсчета людей, перемещающихся в зоне фокуса камеры, но не покидающих автобус.

Кроме того, надо было классифицировать различные посторонние объекты, например, рюкзаки, отблики света и прочее, чтобы избежать неверного подсчета. Интеграция с автоматикой автобусов, использование акселерометра с аппаратной частью транспортных средств (дверь, GPIO или акселерометр, в зависимости от исполнения устройства) дала возможность минимизировать ложные срабатывания входов/выходов пассажиров при движении машины, когда эти события по факту совершаться не могут.

– Как долго вы работали над этим проектом?

– Около шести месяцев мы занимались разработкой, потом еще около шести месяцев – пилотированием опытных образцов до промышленного внедрения готового комплекса видеоаналитики.

– Какие применяли технологии?

– В решении используются – нейронная сеть SSD Mobilenet v.2 для детектирования и классификации объектов, датасет COCO, дообученный на реальных данных с транспортных средств. А также фреймворк Tensorflow с дальнейшей оптимизацией и конвертацией полученной модели в Intel OpenVINO и серверы для инференса нейронных сетей различных топологий, включающие в себя восемь исполнительных устройств Intel NUC восьмого поколения.

– Чем счетчик на базе видеоаналитики отличается от других способов подсчета пассажиров? Каковы его возможности?

– Прежде всего точностью подсчета, которая составляет 99%! Альтернативно используются ручной способ подсчета (секретный/тайный пассажир) и системы подсчета пассажиров на основе датчиков, но их фактическая точность не позволяла достигнуть должного эффекта. Особенности этих технологий, их погрешности или человеческий фактор не дают возможности обеспечить корректный и систематичный контроль пассажиропотока.

Счетчик на базе видеоаналитики – это централизованная система подсчета с максимальной точностью и без вышеперечисленных недостатков.

– Может ли система применяться не только в общественном транспорте? Если да, то что необходимо для ее использования в других транспортных средствах?

– Может применяться на любых транспортных средствах, позволяющих корректно установить видеокамеры над зонами входа.

– Каков экономический эффект от внедрения проекта?

– Прямой экономический эффект выражен в увеличении выручки на 10%, что очень существенно для компаний, занимающихся пассажирскими перевозками. Дополнительно можно также сокращать эксплуатационные расходы за счет гибкой оптимизации маршрутов в зависимости от загрузки транспортных средств.

– В чем инновационность вашего проекта?

– Решаемая задача относится к классу компьютерного зрения и распознавания изображений. Реализована централизованная система автоматического подсчета пассажиров на базе видеоаналитики с применением нейронных сетей с высочайшей точностью.

– Собираетесь ли вы развивать этот проект и дальше?

– Проект будет масштабироваться в транспортной сфере, внедряться в других отраслях, таких как ритейл, банковский сектор – везде, где востребованы данные аналитики по подсчету посетителей.

Подпишитесь на журнал
Купите в Интернет-магазине

В начало⇑

Комментарии отсутствуют

Комментарии могут отставлять только зарегистрированные пользователи