Разработка системы мониторинга дорожного трафика через видеоаналитику

На оживлённом перекрёстке ручной подсчёт машин даёт погрешность до 30%, а петлевые датчики ломаются раз в полгода. Видеоаналитика на базе YOLO и ByteTracker решает обе проблемы: точность подсчёта — 95–98%, а детекция инцидентов занимает менее 5 секунд. Заказывая такую систему под ключ, вы получаете мониторинг объёма трафика по направлениям, скорости потока, плотности, классификации ТС и детекцию ДТП, остановившихся автомобилей, нарушений. Наши инженеры имеют более 10 лет опыта в промышленном компьютерном зрении — это гарантирует стабильную работу в любую погоду. На одном из проектов для перекрёстка в Минске система заменила 12 петлевых датчиков, сократив затраты на обслуживание на 60%.

Как YOLO и ByteTracker обеспечивают точность подсчёта трафика?

Мы используем YOLO (You Only Look Once) — семейство нейросетей для real-time детекции объектов. В сравнении с классическими методами (OpenCV + HOG) YOLO точнее в 2–3 раза и работает быстрее. Наша базовая модель — YOLOv8, обученная на наборе данных COCO и дообученная на записях с городских перекрёстков. Это даёт точность классификации 92–96% и recall 95–98%. В статье Ultralytics подтверждается, что YOLOv8 достигает mAP 0.53 на COCO — эталон для real-time детекции. Для улучшения устойчивости к погодным условиям мы применяем data augmentation: дождь, туман, изменение освещения.

Почему важен ByteTracker?

Для отслеживания каждого автомобиля между кадрами мы внедряем ByteTracker. Он эффективно работает при окклюзиях (когда одна машина перекрывает другую) и ложных срабатываниях. Без трекера невозможно корректно посчитать поток и измерить скорость. ByteTracker использует низкопороговые детекции, что снижает количество разрывов треков на 30% по сравнению с простым IoU-трекингом.

Как оцениваем скорость по видеопотоку?

Ниже — реализация SpeedEstimator, который вычисляет скорость через изменение позиции трека за 5 кадров. Погрешность — ±5–10 км/ч, достаточно для выявления нарушений и анализа заторов.

class SpeedEstimator:
    def __init__(self, fps: float = 30.0, pixels_per_meter: float = 50.0):
        self.fps = fps
        self.ppm = pixels_per_meter
        self.track_positions = {}
        self.track_speeds = {}

    def estimate(self, track_id: int, position: tuple) -> float:
        """Скорость в км/ч через изменение позиции"""
        if track_id not in self.track_positions:
            self.track_positions[track_id] = []
        self.track_positions[track_id].append(position)

        history = self.track_positions[track_id]
        if len(history) < 5:
            return 0.0

        # Среднее смещение за последние 5 кадров
        recent = history[-5:]
        total_dist_px = sum(
            np.linalg.norm(np.array(recent[i]) - np.array(recent[i-1]))
            for i in range(1, len(recent))
        )
        avg_dist_px_per_frame = total_dist_px / (len(recent) - 1)
        dist_m_per_frame = avg_dist_px_per_frame / self.ppm
        speed_ms = dist_m_per_frame * self.fps
        speed_kmh = speed_ms * 3.6

        self.track_speeds[track_id] = speed_kmh
        return round(peed_kmh, 1)

Калибровка камеры выполняется один раз: мы измеряем реальное расстояние между двумя точками на дороге и вычисляем коэффициент pixels_per_meter. При смене ракурса калибровку нужно повторить, но для стационарных камер это делается однократно.

Детекция инцидентов

Система автоматически обнаруживает остановившиеся автомобили (порог скорости <2 км/ч более 30 секунд), резкие торможения, ДТП и неправильное поведение пешеходов. Пример детектора — ниже.

class IncidentDetector:
    def __init__(self, stopped_threshold_sec: float = 30.0):
        self.stopped_vehicles = {}
        self.stopped_threshold = stopped_threshold_sec
        self.incident_cooldown = {}

    def check_incidents(self, vehicles: list[dict],
                         timestamp: float) -> list[dict]:
        incidents = []

        for vehicle in vehicles:
            tid = vehicle['track_id']
            speed = vehicle.get('speed_kmh', 0)
            pos = vehicle['center']

            if speed < 2:
                if tid not in self.stopped_vehicles:
                    self.stopped_vehicles[tid] = (pos, timestamp)
                else:
                    stopped_pos, first_seen = self.stopped_vehicles[tid]
                    duration = timestamp - first_seen
                    if duration > self.stopped_threshold:
                        if tid not in self.incident_cooldown or \
                           timestamp - self.incident_cooldown[tid] > 120:
                            incidents.append({
                                'type': 'stopped_vehicle',
                                'vehicle_id': tid,
                                'class': vehicle['class'],
                                'position': pos,
                                'duration_sec': duration
                            })
                            self.incident_cooldown[tid] = timestamp
            else:
                self.stopped_vehicles.pop(tid, None)

        return incidents

Любой автомобиль, который стоит более 30 секунд (настраивается), регистрируется как инцидент. Это помогает предотвратить вторичные ДТП и оптимизировать работу эвакуаторов. Анализируя резкие изменения скорости и позиции, система может зафиксировать столкновение. Дополнительно настраиваются правила для выявления выезда на встречную полосу или движения по обочине.

