Снижение аварийности на транспорте с помощью компьютерного зрения
Январь, 2020 год.AI-комплекс «Антисон» от ГК «КСОР» для обеспечения дорожной безопасности
Какую проблему решали
Система основана на собственных алгоритмах машинного обучения и компьютерного зрения. «Антисон» обучен на датасете из 1 млн изображений.
Для построения вектора признаков использована гистограмма направленных градиентов (HOG) с 9 интервалами. В подходе выбран 1794-мерный вектор признаков, который представляет взвешенную по Гауссу пространственную статистику градиента.
Нормализованные векторные значения передаются в ансамбль из 50 деревьев принятия решений, которые обучены с использованием набора данных положительных и негативных примеров.
Выходные данные деревьев принятия решений объединяются посредством статистической процедуры и передаются в алгоритм фильтрации данных во временной области и далее в процедуру статистической оценки состояния водителя.
Логика работы .
Бизнес-процесс
До проекта:
- Сотрудники многократно выполняют схожие действия и процедуры. Они отвлекаются на еду, курение и средства связи. Уровень внимания снижается, утомляемость приводит к засыпанию.
- Отсутствует проактивный контроль состояния водителя. Это не позволяет предупредить инцидент в моменте.
После проекта:
- Появилась возможность оперативно реагировать на потенциальный риск: платформа фиксирует признаки засыпания, «будит» водителя звуковым сигналом и информирует центр мониторинга для реагирования.
- Инциденты попадают в единую базу. Формируются ежедневные, еженедельные и ежемесячные отчеты в разных разрезах.
- Инциденты разбираются с водителями, проводится дополнительный инструктаж.
Результаты
ГУП «Мосгортранс»
группы компаний «КСОР»
Похожие кейсы
AI-кейсы с доказанной бизнес-эффективностью. Все проекты успешно прошли проверку комиссией из признанных экспертов в технологиях и бизнесе.