Проект
О проекте
О проекте
О проекте
В большинстве каршеринговых сервисов то, что происходит в салоне арендованного автомобиля, не поддается никакому контролю. Поэтому зарегистрированный пользователь может пустить за руль другого человека — не имеющего или лишенного права вождения, нетрезвого, несовершеннолетнего, и город превратится в трек для опасных гонок, грозящих смертью и увечьями абсолютно всем его жителям. Такие случаи уже были зафиксированы, и чтобы они не повторились, нужно было разработать инструмент, способный контролировать водительское поведения в каршеринговом авто.

Задача
Задача
Задача
Проект Watchmen был задуман и создан совместно с компанией DANNIE, которая отвечала за хардверную часть решения, а команда Doubletapp написала программную начинку девайса.
Как это выглядит? Это девайс с двумя камерами, который устанавливается на лобовое стекло. Он находится в салоне, одна камера смотрит внутрь салона, а другая — наружу; устройство работает под управлением Android.
Одним из требований заказчика была работа непосредственно на устройстве, так как стриминг видеопотока со множества машин является затратным, а обработка потребовала бы увеличения серверных мощностей. Эта задача была решена — все тяжелые вычисления выполняются прямо на устройстве, в духе подхода Edge AI.

Результат
Результат
Результат
Watchmen имеет следующую функциональность:
- Детекция лиц в салоне автомобиля.
- Принятие решения о том, кто является водителем.
- Сопоставление лица водителя с фото, которое загрузил пользователь каршериногового сервиса.
- С помощью компьютерного зрения (не требует никаких дополнительных датчиков, кроме камеры) детектируется курение в салоне.
- Передача видео с камеры на сервер, когда нужно проверить корректность работы системы.
- Веб-интерфейс для деморежима — для продвижения решения каршеринговым сервисам. В нем в реальном времени идет стрим с камеры девайса, и также в реальном времени детектируется курение и подмена водителя.
- Бэкенд и административная панель для работы с данными водителей.
- Все описанные задачи детекции и распознавания решаются в офлайне на девайсе.
В плане разработки наиболее интересной задачей была реализация детекции сигарет. Для этого нами был собран датасет из тысяч фотографий людей, курящих в автомобиле, а также делающих похожие на курение действия, например, чешущих нос или кашляющих в кулак. Даже сотрудники компании внесли свой вклад, снимая на видео, как они курят в своих машинах. На основании этого датасета была обучена нейронная сеть, впоследствии портированная на устройство для работы в офлайне.

ML
BACKEND
ANDROID

Наша суперкоманда
АнтонAndroid
КириллAndroid
СтепанFrontend
МаксимBackend
ДаниилMLОтзыв




