Денис Жердев: Наша разработка способна помочь службам спасения

Сфера IT динамично развивается в России, а десятилетие науки и технологий, объявленное президентом страны в 2022–2031 годы, усилит рост этой отрасли и поспособствует привлечению талантливой молодежи, - уверены в научном сообществе Самарской области.

Наш регион может похвастаться сильной научной школой в области IT и перспективными разработками, которые, помимо научного развития, при финансовой поддержке правительства или бизнеса могут получить практическое воплощение. В частности, спасать жизни людей, которым внезапно стало плохо.

Ученые Самарского национального исследовательского университета имени академика С.П. Королева научили нейросеть распознавать случаи падения людей на улице, связанные с серьезными сбоями в организме человека. Подробнее о разработке, ее возможностях и перспективах рассказал к.т.н., старший преподаватель кафедры суперкомпьютеров и общей информатики Самарского университета имени С.П. Королева Денис Жердев.

Денис, кому может помочь ваша разработка?

Д.Ж.:   Большому количеству людей, потому что обмороки, приступы, инфаркты и инсульты, а также другие серьезные недомогания, к сожалению,  не так уж редки. И, как правило, самочувствие ухудшается резко и неожиданно, поэтому от времени прибытия «скорой» напрямую зависит шанс выживания человека. Наша разработка способна помочь службам спасения оперативно реагировать на такие случаи.

На чем построен алгоритм, определяющий, что человеку внезапно стало плохо?

Д.Ж.: В основе разработки компьютерное зрение – это ключевой элемент перспективных систем безопасности. Нам удалось обойти главную трудность нейросетевого подхода к этой задаче – сбор обучающих данных с реальных камер наблюдения. Дело в том, что видеозаписей с падением людей в помещениях, на производстве и других ситуациях очень мало, а чтобы обучить нейросеть корректному определению таких событий, требуется огромный массив видеозаписей.

Как вы вышли из положения?

Д.Ж.: Мы решили проблему с помощью компьютерного моделирования:  создали массив обучающих данных с помощью трехмерного моделирования в графическом движке Unreal Engine 4. Говоря простым языком, мы  создали виртуальную трехмерную комнату, в которой есть пол, стены и  заполнили ее разнообразными предметами: столами, различными поверхностями, чтобы максимально приблизить эту виртуальную комнату к реальной ситуации. Человек же может находиться в любых условиях, а нам нужно, чтобы сеть, обученная нами, верно распознавала положение человека при самых разных условиях. Мы разработали универсальное средство моделирования сцен падения человека, позволяющее варьировать рост, вес, параметры одежды и окружения. На основе сгенерированных таким образом данных мы обучили свёрточную нейросеть.

Помимо отслеживания человека в помещении и его соприкосновения с предметами  необходимо было обучить нейросеть узнавать сам процесс падения, как вам это удалось?

Д.Ж.: Нужно отметить, что наши исследования проводились совместно со специалистами Самарского государственного медицинского университета, и, моделируя различные ситуации, мы учитывали физику конечностей при движении и падении, возможное взаимодействие с окружающими предметами, а также генерировали случайное «поведение» цифрового человека, чтобы повысить реалистичность моделирования.

Насколько эффективной оказалась обученная вами нейросеть?

Д.Ж.: Испытания подтвердили ее высокую эффективность. Она успешно определила 97,6% инцидентов при работе с синтезированными данными и 95% при распознавании реальных видеозаписей с камер наблюдения.

Увидим ли мы подобные системы на самарских улицах, возможно ли это?

Д.Ж.:   Конечно, возможно. Пока запросов на реализацию к нам не поступало, но, если появится интерес и финансовая поддержка со стороны правительства или бизнеса, – подобный проект вполне осуществим.

Ваша разработка сводится только к этому прикладному значению или может применяться где-то еще?

Д.Ж.:   Обучение нейронных сетей, программ распознавания на моделируемых данных очень распространено и широко используется. Полученные нами результаты  будут полезны для обеспечения навигации роботов по различным поверхностям, при создании продвинутых игровых систем дополненной или виртуальной реальностей, которые учитывают психофизическое состояние пользователя и для решения многих других задач.