Опоздания автобусов, сбои в расписании и отсутствие точной информации о маршрутах — привычная часть жизни крупных городов и небольших населенных пунктов. По данным Минтранса России, за прошлый год общественным транспортом воспользовались более 14,3 млрд человек. Но даже при оснащении маршрутов GPS-трекерами система нередко дает сбои — сигнал теряется, питание прерывается, и пассажиры остаются без актуальных данных о движении транспорта.
В Пермском Политехе разработали систему, которая распознает автобусы по изображениям с дорожных камер с точностью до 82%. Она не зависит от GPS и продолжает работать даже при нестабильной связи.
В основе технологии — алгоритм на базе нейросетевой модели YOLO, способной определять мелкие детали, включая номера маршрутов, даже при плохом освещении или в сложных погодных условиях. Система анализирует потоковое видео, находит участок с номером рейса и распознает символы, сверяя результаты по нескольким кадрам, чтобы снизить вероятность ошибок.
Чтобы программа могла работать в любых условиях — при дожде, снегопаде, бликах или ночной съемке, — разработчики расширили набор данных. Они добавили тысячи изображений с разной яркостью, контрастом и погодными эффектами, обучая нейросеть различать автобусы в реальных ситуациях.
Во время тестов система показала стабильную работу — она анализирует видео со скоростью до 30 кадров в секунду, обрабатывает каждый пятый кадр и сохраняет точность распознавания. При этом нагрузка на обычный офисный компьютер не превышает 10%, поэтому установка не требует дорогостоящего оборудования.
Технологию можно подключить к существующим городским, дорожным или частным камерам при наличии разрешений. Это делает систему гибкой и недорогой. Пассажиры и диспетчеры могут получать актуальные сведения о движении транспорта через чат-бот, который обновляет данные в режиме реального времени.
Ранее Наука Mail рассказывала о том, каким машинам больше всего угрожает птичий помет.
