Обнаружен метод, который улучшает точность распознавания человеческих действий с помощью камер видеонаблюдения.

Статья опубликована в журнале «Вестник ПНИПУ. Электротехника, информационные технологии, системы управления». Исследование было проведено в рамках программы «Приоритет 2030».

Для распознавания действий с помощью видеокамер необходимо выделить человека как отдельный объект, определить информацию о его положении и последовательности движений. Эти данные должны храниться для дальнейшей обработки и решения задачи классификации. В этом процессе важную роль играют математические модели и методы их представления.

Модели, описывающие набор кадров, в которых каждое действие идентифицируется отдельно, имеют недостаток: на поле могут находиться другие люди и предметы, что приводит к некорректному анализу информации. Для решения этой проблемы чаще используется векторная модель, которая определяет движения с помощью последовательности координат ключевых точек в скелете человека. Для повышения точности ключевые точки группируются, что позволяет алгоритму находить и обрабатывать информацию о разных частях тела.

Для точного распознавания объекта в пространстве данные проходят процедуру нормализации, в ходе которой ключевые точки из пиксельных значений переводятся в реальные. Существующие методы не учитывают значительную вариативность поворотов и положения человека в пространстве. Одинаковые движения, выполненные с разным смещением относительно камеры, часто распознаются как разные. Это затрудняет работу системы, требует значительного увеличения объема памяти устройства и усложняет алгоритмы расчета, что не всегда осуществимо с точки зрения времени и финансовых затрат.

Исследователи Пермского Политеха нашли способ ускорить обработку видеоматериалов и повысить точность определения движений объектов. Они проанализировали существующие модели распознавания человеческих скелетов и используемые алгоритмы обработки. По результатам исследования они предложили внедрить в систему видеонаблюдения оригинальную модель и технологию нормализации видеоизображений.

«Мы разработали упрощенную модель, в которой отсутствует лишняя информация, такая как положение пальцев рук. Часто их местонахождение зашумлено, что также требует времени на обработку и усложняет процесс распознавания действий. Ключевыми точками в нашей модели стали глаза, плечи, бедра, локти, кисти, колени и ступни. Мы также предложили алгоритм преобразования информации о движении скелета человека, который распознает действия, сравнивая данные с разных камер или под различными углами», – рассказывает Александр Князев, аспирант кафедры «Информационные технологии и автоматизированные системы» ПНИПУ.

«Эксперименты показали, что наша модель и технология нормализации видеоизображений достигли точности распознавания в 95 процентов, в то время как использование первичных данных обеспечивало лишь 35 процентов точности», – комментирует Рустам Файзрахманов, заведующий кафедрой «Информационные технологии и автоматизированные системы» ПНИПУ, доктор экономических наук.

Внедрение разработки ученых Пермского Политеха повысит точность распознавания действий человека с камер видеонаблюдения, что будет полезно для мониторинга и обеспечения безопасности на производственных предприятиях, охраняемых территориях и в общественных местах. Несколько промышленных компаний уже проявили интерес к разрабатываемой технологии. Инициатива поддержана Фондом содействия инновациям – одобрен грант по программе Старт-1.