Создание платформы автоматической классификации образов "ВЗОР"

Заказчик: ФГУП ГлавНИВЦ Управления делами Президента РФ
Руководитель проекта со стороны заказчика: Максим Часовиков

Директор Проектов проектного офиса ректора
ИТ-поставщик: ФГУП "ГлавНИВЦ" Управления делами Президента Российской Федерации
Год завершения проекта: 2018
Сроки выполнения проекта: Февраль, 2016 — Февраль, 2018
Масштаб проекта: 10000 человеко-часов
20 автоматизированных рабочих мест
Цели: В рамках проекта было необходимо создать автоматизированную информационную систему, которая бы могла на входящих изображениях выявлять / классифицировать образы:
 объектов реального мира (на основе классификатора IMAGENET более 1000 объектов реального мира);
 марки и модели автомобилей (более 1500 моделей автомобилей);
 марки и модели самолетов (более 600 моделей самолетов);
 порнографический контент (детектирование бикини, эротики и
полового акта на изображении);
 запрещенная символика (свастика, джихад, ИГИЛ и др.)
В качестве основы были использован подход - нейронных сетей. В дальнейшем автоматическая классификация образов может быть использована в сферах безопасности, маркетинговых исследований, оперативного принятия управленческих решений.

Уникальность проекта

Использование нейронных сетей для анализа данных и классификации образов объектов реального мира в настоящий момент является MainStream-направлением. В этом отношении наше решение не является уникальным. Уникальность решения основывается на использовании наших специально подобранных обучающих картинок, которые были дополнены свободно распространяемыми наборами.

Проект решает задачи импортозамещения: Нет
Использованное ПО: При реализации проекта использовались следующие технологические решения:
1. Node.js версии 8.9.1.
2. Ffmpeg – для обработки видео-потоков в различных форматах, в том числе для:
 захвата потоков с видеокамер в формате RTSP;
 конвертация видеопотока из формата RTSP в формат RTMP;
 преобразование видеопотока в формате RTMP в последовательность кадров JPEG.
3. Медиасервер - Nginx-RTMP
4. MongoDB и ClickHouse в качестве БД
5. Сверточные нейронные сети (фреймворки): Darknet, Caffe
Описание проекта: Решение позволяет автоматически детектировать множество объектов на видеопотоке с их последующей классификацией. Среди основных объектов, поддающихся классификации:  предметов, могущие быть использованы в качестве эпизодического оружия (бутылки, пистолеты, ружья, автоматы, топоры, биты, мобильные телефоны и др.);  определять скопления людей/машин, длину очереди задержки;  автоматически детектировать сцены (ДТП, драка, бег и др.);  автоматически вести трэкинг объектов между камерами. • Система позволяет расширять перечень объектов сегментации. Областью использования системы могут быть: сферы безопасности, маркетинговые исследования, оперативного принятия управленческих решений в рамках ситуационных центров. Источником видеоданных могут быть стационарно установленные видеокамеры или видеопоток, полученный с БПЛА
География проекта: Москва