Классификация транспортных потоков

Выходные метрики для транспортного ведомства:

• PCE (Passenger Car Equivalent): грузовик = 2.0 PCE, автобус = 1.5 PCE, мотоцикл = 0.5 PCE
• LOS (Level of Service): V/C ratio → уровень A–F
• Speed distribution: гистограмма скоростей
• Headway: интервал между автомобилями

Что входит в нашу работу?

1. Анализ объекта — выезд на место, оценка расположения камер, освещения, требований к инфраструктуре.
2. Проектирование — выбор моделей, архитектуры обработки, настройка трекера и калибровка скорости.
3. Разработка и обучение — дообучение YOLO под специфику объекта, интеграция ByteTracker, создание веб-интерфейса.
4. Тестирование — прогон на исторических записях, замер точности, стресс-тест производительности.
5. Деплой и интеграция — установка на сервер, подключение к вашему ПО, настройка оповещений.
6. Документация и обучение — передача инструкций, обучение операторов, гарантийная поддержка 12 месяцев.

Мы также версионируем модели с помощью MLflow и мониторим дрейф данных, чтобы система не теряла точность со временем. Все компоненты лицензированы и совместимы с АСУДД.

Ориентировочные сроки

Экономия бюджета на мониторинг — до 50% по сравнению с петлевыми датчиками. Получите консультацию инженера и демонстрацию работы системы на ваших данных. Свяжитесь с нами — мы оценим ваш проект и подготовим индивидуальное коммерческое предложение. Закажите пилотный проект на 2 недели, чтобы убедиться в эффективности.

Как distribution shift убивает метрики CV-модели в промышленности

На производстве ставят камеру, контролируют качество продукции. Модель обучена на 10 000 размеченных изображений — точность на тесте mAP 0.84. Запускают в продакшен — и в первую же неделю пропускают 30 % дефектов. Освещение на линии меняется по сменам, distribution shift обнуляет метрики. Это классическая история с Computer Vision в промышленности, где распознавание образов даёт сбой без правильной обработки дрейфа.

Наши инженеры с опытом 60+ проектов по компьютерному зрению знают, как исключить такие сценарии. Гарантируем стабильную работу модели под реальными условиями.

Детекция объектов: YOLO, RT‑DETR и всё что между ними

YOLO — стандарт для real‑time детекции. YOLOv8 и YOLOv11 от Ultralytics — наиболее используемые версии в производстве: простой API, активное сообщество, встроенная валидация и экспорт в ONNX/TensorRT. Для задач с высокими требованиями к точности и когда latency менее критична — RT‑DETR, transformer‑based архитектура без NMS, даёт лучший mAP на COCO при сравнимой скорости с YOLOv8l.

Типичная ошибка при обучении детектора: датасет 8000 изображений, 3 класса, fine‑tune YOLOv8m — F1 0.73 на валидации. Смотрим confusion matrix — один класс почти никогда не детектируется. Причина: дисбаланс 1:23. Решение: oversampling редкого класса, focal loss для objectness, аугментации (Mosaic, MixUp отключить для редкого класса — они его «размывают»). Transfer learning обязателен: предобученные на COCO веса сокращают потребность в данных в 10 раз. Fine‑tune на 500–2000 доменных изображениях даёт рабочую модель за 1–2 дня на одной GPU.

Для edge deployment: экспорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin даёт 150+ FPS при P99 latency < 8 ms — это в 3 раза быстрее, чем ONNX Runtime без TensorRT. На сервере A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Как fine‑tuning YOLO помогает в распознавании образов?

Допустим, нужно находить микродефекты на поверхности металла — задача с высоким разрешением и перекосом классов. Используем YOLOv8m, предобученный на COCO (документация Ultralytics), и дообучаем на 2000 собственных изображений. Применяем аугментации Mosaic, MixUp, random perspective. После 200 эпох mAP 0.5 достигает 0.93. Ключевые приёмы:

• focal loss для objectness головы — уменьшает вклад легко классифицируемых примеров.
• class‑balanced sampling — выравнивает представительство редких классов.
• Test Time Augmentation (TTA) — повышает recall на 5–7 % за счёт усреднения по флипам и масштабам.

Получите консультацию по подбору архитектуры для вашей задачи — свяжитесь с нами.

Сегментация: SAM, Mask R‑CNN и instance segmentation

SAM (Segment Anything Model) от Meta изменил подход к сегментации. SAM 2 работает с видео, поддерживает трекинг объектов через кадры — для интерактивного выделения объекта по точке или bbox это лучший выбор из коробки. Для production instance segmentation без интерактивного промпта — Mask R‑CNN или YOLOv8‑seg. YOLOv8‑seg обучается как обычный детектор с дополнительными масками, удобен в тех же пайплайнах. Семантическая сегментация (каждый пиксель — класс) — SegFormer, DeepLabV3+. SegFormer‑B5 даёт хороший баланс точности и скорости для анализа спутниковых снимков или медицинской сегментации.

