Доработка и тестирование прототипа системы контроля за работой общественного транспорта, основанной на компьютерном зрении и машинном обучении

Цель работы - доработка существующего прототипа системы контроля за работой общественного пассажирского транспорта, основанной на применении технологий компьютерного зрения. В ходе выполнения НИОКР: 1) Собрано пять обучающих выборок с изображениями для нейросетевых моделей распознавания регистрационных номерных знаков, типов транспорта, детекции пешеходов и распознавания номеров маршрута общественного транспорта; 2) Обучены и интегрированы в единый алгоритм распознавания государственных регистрационных знаков нейросетевые модели сегментации номерных знаков и распознавания символов: Mask R-CNN (mAP50:95 = 0.8) и CTPN с LSTM слоями (accuracy = 98%) соответственно; 3) Обучена нейросетевая модель распознавания типов транспортных средств нейросетевая модель Scaled YOLOv4 (mAP50 = 0.85); 4) Доработан модуль контроля за перевозчиками общественного транспорта; 5) Разработан алгоритм распознавания номера маршрута общественного транспорта по изображению: обучена модель детекции номерной области YOLOv5 (mAP50 = 0.89), модель распознавания символов (accuracy = 87%). Общая точность (accuracy) алгоритма составила 67%; 6) Разработан модуль подсчёта пассажиропотока (mAP50 детекции пешеходов 97.1%); 7) В личном кабинете добавлен раздел, позволяющий выгружать статистику модуля подсчёта пассажиропотока. Модули системы используют видеопоток с камер, установленных на остановочных пунктах общественного транспорта. Во время разработки в качестве тестовых данных использовались видеозаписи с остановочных пунктов г. Челябинска и г. Сатки. Результаты выполнения НИОКР могут быть внедрены в транспортных организациях муниципалитета или региона для решения следующих задач: 1) Выявление перевозчиков, не имеющих лицензию на перевозку пассажиров; 2) Сбор данных о пассажиропотоке (количество людей на остановочном пункте в определённый момент времени); 3) Сбор времени, которое тратят пассажиры на ожидание общественного транспорта. Решение вышеперечисленных задач позволяет транспортным организациям: 1) Сократить потери выручки за счёт снижения количества нелегальных перевозчиков; 2) Получить дополнительный источник данных для оптимизации рейсов общественного транспорта. Для развития созданной системы возможны следующие улучшения: 1) Разработка алгоритма, позволяющего в реальном времени определять начальный и конечный остановочный пункт пассажира для сбора расширенной статистики; 2) Повышение точности алгоритма распознавания номера маршрута. В результате выполнения работы подано заявление о государственной регистрации программы для ЭВМ в Федеральную службу по интеллектуальной собственности. НИОКР была успешно выполнена в соответствии с техническим заданием и календарным планом.