Как работает система распознавания дорожных знаков

Содержание

Что такое система распознавания дорожных знаков

Разработка предназначена для увеличения безопасности на дорогах, а также облегчение процесса вождения. Инженеры создают решения, которые будут автоматически распознавать дорожные знаки, фиксировать информацию о допустимых скоростях и ограничениях, включая направление движения, наличие перекрестков, поездных перегонов и других данных.

sis-rasp-dzСистема распознавания дорожных знаков

Чем больше предупреждений получает система от внешней среды, тем надежнее становится автомобиль и процесс вождения. Водителю физически тяжело следить за всеми параметрами дороги, особенно в длительных поездках. Программное решение способно решить проблему с невнимательностью и уменьшить влияние человеческого фактора во время движения.

Распознавание дорожных знаков является одной из составляющих, необходимых для беспилотных автомобилей. Машина должна самостоятельно определять разметку, ограничения, знаки и условия движения.

Как функционирует TSR

На сегодняшний день ведущие производители автомобилей (такие, как Ford, BMW, Audi, Volkswagen, Opel, Mercedes-Benz) устанавливают ее на свою продукцию. Основным предназначением этой новинки является предупреждение тех, кто в данный момент за рулем, о необходимости соблюдения максимальной скорости движения. В тот момент, когда машина минует очередной знак, установка фиксирует текущую скорость движения и то, насколько водитель ее придерживается. Если же нет, то оборудование напоминает водителю о недопустимости превышения. Интересно, что у разных производителей такие установки могут называться по-разному, хотя выполняют схожие функции. Так, у Mercedes Benz она именуется Speed Limit Assist (буквально, система по контролю за ограничением скорости), у Opel — Opel Eye (признана лучшей инновацией в сфере автобезопасности за 2010-й год). Производитель Вольво назвал свое детище Road Sign Information, что в переводе звучит, как комплекс информирования о дорожных знаках.

Умная система распознавания дорожных знаков

Камера Neoline G-Tech X77 сама распознаёт дорожные знаки и сообщает о них водителю. Встроенной базы радаров тут нет, всё работает благодаря «машинному» зрению.

В процессе участвует и GPS-модуль — он встроен в крепление на стекле. С его помощью регистратор распознаёт текущую скорость автомобиля и, если есть превышение или близко к тому, женский голос сообщает об ограничении скорости на конкретном участке дороги. Вот как это работает:

Видеорегистратор практически всегда корректно распознаёт установленные вдоль дороги знаки. Затруднение может вызывать лишь ночное время суток. Тут всё зависит от конкретных условий: окружающее освещение, свет от городских или трассовых фонарей, а также мощности собственных фар.

Вообще, мне понравилось голосовое уведомление. Тут нет раздражающих сигналов или громоздких, неинформативных фраз вроде «на текущем участке дороги установлено такое-то ограничение скорости». Всё чётко и по делу. К тому же уведомляет тебя приятный женский голос — не такой надменный, как у той же Алисы. И не такой бездушный, как у Siri.

Цена Neoline G-Tech X77

Обзор проекта

Идея проекта — добавить к возможностям iOS-устройств функции штурмана, «умного видеорегистратора». Задача текущего этапа — разработать приложение-прототип, которое не только ведет запись дорожных событий, как обычный регистратор, но и распознает встречающиеся дорожные знаки, предупреждая о них водителя. Функция предупреждения важна, т. к. зачастую водители не успевают заметить знак или быстро забывают, какой последний знак или последовательность знаков они проехали.

Разрабатывая прототип, мы ограничились лишь запрещающими знаками — знаками круглой формы с красной каймой на белом фоне. В дальнейшем планируем добавить остальные знаки, реализовать постоянно пополняемую базу данных о дорогах и дорожных знаках, общую для всех устройств, использующих приложение, и многое другое.

Принцип работы приложения: видеокамера телефона захватывает видеопоток с разрешением 1920×1080, полученные кадры анализируются и распознаются, когда знак распознан, запускается определенное событие: подать предупреждающий сигнал водителю, добавить информацию в базу данных о дорогах и т. д.

