Всевидящее око

В июне Верховный суд выпустил постановление, где разъяснил, как можно наказать водителей за нечитаемые номера. Есть вероятность лишиться прав на два года, если владелец машины удаляет часть кода, подкрашивает или подчищает отдельные его элементы. Мы собрали коллекцию фото с такими номерами и спросили у специалиста по искусственному интеллекту и компьютерному зрению, когда компьютеры смогут распознавать зацарапанные или намеренно заляпанные номера. Ответ: прямо сейчас.

Автомобилисты пытаются обмануть дорожные камеры, чтобы увернуться от штрафов. По данным ГУ МВД России по Самарской области, в Самаре 241 комплекс автоматической фиксации нарушений ПДД. По камерам собирается уже две трети штрафов. В ближайшее время увеличивать их количество не планируют, но собираются переставить на другие места.

Некоторые автомобильные номера будто бы стираются, «случайно» царапаются, частично заклеиваются или перевязываются ниточками так, чтобы наблюдатель гадал — «у» это, к примеру, или «х». Осенью грязь, а зимой снег «налипают» не где-нибудь, а на знаках, при этом автомобили сверкают чистотой.

Камеры умеют определять превышение скорости, проезд на запрещающий сигнал светофора, выезд за стоп-линию, выезд на встречную полосу движения и многие другие нарушения на перекрестках и не только. Кроме этого, их используют страховые компании — проверяют, не попадали ли жертвы ДТП в другие аварии на своих автомобилях в предыдущие несколько дней. Первые системы фиксации нарушений при погрешности — если номер по каким-то причинам не удалось распознать полностью — не засчитывали нарушение. Что сейчас?

Руководитель лаборатории интеллектуального анализа видеоданных в институте систем обработки изображений РАН и профессор Самарского университета Артем Никоноров говорит, что сегодня компьютерное зрение развито не хуже человеческого — если человек угадает спрятанную цифру, то и у системы получится.

— Пожалуй, сегодня сеть не прочитает номер, только если вы закрасите его белой глиной, по максимуму устранив тень. Грязь не поможет, а если из-за снега удается распознать только две цифры из кода, владельца автомобиля можно установить с помощью базы данных. Есть такое понятие — уровень confidence, уверенность сети. Насколько я знаю, если система сомневается, изображение уходит на ручную доработку, — рассказывает профессор.

Артем Никоноров занимается интеллектуальным анализом изображений более 17 лет. Одна из крупнейших разработок института обработки изображений — сверхкомпактная оптика на основе глубокого обучения нейросети. Простыми словами, одна линза, способная заменить длиннофокусный объектив.

С помощью этой оптики самарские разработчики пытаются сделать легче и дешевле камеры, которые используются, например, в охранных системах крупных спортивных сооружений, таких как «Самара Арена». Сейчас у этих камер несколько «зрачков» — одна линза ближнего диапазона с широким углом обзора, две средних и четыре дальних. Благодаря комплексному наблюдению с разных расстояний изображение имеет высокое разрешение.

Расстояние — ключевой момент в распознавании автомобильного номера. Чтобы различить цифры, нужно разрешение хотя бы 125 пикселей на метр, что, в общем-то, немного. Но и вопрос с дистанцией тоже решаем — не у нас, но где-нибудь в Нью-Йорке уже тестируют трекинг — наблюдение за объектом с нескольких камер, по пути его следования.

Лайфхак для отчаянных

Еще три года назад можно было ехать в Курумоч с небольшим превышением скорости, но сегодня у дорожных камер достаточное разрешение, чтобы разглядеть номер автомобиля. Поэтому, пожалуй, единственный способ нарушить правила и остаться неузнанным — спрятаться за кем-то, кто тоже их нарушает.

— Конечно, и систему можно обмануть — нейронные сети, строго говоря, не являются искусственным интеллектом. Это алгоритм оптимизации, а у каждого алгоритма есть контрпример, где он не сработает. Но чтобы найти этот изъян, нужно, условно, купить себе такую же камеру, или как-то подключиться к камерам, которые отслеживают движение на постах ГИБДД, и вручную подобрать нужное искажение, которое сведет сеть с ума. В общем, сломать шифр будет дороже, чем заплатить штраф, — поясняет Никоноров.

По словам профессора, последние семь лет направление deep learning, глубокое обучение нейронной сети, непрерывно и быстро развивается, появляются новые технологии. Совсем недавно интернет-пользователи «заболели» приложением FaceApp, один из фильтров которого способен показать, как человек будет выглядеть в старости. При этом система не может найти для пожилого человека его конкретный прообраз в молодости — это более сложная, требующая большего объема данных задача.

— Чтобы двигаться в deep learning дальше, нужны большие объемы данных. Они есть далеко не везде, и чем дальше от мейнстрима, тем сложнее обучить сеть, и требуются новые подходы, такие как обучение с подкреплением, — говорит Никоноров.

Следите за нашими публикациями в телеграме на канале «Другой город», ВКонтакте и Facebook