Использование нейронных сетей в видеонаблюдении

Сверточные нейронные сети - инновация в области компьютерного зрения, которая имеет огромное значение для систем безопасности. В 2012 году нейронные сети серьезно заявили о себе. С тех пор появилось множество компаний, которые уже воспользовались этой технологией.


Нейронные сети используют Facebook, Google, Amazon, Instagram.  Компания Yandex распознает автомобили на фотографиях в приложении Авто.ru; CaptionBot от Microsoft - автоматически придумывает подпись к изображениям; WhatDog распознает породы собак.

 

Нейронные сети могут решать разнообразные  задачи

Нейронные сети используются для прогнозирования, распознавания образов, для адаптивного управления системами в робототехники. Вы могли видеть робота, который обучается на основе заложенной нейронной сети. Нейронные сети оказались очень полезными при решении задач определения типов подводных объектов по сигналам гидролокатора и при выявлении фальшивых кредитных карт. Классический и самый популярный вариант использования нейронных сетей — распознавание образов на  изображениях.

Использование нейронных сетей в видеонаблюдении открывает для отрасли огромные перспективы и область применения этой технологии: от розничной торговли до решений «Безопасный город».  Для сферы систем безопасности — это серьезный скачок в развитии ситуационной аналитики —   переход от предположений, основанных на математическом анализе геометрии и цветовых характеристик набора пикселов, к распознаванию образов. Шаг к конкретике и однозначный ответ — это именно скопление людей, или именно человек на рельсах, или именно грузовик подъехал к воротам.  Использование технологии нейронных сетей полезно при решении задачи поиска и анализа информации при разборе инцидентов. Возможность сортировки по классам объектов сократит время и позволит получить более точный результат.

 

Что же такое нейронные сети и как они работают

Идея нейронной сети зародилась в рамках теории искусственного интеллекта. Ученые задумались над тем, как просто человек может узнать знакомого, если он, например,  сбрил бороду, надел очки и похудел. Родилась идея - создать компьютер, который может распознавать объекты по внешнему виду или по другим признакам. Нейронные сети применяются при решении когнитивных задач, например, понимание обычного разговорного языка. Наверно самое большое преимущество нейронной сети  — возможность обучаться и исправлять ошибки.

 

 

Нейронная сеть – состоит из множества взаимодействующих простых процессов или функций – нейронов и связей между ними. Нейроны образуют слои. В слоях нейроны не связаны между собой, но они связаны с нейронами предыдущего и следующего слоя. Точность и достоверность результата зависит от количества слоев и нейронов в сети. Выбор архитектуры нейронной сети зависит от типа решаемой задачи. Чем больше слоев и нейронов – тем точнее будет результат, ниже вероятность ошибок и выше надежность. Но если построить сеть с очень большим количеством слоев и нейронов – это серьезно скажется на производительности.

Классический пример работы с изображениями

Классификация изображений – решение, когда  на основе входного изображения получается на выходе его классификация (например, это кошка, это собака, это человек и т. д.) или вероятность принадлежности объекта к какому-то классу. Для людей это простая задача. Один из навыков который мы получаем с рождения. Не задумываясь, мы можем быстро и легко идентифицировать окружающую среду, в которой мы находимся, и объекты, которые нас окружают. Когда мы видим изображение, или когда мы смотрим на окружающий нас мир, мы можем сразу охарактеризовать сцену и классифицировать объекты.  Компьютеры лишены этих навыков.

Когда компьютер видит изображение, он видит массив значений пикселей. Цифры – единственные входные  данные доступные для компьютера. В зависимости от разрешения и размера изображения это  будет  массив чисел. Вы даете компьютеру массив чисел, и он будет выводить числа, которые описывают вероятность того, что изображение будет относиться к определенному классу.

Задача  -  научить компьютер различать изображения и  выяснять уникальные функции, которые делают собаку собакой или кошку кошкой. То есть компьютер должен уметь  выполнять процесс, который происходит  в нашем сознании подсознательно. Использование технологии нейронных сетей делает все это возможным.

 




Последние комментарии