RDetector — онлайн-кондуктор, который не моргает

На одном из ресурсов с советами для бизнесменов предлагают следующее: чтобы владельцу автобусного парка было проще контролировать выручку с перевозок, необходимо проехать по маршруту в разные дни недели, в разное время суток и посчитать примерное количество пассажиров.

Как считаете, сколько раз надо проехать в автобусе по всем маршрутам, чтобы собрать хоть какую-то достоверную статистику?

Решить проблему можно различными способами. Например, нанять контролера, получив дополнительный расход, или установить турникет, который будет замедлять скорость посадки. Можно воспользоваться сомнительной системой подсчета с низкой точностью и длительным временем обработки информации, а потом вести споры со своими водителями.

А можно научить нейронную сеть точно выполнять нужную задачу и расслабиться. Так появилось высокоточное решение для сбора данных о потоке пассажиров в общественном транспорте. Оно работает на основе искусственного интеллекта и алгоритмов машинного зрения, которые разработали мы — команда Nord Clan.

Все перевозчики, с которыми мы сейчас работаем, искали решение определенной задачи: контролировать поток денег.

После того, как систему подсчета внедряли в автопарк, появлялись новые возможности:

• Оптимизировать расписание рейсов

Анализируя интенсивность потока пассажиров перевозчик смог эффективно управлять расписанием рейсов: добавлять дополнительный автобус или минимизировать количество транспорта в определенные часы.

• Контролировать оплату проезда

Получая данные о количестве входящих и выходящих пассажиров в онлайн режиме водитель или кондуктор могут отслеживать количество оплаченных билетов.

• Определять длительность поездки

Оснастив автобус GPS или Глонасс модулем, RDetector помогает определить, где сел определенный пассажир, где вышел и длительность его поездки.

Изначально мы начали разработку под определенный запрос: подсчет пассажиров в автобусе. Но в итоге продукт подойдет и для других видов транспорта: маршрутки, электрички, поезда, троллейбусы, трамваи, паромы, метро и т.д.

Помимо прочего RDetector может использоваться и «на земле» — в любых помещениях, где необходимо знать численность потока людей. Например, посетителей салона красоты, аптеки, продуктового магазина. Причем данные можно получать со всех торговых точек в единую систему.

1. В салоне транспорта над дверным проемом устанавливается камера.

2. Видеопоток передается в систему RDetector.
   

3. Специально обученная нейронная сеть выделяет людей, отслеживает направление их перемещения и выдает результаты подсчета.

В интерфейсе RDetector содержится статистика по каждому дню движения автобуса, а также информация о том, вышел он сегодня на рейс или нет.

В отдельном окне график показывает загруженность транспорта в течение дня: на временной шкале видны подробные данные по входящим и выходящим людям. Например, в списке можно найти интересующий отрезок времени и просмотреть видео, соответствующее событию подсчета.

Основной упор мы делаем на получении данных как можно быстрее. У всех наших клиентов был схожий запрос: к моменту сдачи водителем выручки за день владелец автопарка должен знать, сколько пассажиров было перевезено и, соответственно, сколько денег должен принести сотрудник.

Ускорить процесс обработки помогают датчики открытия/закрытия двери. С каждым закрытием двери формируется отдельный видео файл, который обрабатывается уже к следующей остановке. Также можно формировать кусочки видео автоматически при помощи настроек камеры.

RDetector можно настроить индивидуально. Например, если пассажиры входят только через одну дверь, а выходят через другую, или оплачивают проезд при входе или выходе из автобуса. Нейронная сеть посчитает только тех, кто нужен, и выдаст готовые данные.

Допустим владелец автопарка получает 6000 рублей с одного автобуса в день. По данным наших клиентов, водители могут умышленно или по невнимательности скрывать до 30% выручки. Получается, владелец автопарка недополучает 1800 рублей в день. Это уже 54 000 в месяц с одного автобуса. А если автобус не один, а 10? Уже набегает сумма в полмиллиона.

Мы постоянно обучаем алгоритм по подсчету пассажиров новыми данными и анализируем результаты.

На точность получаемых значений влияет не только «умение» распознавать, в какую сторону движется человек, но и многое другое. Так в начале разработки мы преодолели несколько трудностей:

• сумки, чемоданы, пакеты, забытые предметы. Конечно, объекты в автобусе могут быть не только с типом «человек». Так, в начале обучения нашего алгоритма, половая тряпка, которую кондуктор положил на пол, упорно выдавала себя за человека. Поэтому в алгоритм было заложено умение определять форму человека и действия, которые свойственны только ему.
• фары, фонари, вывески. Протестировав работу искусственного интеллекта на полном видео работы автобуса, мы заметили, что блики, которые появляются в темное время суток от проезжающих мимо машин или от огней ночного города, тоже иногда засчитываются за пассажира. Мы доработали алгоритм, чтобы он не реагировал на яркие плоские движущиеся фигуры.
• мантия-невидимка. Когда мы стали анализировать распознавание в темное время суток, было обнаружено, что пассажиры, которые одеты в черную или темную одежду, не были обнаружены. Это происходило из-за того, что вечером камеры меняют цветопередачу, делают ее черно-белой и контрастной. Мы научили наш алгоритм «видеть в темноте» и справляться с этой погрешностью.

Недавно мы обучили систему отличать детей среди других пассажиров. Теперь их количество не учитывается при подсчете данных.

• повышение точности распознавания для широких дверей автобуса, а именно когда одновременно выходит и заходит большой поток людей
  
• распознавание пассажиров в маршрутке. Здесь своя особенность, ведь кто хоть раз передвигался на маршрутке знает, что нельзя так просто взять и не пригнуть голову. А распознавание пассажиров в потоке сгорбленных спин — это уже другой уровень сложности.

Посчитать пассажиров транспорта можно разными способами, но наше преимущество в том, что мы калибруем точность распознавания для каждого заказчика и работаем над эффективностью алгоритма. После установки системы команда Nord Clan продолжает оказывать техническую поддержку.

Согласно статистике наших клиентов внедрение RDetector позволяет увеличить выручку до +30%. Причем для таких результатов достаточно установить обычный видеорегистратор и никакого дополнительного дорогостоящего оборудования.

#machinelearning #нейросеть