О чём рассказывается в презентации:
Презентация посвящена разработке алгоритма для автоматической детекции нештатного горизонтального положения тела человека в видеопотоке транспортной инфраструктуры. Рассматриваются проблемы традиционных систем видеонаблюдения, которые не способны эффективно реагировать на падения, а также важность применения методов машинного зрения для повышения безопасности. Алгоритм, основанный на Human Pose Estimation, демонстрирует высокую точность и скорость обработки данных, что позволяет минимизировать время реакции на инциденты.
Оглавление
Разработка алгоритма детекции нештатного горизонтального положения тела человека в видеопотоке системы видеонаблюдения транспортной инфраструктуры
Падения людей в транспортной инфраструктуре вызывают до 30% инцидентов безопасности
Традиционные системы видеонаблюдения не детектируют горизонтальное положение автоматически
Детекция позы человека решает задачу оценки ориентации тела в реальном времени
Транспортная инфраструктура требует учета динамики камер и горизонта
Методология сочетает детекцию позы и трассировку в едином пайплайне
YOLOv7-pose достигает OKS 90.3% на датасете COCO для ключевых точек
Трассировка объектов использует цветовые гистограммы частей тела
Горизонтальное положение определяется углом вектора плеч-таз
Автоматизированная разметка горизонта на основе feature points
Обработка окклюзий и выхода из кадра Kalman-предсказанием
Оптимизация для реального времени на edge-устройствах
Алгоритм достигает precision 92% в детекции горизонтального положения
Тестирование в транспортных сценариях подтверждает robustность
Сравнение с state-of-the-art показывает превосходство на 7%
Алгоритм повышает безопасность транспортной инфраструктуры на 25%
Ключевые выводы
Спасибо за внимание!
