CCTV Vigil Detection Suite

Реализованные нашей командой проекты по компьютерному зрению для безопасности, видеоаналитики и интеллектуальных игр.

Определение направления взгляда человека

Применение:
  • Контроль честности на экзаменах и собеседованиях
  • Контроль непристойного поведения (подглядывание)
  • Предотвращение утечки конфиденциальной информации
  • Выявление жульничества в казино

  • Учитывается как положение зрачка, так и поворот головы

  • Учитывается как положение зрачка, так и поворот головы

    Определение позиции на игровой доске

    Применение:
    • Автоматические системы фиксации хода игры на чемпионатах (шахматы, го, гомоку)
    • Создание игровых роботов

    • Распознанная игровая позиция

    • Распознанная игровая позиция

      Обнаружение вооруженных людей

      Определение факта появления человека с оружием по изображению с CCTV камеры, даже при низком качестве. Оружие при этом может быть почти не видно человеческому глазу. Важно добиться низкого числа ложных срабатываний при наличи у людей на изображении предметов, похожих на оружие, к примеру, трости.

      • Детекция даже при низком качестве изображения

      • Детекция даже при низком качестве изображения

      • Отсутствие ложного срабатывания

        Try it...

        Обнаружение факта возгорания и классификация пожара

        Определение возгорания происходит не только по присутствию на изображении огня или дыма, но и с учётом всей видимой окружающей обстановки, что резко снижает количество ложных срабатываний, не внося при этом задержки сигнала тревоги. Это важно, потому что даже не в индустриальных районах может быть много событий, не связанных с контролируемой опасностью. Дым из труб, смог, огонь зажигалки - такие явления могут быть проблемными для традиционных систем видеонаблюдения, но с ними успешно справляется созданная нами система.
        Применение:
        • Мониторинг возгораний на контролируемой территории
        • Дополнительный контроль существующих датчиков на складах

        • Отсутствие ложного срабатывания. Общедоступные нейросети определили бы факт пожара.

        • Отсутствие ложного срабатывания. Общедоступные нейросети определили бы факт пожара.

          Try it...

          Определение появления животных на контролируемой территории

          Проблема:
          Ни крупные CNN, ни YOLO-подобные решения, ни LLM по отдельности не могут гарантировать точного ответа про тип животного:
          • YOLO-подобные сети знают мало классов (видов объектов)
          • CNN даже самые мощные и точные очень чувствительны к позе животного и легко могут перепутать, например, кошку с собакой
          • Мультимодальные LLM часто не могут понять конкретный тип животного
          Применения:
          • Определение появления диких животных на территории жилых комплексов
          • Определение появления крупных животных на полях гольф-клуба

          • Общедоступные нейросети неверно определяют вид животного на этом изображении из-за частичной видимости и маленького размера. Наше решение корректно определило вид животного.

          • Общедоступные нейросети не находят объекта, либо неверно определяют животное из-за нетипичной позы. Наше решение корректно определило вид животного.

          • Из-за низкого качества изображения общедоступные нейросети находят только самый крупный объект: минивэн.

            Try it...