Пандемия внесла существенные коррективы в нашу жизнь. Масочный режим, социальная дистанция и антисептические средства стали неотъемлемыми атрибутами современных реалий в борьбе с коронавирусом. Но стремительное распространение новой инфекции, в том числе и в Хакасии, в очередной раз доказывает неспособность справиться с эпидемией при помощи исключительно человеческих ресурсов.
Хакасский программист Даниил Рожков разработал систему определения ношения маски в видеопотоке в режиме реального времени. По мнению IT-гения, автоматизация проверки граждан на наличие индивидуальных средств защиты дыхания посредством использования нейросети снизит количество социальных контактов в периоды вспышек инфекционных заболеваний.
О преимуществах такого программного продукта корреспонденту «Пульса Хакасии» рассказал научный руководитель Даниила – Артем Голубничий.
– Артем Александрович, как возникла идея по разработке такого проекта?
– Во время пандемии в режиме самоизоляции оказалась почти половина населения мира. Но работа на удаленке для подавляющего большинства специалистов оказалась неосуществима. В 2017-2018 гг. только 28% опрошенных говорили, что имеют возможность работать из дома. В таких отраслях, как отдых или сельское хозяйство, удаленная работа практически невозможна.
Кроме того, возможность удаленки во время карантина сильно коррелирует с уровнем дохода и сокращением по мере его снижения. Рост числа безработных из-за влияния пандемии оказался больше, чем во время глобального финансового кризиса. В разы увеличилось число бедных среди имеющих работу, поскольку снижение экономической активности особенно сильно ударило по специалистам, которые близки к черте бедности: по оценкам МОТ, в эту категорию перешли до 35 млн человек, тогда как прогноз до вспышки коронавируса предполагал, что их численность в 2020 году уменьшится на 14 млн.
Получается, что идею продиктовали фактически новые условия жизни. А ношение медицинской или гигиенической маски превратилось в определенного рода ритуал. Не вдаваясь в подробности ее эффективности и целесообразности данного действа, можно сказать, что автоматизация анализа ношения маски в местах массового скопления людей с учетом норм закона представляет сегодня актуальную задачу. Ведь потенциальными областями применения искусственных нейронных сетей являются те, где человеческий интеллект малоэффективен, а традиционные вычисления трудоемки или физически неадекватны. И сегодня стремительное развитие ситуации с коронавирусом, в том числе стартом «третьей волны» эпидемии, прямое тому доказательство.
– Насколько, по вашему мнению, эффективны маски во время эпидемии?
– Когда люди дышат, они выделяют частицы влаги размером от 0,1 до 1000 микрометров. Для понимания: в одном миллиметре содержится 1000 мкм. Эти частички распространяются по воздуху на разные расстояния в зависимости от их размера, силы притяжения, инерции, скорости испарения и ряда других факторов. Те, что покрупнее быстрее оседают на поверхности, заражая ее, а помельче, испаряются быстрее, но и легче переносятся по воздуху, причем на значительные расстояния. И оба пути – воздушный и при соприкосновении с инфицированной поверхностью – потенциально могут привести к заражению.
Именно после того, как было выявлено, что передача инфекции бессимптомными носителями могла стать причиной распространения Covid- 19 по всему миру, ВОЗ рекомендовала всем без исключения носить маски.
Доказано, что они обеспечивают нас важным барьером, снижая число вредных вирусов в выдохе больных с незначительными симптомами или вообще без таковых. Материал, из которого сделаны хирургические маски, заметно понижает вероятность заражения Covid-19. Особенно важно носить маски в условиях, где концентрация вируса может быть повышенной: в медицинских учреждениях, самолетах, ресторанах и многолюдных помещениях с плохой вентиляцией.
Ношение медицинской защитной маски в общественных местах стало обязательным условием во многих городах, подверженных риску вспышки эпидемии – такой, как COVID-19.
Отслеживать соблюдение этого требования силами полиции или охраны непросто. Но благодаря машинному зрению система видеонаблюдения будет самостоятельно обнаруживать людей, на лице которых нет защитной медицинской маски, и уведомлять об угрозе или запускать иные реакции.
Программное обеспечение, позволяющее снизить социальные контакты и автоматизировать режим проверки наличия медицинской маски у человека, значительно улучшит качество социальной дистанции и соблюдения ограничительных мер в связи с пандемией. Разработка системы для определения маски на лице в режиме реального времени целесообразна. С введением чрезвычайных мер, связанных с карантином, режимом самоизоляции, становится очевидно, что осуществление функций правоохранительных органов невозможно без участия автоматизированных систем и новейших технологий.
– Что представляет собой разработанная вами система? Как она работает?
– Программе по каналу связи подается информация с камер. Используя технологии машинного зрения и нейронную сеть, она определяет в видеопотоке лица людей и позволяет определить наличие маски. Если она есть, то лицо подсвечивается зеленым цветом, если нет – красным.
– Каковы результаты вашей работы?
– Сегодня мы предлагаем готовый программный продукт, способный анализировать информацию с камеры в режиме реального времени и фиксировать людей, находящихся в помещении без маски. Такая система автоматически сохраняет соответствующую информацию.
– Области применения такого программного продукта?
– Такого рода продукты уже существуют. Многие IT-фирмы предлагают готовые решения по распознаванию ношения масок в видеопотоке, но для этого требуется приобрести видеокамеры и соответствующее программное обеспечение. Особенность нашего проекта в том, что для определения наличия маски можно использовать абсолютно любую камеру и фирмам, которые запланируют внедрить такую систему, не нужно будет переплачивать за специальную аппаратуру.
– Перспективы его внедрения в Хакасии?
– При наличии инвестора его можно вывести на рынок в течение нескольких месяцев. Такая система может работать в любых организациях. Пользователь может применять свой набор данных для обучения системы, в том числе и оборудование, необходимое для работы такого программного продукта.
Ирина Гусева
