Инновация в определении человека по контору лица создана специалистами МГУ
15.01.2026
Исследователи Научно-исследовательского института искусственного интеллекта при Московском государственном университете вместе с партнерами реализовали революционный алгоритм динамической смеси (DynaMix), предназначенный для эффективного распознавания контуров людей. Разработанная методика способна обеспечить повышение надежности решений в области безопасности и коммерческого анализа поведения потребителей. Подробности представлены в престижном издании Neurocomputing.
Алгоритм идентификации объектов по контурам представляет собой важнейшую область научных разработок, имеющую большое значение как в теоретической науке, так и в практических приложениях. Задача состоит в обнаружении схожести фигур людей на изображениях с различных видеокамер в разное время суток. Подобные системы активно применяются в современных умных городах и продвинутых системах видеонаблюдения, помогающих находить преступников путем анализа форм тел либо повышать эффективность торговли (оценивая движение клиентов и оптимизируя очереди).
Часто камеры наблюдения не позволяют зафиксировать лицо субъекта, и потому приходится прибегать к анализу очертаний тела. Тем не менее, существующие подходы к определению фигуры уступают технологиям распознавания лиц по качеству результата. Это обусловлено недостатком качественных тренировочных данных для совершенствования соответствующих технологий. Главная проблема кроется в самой задаче: необходимы изображения одной персоны с множества камер одновременно и в различное время, сбор и аннотирование таких материалов весьма затруднен.
Совместно с командой технологической компании Tevian сотрудники лаборатории искусственного интеллекта МГУ смогли радикально сократить разрыв в уровне качества посредством внедрения новаторской методики обучения нейронных сетей. Их работа основана на смешанном подходе, объединяющем разнообразные типы изображений для тренировки моделей.
"Мы дополнили основную выборку многокамерных снимков дополнительными изображениями людей в процессе обучения сети. Благодаря такому стилю моделирования заметно улучшилось качество распознавания силуэтов. Экспериментальные испытания доказывают способность нашей технологии вдвое увеличивать точность распознавания. Эта инновационная техника имеет значительный потенциал для дальнейшего применения в проектах интеллектуальных городских пространств, обеспечения общественной безопасности и роста прибыльности торговых предприятий", — прокомментировал Тимур Мамедов, исследователь Института ИИ МГУ и лидер команды разработчиков из Tevian. Материал подготовлен на основании публикации ресурса «Научная Россия».
Алгоритм идентификации объектов по контурам представляет собой важнейшую область научных разработок, имеющую большое значение как в теоретической науке, так и в практических приложениях. Задача состоит в обнаружении схожести фигур людей на изображениях с различных видеокамер в разное время суток. Подобные системы активно применяются в современных умных городах и продвинутых системах видеонаблюдения, помогающих находить преступников путем анализа форм тел либо повышать эффективность торговли (оценивая движение клиентов и оптимизируя очереди).
Часто камеры наблюдения не позволяют зафиксировать лицо субъекта, и потому приходится прибегать к анализу очертаний тела. Тем не менее, существующие подходы к определению фигуры уступают технологиям распознавания лиц по качеству результата. Это обусловлено недостатком качественных тренировочных данных для совершенствования соответствующих технологий. Главная проблема кроется в самой задаче: необходимы изображения одной персоны с множества камер одновременно и в различное время, сбор и аннотирование таких материалов весьма затруднен.
Совместно с командой технологической компании Tevian сотрудники лаборатории искусственного интеллекта МГУ смогли радикально сократить разрыв в уровне качества посредством внедрения новаторской методики обучения нейронных сетей. Их работа основана на смешанном подходе, объединяющем разнообразные типы изображений для тренировки моделей.
"Мы дополнили основную выборку многокамерных снимков дополнительными изображениями людей в процессе обучения сети. Благодаря такому стилю моделирования заметно улучшилось качество распознавания силуэтов. Экспериментальные испытания доказывают способность нашей технологии вдвое увеличивать точность распознавания. Эта инновационная техника имеет значительный потенциал для дальнейшего применения в проектах интеллектуальных городских пространств, обеспечения общественной безопасности и роста прибыльности торговых предприятий", — прокомментировал Тимур Мамедов, исследователь Института ИИ МГУ и лидер команды разработчиков из Tevian. Материал подготовлен на основании публикации ресурса «Научная Россия».