К нам обратились с запросом реализации автоматического подсчёта входящих и выходящих пассажиров с использованием ip-камер, установленных в общественном транспорте. Требовалась точность подсчёта не менее 95%, чтобы соответствовать другим решениям на рынке. Данные со всех камер в салоне должны были обрабатываться на одном устройстве.

Для подсчёта использовалось компьютерное зрение. Мы проанализировали данные, собранные с общественного транспорта, и обучили собственную MobileNet-SSD модель. Разработали алгоритм трекинга голов пассажиров.

Выбор платформы для вычислений ограничивался требованиями:

• Работа в режиме реального времени.
• Одновременное обслуживание нескольких дверей.
• Только пассивное охлаждение аппаратных компонентов.
• Минимальное энергопотребление.

Было принято решение использовать одноплатный компьютер с аппаратным декодированием видеокодека h264 и аппаратной поддержкой операций, специфичных для ML-задач.

Для использования всех возможностей платформы мы перенесли нашу модель с фреймворка Pytorch на TensorRT. Для этого часть слоёв модели переписали на CUDA, потому что они не поддерживаются исходным фреймворком.

Это позволило обеспечить одновременную обработку видеопотоков с трёх камер в режиме реального времени.

За три месяца Byndyusoft спроектировали, разработали и передали заказчику программное обеспечение, готовое для интеграции в салоны общественного транспорта.

Основные результаты:

1. Возможна одновременная обработка данных со всех дверей в салоне (до трёх).
2. Точность детекции пассажиров достигает 96%.
3. Пройдены полевые испытания в общественном транспорте Астрахани.
4. Система принята комиссией заказчика.