Кейс: сегментация клеток на микроскопических изображениях. Датасет 400 изображений с ручной разметкой. Обучение Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — плохо. Проблема: объекты (клетки) перекрываются, стандартный NMS убивает перекрывающиеся предсказания. Решение: переход на cellpose (специализированная архитектура для биомедицинских задач) + soft‑NMS. IoU вырос до 0.79.

OCR: когда Tesseract не справляется

Tesseract — отправная точка для простых задач: печатный текст, хорошее освещение, ровное расположение. Как только появляются рукописные элементы, нестандартные шрифты, перспективные искажения или многоколоночный макет — Tesseract деградирует быстро.

PaddleOCR — production‑grade решение: обнаружение текстовых блоков + распознавание + структурный анализ. Работает из коробки для 80+ языков, включая русский. Поддерживает таблицы и документы со сложной структурой. Wikipedia: Оптическое распознавание символов. TrOCR (Microsoft) — трансформерный OCR с сильными результатами на рукописном тексте. Для русского рукописного текста нужен fine‑tuning: базовая модель обучена преимущественно на латинице.

Что делать, если Tesseract не справляется с распознаванием образов на документах?

Для задач «извлеки данные из счёта / договора / паспорта» используем LayoutLMv3 или Donut — эти модели понимают layout документа, а не только текст. Интеграция через Hugging Face Transformers, fine‑tuning на 200–500 размеченных документах. Типичный pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Обнаружение текстовых блоков: PaddleOCR detection или CRAFT.
3. Распознавание: PaddleOCR recognition или TrOCR.
4. Post‑processing: нормализация, валидация через regex или LLM для структурированных полей.

Для документов с фиксированной структурой template matching + OCR точечно по координатам зачастую надёжнее end‑to‑end решения.

Face Recognition: идентификация и верификация

Face recognition = detection + alignment + embedding + matching. Каждый этап важен.

Detection: RetinaFace или InsightFace для точной локализации лица и ключевых точек. MTCNN — более старое, но надёжное решение. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Модели iresnet50/iresnet100 предобучены на MS1MV3 (5M идентичностей). Эмбеддинг‑вектор 512 float32, сравнение по cosine similarity. Threshold tuning: порог решения — критический параметр. При threshold 0.6 типичный FPR на LFW benchmark — 0.001, TPR — 0.985. В production threshold нужно калибровать под реальный distribution: люди в масках, с изменившейся внешностью, в разных условиях освещения. Liveness detection обязателен: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo содержит несколько предобученных liveness‑детекторов.

Видеоаналитика

Видео — последовательность кадров плюс временное измерение. Наивный подход — детектировать на каждом кадре — дорого.

Трекинг: ByteTrack и BoT‑SORT — стандарт для multi‑object tracking. Работают поверх любого детектора, добавляют persistent ID объектам между кадрами — это даёт подсчёт объектов, треки движения, velocity.

Оптимизация: не нужно обрабатывать каждый кадр. Для статичных сцен детекция на каждом 5–10 кадре, между ними — трекер. Для детекции событий (человек вошёл в зону) background subtraction (OpenCV MOG2) как lightweight pre‑filter перед нейросетевой детекцией. Action Recognition: SlowFast, VideoMAE для классификации действий. Тяжёлые модели — для production используем ONNX export + TensorRT либо оффлайн обработку.

Как измерить качество модели распознавания образов в продакшене?

Мониторинг качества — ключевой элемент MLOps. Отслеживаем:

• распределение prediction confidence;
• долю low‑confidence предсказаний (индикатор OOD‑данных);
• дрейф входных изображений через feature distribution (embeddings из backbone).

Падение средней confidence с 0.87 до 0.71 за неделю — ранний сигнал о distribution shift. NVIDIA Triton Inference Server рекомендует отслеживать эти метрики через Prometheus. Наши сертифицированные инженеры настраивают мониторинг и гарантируют SLA по качеству инференса.

Деплой CV‑моделей

Для онлайн инференса используем Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Поддерживает TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST и gRPC API. Гарантируем стабильную работу под нагрузкой.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобильных устройств. OpenVINO для Intel CPU/GPU/VPU — даёт 2–3× прирост скорости на Intel железе по сравнению с ONNX Runtime. После деплоя передаём модель с документацией и обучаем персонал.

Что входит в работу

Сроки и стоимость

Прототип детектора на существующих данных — 1–2 недели. Production‑система с оптимизацией под целевое железо — 4–8 недель. Полный цикл включая разметку данных (1000–5000 изображений) — 2–4 месяца. Стоимость рассчитывается индивидуально под каждую задачу. Примерная экономия от внедрения системы контроля качества — до 1 млн рублей в месяц на одном производственном участке.

Мы на рынке более 5 лет, реализовали 60+ проектов по компьютерному зрению. Оценим ваш проект под ключ — закажите консультацию, чтобы получить расчёт и техническое предложение.