РБК Pro —  
информационный сервис для предпринимателей и управленцев. Первый месяц — бесплатно

Стройка XXI века: нейронная сеть различает цвета и считает прогульщиков

Строительство Подрядные работы Цифровизация IT Статьи РБК
Виктор Субботин, генеральный директор компании «Бета», эксперт в разработке специализированного ПО и создании интеллектуальных систем на основе машинного обучения, видеоаналитики и IoT, рассказывает, как он обучал нейронную сеть помогать строителям
Фото:предоставлено пресс-службой
Фото: предоставлено пресс-службой

Сфера видеонаблюдения сегодня серьезно трансформируется и совершенствуется. Но пока в большинстве случаев не только обзор, но и анализ данных с камер, например на строительных площадках и других крупных объектах, отдается на откуп людям — операторам и супервайзерам.

Основная проблема такого подхода — в субъективной оценке, влиянии на нее человеческого фактора. Это может быть не только усталость, невнимательность, лень или болезнь, но и бытовая коррупция, договоренности «по дружбе».

Современные видеокамеры сами частично способны «заниматься» аналитикой с помощью встроенного софта. Производители и поставщики заявляют, что их камеры умеют считать посетителей, определять пол и возраст, распознавать госномера автомобилей, анализировать работу сотрудников. Во многом это действительно так. Например, транспортная сфера очень продвинутая в вопросах применения возможностей видеоаналитики, где распознавание государственных номеров — давно решенная задача, и об этом знает каждый автовладелец, который получал «письма счастья» от ГИБДД по поводу нарушений.

Идеальных решений нет

Мы много лет занимаемся созданием видеоаналитических систем: начиная от КСОБ (комплексных систем обеспечения безопасности) для города и заканчивая автоматизированными системами управления платными дорогами. Поэтому знаем, что аналитика, завязанная на видео (а значит, и решения на ее основе), очень зависит от физических условий: освещенности, погоды, удаленности от объектов наблюдения, расположения камер, угла обзора, дополнительного оборудования и т.д.

Мы не привязаны к конкретным вендорам, поэтому я могу говорить, что эти параметры влияют на эффективность оборудования всех производителей. Когда поставщики говорят, что камеры с встроенным аналитическим ПО умеют определять пол, возраст и считать людей, они немного лукавят. Если не брать в расчет дорожно-транспортную отрасль (где, кстати, все еще есть проблемы), эффективное применение «встроенной» видеоаналитики возможно только в идеальных или близких к ним условиях. Например, на складах и в помещениях с искусственным освещением.

Когда речь заходит о применении таких решений в других отраслях, например на протяженных строительных площадках и открытых объектах, идеального решения не может предложить никто. И этот технологический лаг способны преодолеть нейронные сети.

Головные боли строителей

Работу нейронной сети я хотел бы объяснить на примере строительной сферы, где видеонаблюдение и последующий его анализ могут помочь решить разнообразные проблемы. Что это могут быть за проблемы?