федеральное государственное автономное образовательное учреждение высшего образования
«Самарский национальный исследовательский университет имени академика С.П. Королева»
"Сова": Как нейросети могут заботиться о здоровье самарцев?

"Сова": Как нейросети могут заботиться о здоровье самарцев?

Самарский университет

Ученые Самарского университета научили нейросеть распознавать случаи падения людей на улице

Жердев Денис кафедра суперкомпьютеров и общей информатики Наука Исследования разработки сотруднику студенту СМИ о Самарском университете Интервью
17.05.2022 1970-01-01

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.

Источник: sovainfo.ru