Как отличить ДТП от резкого торможения: опыт детекции событий в видео
Разработчики из «Юзтех» столкнулись с задачами автоматического распознавания ДТП и допинга у лошадей. Классический подход — обучить нейросеть на датасете аварий — провалился из-за огромной вариативности. Решение нашли в смене парадигмы: не детектировать объект на кадре («что это?»), а отслеживать поведение во времени («что произошло?»). Комбинация детектора объектов, трекинга через фильтр Калмана и анализа физических параметров (скорость, ускорение) позволила выявлять аномальные события — но у каждой задачи оказались свои подводные камни.
Статья показывает реальную альтернативу бесконечному наращиванию датасетов — переход от распознавания объектов к распознаванию событий через анализ поведения во времени. Это практический опыт для всех, кто работает с видеоаналитикой и сталкивается с вариативностью данных.
От распознавания объектов к распознаванию событий
Команда «Юзтех» получила два запроса: детектировать ДТП на городских перекрёстках и выявлять допинг у лошадей на скачках. Оба кейса поначалу казались стандартными задачами компьютерного зрения.
Провал классического подхода
С ДТП попробовали по учебнику: взяли YOLO, обучили на датасете аварий, получили боксы вокруг столкнувшихся машин. На демо выглядело эффектно. В реальности — провал.
Проблема в огромной вариативности: разные машины, углы камер, освещение, погода. Модель, обученная на одном перекрёстке, не работала на другом. Пришла зима — не работает даже там же. Процесс стал бесконечным: постоянное пополнение датасета, разметка, переобучение. Ресурсы росли, а результат оставался хрупким.
Смена парадигмы: от «что это» к «что произошло»
Прорыв случился на втором кейсе — с лошадьми. Детектировать шприц невозможно (прячут), но лошадь в момент укола резко качает головой — реакция на боль и повышенный пульс. Это и есть событие, которое можно отследить.
Архитектура решения состоит из двух частей: 1. Детектор объектов — находит нужные объекты на каждом кадре (голова и туловище лошади) 2. Постобработка с трекингом — фильтр Калмана отслеживает объект между кадрами, анализирует траекторию
Из траектории вычисляют скорость и ускорение. Резкий скачок ускорения головы = возможная инъекция.
Подводные камни и решения
Проблема 1: Лошадь идёт и кивает в такт шагам — ложные срабатывания. Решение: Детектировать туловище, если оно движется — игнорировать движения головы. Инъекции делают только стоящим лошадям.
Проблема 2: При переносе подхода на ДТП машина, въезжающая в кадр, для алгоритма «разгоняется из нуля» — ложное срабатывание. Решение: «Охлаждающий» период — начинать считать ускорение через несколько кадров после первого обнаружения.
Проблема 3: Резкие торможения и ускорения водителей дают те же паттерны, что и столкновения. Откалибровать порог ускорения так, чтобы различать нормальное и аномальное поведение, оказалось почти невозможно.
Выводы
Детектирование событий (что произошло) требует иного мышления, чем детектирование объектов (что это). Классические нейросети видят один кадр, но многие задачи решаются только анализом последовательности во времени. Физические параметры — скорость, ускорение, траектория — дают более универсальные признаки, чем визуальные паттерны. Но каждая задача всё равно уникальна и требует понимания специфики предметной области.
Ключевые выводы
- Детектирование событий принципиально отличается от детектирования объектов: нужен анализ последовательности кадров, а не одного изображения
- Обучение классической нейросети на всех вариациях события (ДТП) быстро становится неподъёмной задачей из-за комбинаторного взрыва
- Физические параметры (скорость, ускорение) могут быть более универсальными признаками аномалии, чем визуальные паттерны
- Даже простая логика требует учёта контекста: движение головы лошади аномально только когда туловище неподвижно
- Каждая задача уникальна: подход, сработавший для лошадей, не перенёсся на ДТП без существенных доработок
Автор: Юлия Тарасова · Источник: habr.com
История хорошо показывает, как легко попасть в ловушку «очевидного» решения. Обучить YOLO на авариях? Звучит разумно, но на практике превращается в бесконечную гонку за датасетами. Каждый новый перекрёсток, каждая смена сезона — и начинай сначала. Это не баг, а фундаментальное ограничение подхода.
Интереснее другое: решение про лошадей сработало, потому что авторы поняли физику процесса — допинг вводят только стоящим животным, и это даёт чёткий контекст. С ДТП такой магии не случилось: резкое торможение и столкновение физически похожи. Статья обрывается на полуслове, но уже ясно — универсального рецепта нет. Подход с трекингом и анализом траекторий работает, но каждая задача требует своих костылей и доменной экспертизы. Годная история для тех, кто думает, что computer vision — это просто взять готовую модель и запустить.
Комментарии