Камеры научили «видеть» в условиях плохого интернета

В России работает 1,2 миллиона камер видеонаблюдения, многие из которых анализируют изображение в реальном времени. Критически важные системы, от мониторинга пациентов в реанимации до распознавания лиц преступников, иногда дают сбои из-за плохого интернета.

Традиционные алгоритмы сжатия требуют мощных процессоров для обработки всего кадра. Камеры наблюдения и автономные роботы таких ресурсов лишены. Когда канал связи перегружен, система либо зависает, либо передает размытое изображение вместо четкого лица или показаний медицинского оборудования.

Ученые Пермского политеха предложили обратный подход. Их алгоритм сначала определяет самые важные объекты в кадре с помощью нейросети, затем оценивает пропускную способность канала и передает данные по приоритету. Если интернет медленный, первыми идут лица и номера автомобилей, второстепенные детали отправляются позже.

Во время испытаний при передаче всего 10-20% от полного объема видео четкость ключевых объектов возросла на 54-81% по сравнению с обычными системами, экономия трафика составила 40-45%, общая эффективность выросла на треть. Говорят, что дополнительных вычислительных мощностей разработка не требует.