Разработки Синезис не ограничиваются одной лишь видеоаналитикой. Мы занимаемся и аудиоаналитикой. Вот о ней-то мы и хотели сегодня вам рассказать. Из этой статьи вы узнаете о наиболее известных аудиоаналитических системах, а также алгоритмах и их специфике. В конце материала – традиционно – список источников и полезных ссылок, в том числе аудиобиблиотек.

Осторожно: статья может долго грузиться — много картинок.
Автор: Михаил Антоненко.

Всем привет!
Совсем недавно Синезис полным составом переехал на новое место. Организация рабочего пространства для сотни человек – задача не из легких. О том, как мы воплотили в жизнь мечты об идеальном офисе, смотрите и читайте в статье.

Имя Синезис гордо красуется на фасаде. Помимо бальзамического эффекта для души и самолюбия, надпись работает прекрасным ориентиром: клиенты, партнеры и пицца легко нас находят среди нескольких офисных зданий.

Всем привет, меня зовут Влада (на фото стою слева=) и я блондинка практически единственный гуманитарий в Синезис. Отвечаю я у нас за сайты и новости, но время от времени пишу и разные статьи на Хабру. Обратила внимание, что несмотря на масштаб ежегодного московского форума All-over-IP, что состоялся на прошлой неделе, о нем здесь никогда не писали. Возможно, читателям ресурса было бы интересно разузнать, что это за мероприятие и с чем его едят.

Наверно, если сферический читатель Хабры услышит слово «облако», он не посмотрит в небо. Сегодня мы решили порассуждать о будущем видеоаналитики. Составить предсказания «по облакам», так сказать. Если вы ждете статью с техническими описаниями и примерами алгоритмов – это немного не тот случай. Мы делимся опытом разработчика.

Будущее за смартфонами и мобильным интернетом, это понимают производители в каждой области. С другой стороны, использование видеонаблюдения также забралось практически во все сферы нашей жизни. В госсекторе это безопасные города, в крупном бизнесе – мониторинг инфраструктуры, в торговых сетях и финансовой сфере – средство управления продажами, в частном секторе – охрана имущества. Но вот интеллектуальное видеонаблюдение – видеоаналитика – пусть и неуклонно развивается, но все еще не является массовым. В лучшем случае, в облачном сервисе реализовывают детектор движения, и то, без возможности выбора охраняемых зон или настройки расписания. Чем обусловлено это отставание? Что мешает адаптации классической системы видеоаналитики к облачному сервису? И главное: что с этим делать?

С завидной регулярностью на Хабре появляются статьи, рассказывающие о тех или иных методах распознавания лиц. Мы решили не просто поддержать эту замечательную тему, но выложить наш внутренний документ, который освещает пусть и не все, но многие подходы к распознаванию лиц, их сильные и слабые места. Он был составлен Андреем Гусаком, нашим инженером, для молодых сотрудников отдела машинного зрения, в образовательных, так сказать, целях. Сегодня предлагаем его все желающим. В конце статьи – впечатляющих размеров список литературы для самых любознательных.

Сегодня мы хотели бы рассказать вам о том, как наша видеоаналитика помогает челябинским ученым. Если точнее – исследователям биохимических стратегий адаптации человека в стрессовой ситуации из Южно-Уральского государственного медицинского университета (просто нам очень нравится, как гордо и внушительно звучит словосочетание «челябинские ученые»).

Исследования ведутся на базе кафедры биологической химии руководством заведующего кафедрой доктора биологических наук, профессора Вадима Цейликмана. В проекте участвуют и преподаватели, и студенты, причем последние допускаются с любых курсов. Основной способ применения программного обеспечения Синезис – видеотрекинг в тесте «Открытое поле».

Все время, что мы занимались разработкой видеоаналитических модулей, нам не давали покоя поезда. Наши разработки давно и успешно используются на самых разных объектах, в том числе и на вокзалах, и на ж/д развязках, и в метро. И нам удалось в своих алгоритмах добиться очень высокой точности, например, при детектировании падения объекта (человека, предмета) на рельсовое пространство или «застревании» автомобиля на переезде, или детектировании драки на платформе метро. Но задача осложняется тем, что, как правило, требуется не детектирование поезда, а полное его игнорирование в кадре. Согласитесь, трудно игнорировать объект, занимающий половину экрана. Вот и наш обычный детектор движения плохо справлялся: при появлении движущегося состава мы получали ложные срабатывания из-за множества артефактов, появлявшихся вместе с ним. Если говорить конкретнее, ложные объекты детектируются и в самом поезде, и вокруг него, что обусловлено возникающими тенями, светом и другими искажениями, которые «движутся» вместе с составом…

Если говорить о видеонаблюдении в рамках проекта «Безопасный город», то очевидно, что одна из основных его задач – «выявить и пресечь противоправные действия». Драки и хулиганство в нашей стране, к сожалению, дело нередкое. Вот потому мы и решили разработать модуль автоматического распознавания хулиганства, драк и потасовок. Поскольку детекторов драки в чистом виде на рынке видеоаналитики, кроме того, что разработали мы, нет, у людей заинтересованных возникает много вопросов о принципах его работы и эффективности. Сегодня мы хотели бы ответить на эти вопросы в статье и, в последствии, в ваших комментариях к ней.