ТЕХНОЛОГИЯ
Алгоритмы компьютерного зрения и машинного обучения
алгоритмы компьютерного зрения и машинного обучения
Мы используем собственные алгоритмы компьютерного зрения и машинного обучения, чтобы преобразовывать архивные видеозаписи или видео, поступающие в режиме реального времени, в количественные данные об объеме, направлении и поведении посетителей.
НАШИ УСЛУГИ
Анализ маршрутов посетителя, остановки, времени пребывания в залах и у определенных экспонатов, фотографирование – с помощью наших алгоритмов музеи получают объективные показатели по необходимым параметрам.
Как это работает ?
Этот процесс состоит из трех главных алгоритмов: отслеживание, повторная идентификация и классификация посетителей.
1
Отслеживание
Первый алгоритм, разрабатываемый сейчас нашими программистами, считывает потоковую передачу видеозаписи от разных камер слежения, и он распознаёт человеческие фигуры, отслеживает их движение по залу и сохраняет фотографии посетителей. В результате, от каждой камеры приходит массив данных.
2
Повторная идентификация
Второй алгоритм называется «повторная идентификация» и базируется оно на методах глубинного обучения. На этом этапе второй наш ключевой алгоритм сравнивает фотографии и соотносит вместе изображения одного и того же посетителя, таким образом мы получаем его маршрут по всему музею.
3
Классификация посетителей
Третий алгоритм классифицирует посетителей по полу и возрасту.
ТРУДНОСТИ "ТРЕКИНГА"
Как непрерывно определять «трекинг» одного и того же посетителя, когда он переходит из зала в зал, то есть в поле зрения другой камеры?

Мы пользуемся алгоритмом, основанном на свёрточной нейронной сети (англ. convolutional neural network, CNN), нацеленной на эффективное распознавание изображений.

При входе и выходе из зала, алгоритм выделяет каждого посетителя и делает его снимки. Эти снимки сверяются и получается картинка, как посетитель двигался из зала в зал.
Свёрточная нейронная сеть
(англ. convolutional neural network, CNN)