Development of a system for analysis pedestrians trajectories from video surveillance cameras sources using artificial intelligence methods

Abstract

Сегодня технологии искусственного интеллекта используются в потребительских продуктах, таких как камеры смартфонов или камеры видеонаблюдения, где основной задачей компьютеров является идентификация объектов на изображениях. С развитием методов определения положения предметов на изображениях и видеозаписях, появилась необходимость отслеживания положения и перемещения людей, с целью дальнейшего использования этой информации в обеспечении безопасности и в маркетинге. В данной работе мы ставили цель разработать систему анализа траекторий движения пешеходов методами искусственного интеллекта по данным камер видео наблюдения, способной работать в режиме реального времени. В качестве инструментов были использованы: модель распознавания OpenPose, предсказание роста пешеходов в условиях потери данных методами линейного регрессора и многослойного персептрона и гомоморфное преобразование координат. В результате, мы получили клиент-серверное приложение, способное на запрос пользователя (видео с камер видеонаблюдения и координаты исследуемой области) возвращать полную информацию о трекинге пешеходов с кадров видео в границах запрашиваемой области и координаты для возможности восстановления трехмерной модели.

Today, artificial intelligence technologies are used in different products, such as smartphones or surveillance cameras, where the main task of computers is to identify objects in images. With the development of methods for determining the position of objects in images and videos, it became necessary to monitor the position and movement of people in order to further use this information in security and marketing. In this paper, we set a goal to develop a system of analyzing the trajectories of pedestrian traffic using artificial intelligence methods based on data from video surveillance cameras that can operate in real time. The tools used were the OpenPose recognition model, the prediction of pedestrian growth under conditions of data loss using the linear regressor and multilayer perceptron methods and homomorphic coordinate transformation. As a result, we received a client-server application which is capable to process the user request (video from surveillance cameras and coordinates of the area under investigation) and return full pedestrian tracking information from video frames within the requested area and coordinates for the ability to render the three-dimensional model.