Регистрация Войти
Вход на сайт

ТОП Новости
» » Камеры наблюдения, объединенные в самообучающуюся сеть, способны идентифицировать и отслеживать людей в любых условиях

Камеры наблюдения, объединенные в самообучающуюся сеть, способны идентифицировать и отслеживать людей в любых условиях

Кадры камер наблюдения

Группа инженеров-электронщиков и программистов из Вашингтонского университета(University of Washington)разработала линия алгоритмов, при помощи каких бездна камер наблюдения, сведенных в монолитную самообучающуюся сеть, становятся способны самостоятельно идентифицировать и отслеживать перемещения любого человека, влетевшего в поле зрения камер сети. Самообучение сети заключается в определении несходств изображений, получаемых от всякой раздельной камеры. Это, в свою очередность, позволяет сети освободиться от воздействия особенностей освещения в месте установки всякой камеры и адаптироваться к использованию камер неодинакового качества и с неодинаковой дозволяющей способностью.

"Технологии отслеживания людей в пространстве, охватываемом силом неодинаковых камер, доколе еще довольно новы" - повествует Дженк-Ненг Хуань(Jenq-Neng Hwang), профессор в области электротехники Вашингтонского университета, - "Ныне, когда мы дали камерам возможность водиться дружок с дружком, они стали в состоянии более динамично изучить особенности реального мира, какой они видят".

Исследовательская группа профессора Хуаня уже близ десяти лет вкалывает с неодинаковыми камерами наблюдения, начиная от недорогих базовых моделей и заканчивая высококачественными устройствами. Проблема идентификации и отслеживания перемещения людей, попадающих в непересекающиеся области, охватываемые неодинаковыми камерами, заключается в том, что внешний внешность одного и того же человека может претерпевать большие изменения от камеры к камере. Это происходит из-за неодинаковых углов зрения камер, из-за несходств в обстоятельствах освещения и из-за несходств в цветопередаче самих камер.

Кадры камер наблюдения #2

Компенсация этих несходств вероятна лишь всего при обществе всех камер в монолитную систему. Труд подобный системы век начинается с калибровочного этапа, в течение какого все камеры ладят записи видео, по каким специализированные алгоритмы и вычисляют все несходства в цветах, структуре кадров и углах зрения камер. И после непродолжительного стадия самокалибровки система самодействующи корректирует изображения со всех камер, подгоняя их к монолитному посредственному стандарту. А это, в свою очередность, позволяет системе аккуратно идентифицировать всякого человека, самосильно от того, в поле зрения какой из камер он влетел на этот один, и отслеживать его перемещения, даже не получая изображений рыла этого человека.

Исследователи проложили испытания разработанной ими системы при помощи статичных камер, разметанных по университетскому городку, и камер, введенных на автомобилях, на самодвижущемся роботе и на летающем беспилотнике. В этом случае система зарекомендовала себя важнейшим образом, а робот и беспилотник смогли вытекать за людом буквально по пятам даже в тех случаях, когда он был скрыт от взора их собственных камер.

Технологии, объединяющие камеры наблюдения в сеть, могут использоваться всюду где угодно, где вероятно их подключение к облачному сервису сквозь беспроводное или проводное соединение. Кроме очевидных зон применения подобный системы для выявления необычного поведения людей в ватаге или слежки за подозреваемыми, система может использоваться в массе иных зон, довольно дальних от настолько величаемых технологий "большого брата". К образцу, благодаря возможностям, предоставляемым интеллектуальной сетью камер наблюдения, владетели магазинов смогут получать статистическую информацию о перемещениях покупателей, об их предпочтениях и иную информацию, какую можно использовать в коммерческих интересах.

Рейтинг статьи:
  

Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь. Мы рекомендуем Вам зарегистрироваться либо зайти на сайт под своим именем.