Задачу можно условно разбить на два этапа:

  • Цветовая сегментация изображения
  • Распознавание знака

Осуществление атаки: преимущества для хакера

Спуфинг нейронной сети автомобиля:

  1. Можно осуществить незаметно для человека.
  2. Невозможно обнаружить классическими мерами информационной безопасности.
  3. Дёшево и легко реализовать.
  4. Применим к устаревшим системам компьютерного зрения.
  5. Чёрный ящик. Не требует «исходного кода» (хотя был бы эффективней при наличии).

ПРОВЕРКА НА ДОРОГАХ

БМВ разочаровывает в первые минуты: знаки «80» на правой обочине широких московских магистралей он замечает редко. «Опель» чуть внимательнее. Но чувствуется, что для систем эти условия нештатные: на столь широкой дороге нужно дублировать информацию на растяжках, верхней рампе или разделительном барьере.

За городом помощники заработали увереннее: отвлекающей информации меньше, а знаки гораздо ближе. Однако и в этом горшочке меда не обошлось без дегтя. «Опель» чувствителен к ориентации знака. Если тот чуть наклонен или развернут, камера пропускает его. У БМВ свои причуды. В штатной навигации «баварца» зашиты ограничения скорости для всех дорог. Если сканер не видит придорожных знаков, компьютер опирается на данные дорожных карт. Но лучше бы он этого не делал! Электронный Сусанин не всегда четко отслеживает границы населенных пунктов, переключая лимиты «60» и «90». А иной раз высвечивает совершенно необъяснимые ограничения в 50 или 70 км/ч, причем смена происходит в лесу или чистом поле. Система «Опель ай» лишена привязки к навигации, отслеживает только реальную придорожную информацию, а потому и дезинформирует водителя реже.

HDR

Предыдущие видеорегистраторы Neoline могли похвастаться лишь WDR (широкий динамический диапазон), который работал неплохо — выравнивал баланс белого в зависимости от погоды, освещения и т. д. Однако противостоять яркому солнцу WDR всё же не мог. С HDR ситуация кардинально меняется. Просто оцените примеры ниже.

CPL-фильтр в комплекте и в теории он защищает от бликов на стеклах других автомобилей и прочих неприятностей. Однако, на мой вкус, особой погоды он не делает. А вот зашитый в систему расширенный динамический диапазон — очень полезная опция, особенно в свете неминуемо приближающегося лета.

Комплектация Neoline G-Tech X77

Третий глаз

Работая в качестве «третьего глаза», Мобилай, в отличие от водителя, никогда не отвлекается и всегда смотрит на дорогу. Используя уникальные алгоритмы Мобилай вычесляет потенциально опасные ситуации и заблоговременно предупреждает водителя, предоставляя ему достаточно времени для манёвра.

Мобилай даёт вам время для манёвра

Предупреждает водителя до потенциального столкновения за

2.5 секунды

Качество записи

Помимо прочего, в G-Tech X77 появилась новая настройка качества записи — Full HD 60 кадров в секунду. Предыдущие модели могли похвастаться записью 60 кадров при разрешении только 720p, не более. В X77 удалось реализовать полноценное 1080p-качество, хотя на деле его заметить не просто.

Не знаю, в чём тут дело, но более плавной картинки я не заметил. Возможно система добавляет виртуальные фреймы и удвоение кадров заметно лишь в настройках файлов. Но на деле видеоролики не отличаются от обычных, снятых в формате FHD и 30 кадр/с. Так что про эту настройку можно забыть.

А вот режим Full HD MAX игнорировать не стоит. С ним качестве действительно становится чуточку лучше. Я выбрал его по умолчанию.

Этап 1. Цветовая сегментация изображения

Уникальной характеристикой запрещающих знаков является круг с преобладанием белого цвета и красным контуром, позволяющий идентифицировать эти знаки на изображениях. После того, как мы получили кадр с камеры в формате RGB, мы вырезаем изображение размером 512 на 512 (Рис. 1) и выделяем на нем красный и белый цвета, отбрасывая все остальные.

Для цветовой локализации — определения элементов конкретного цвета — формат RGB очень неудобен, потому что чистый красный цвет в природе встречается очень редко, но почти всегда идет с примесями других цветов. Кроме того, цвет изменяет оттенок и яркость в зависимости от освещения. Так, например, на восходе и закате солнца все предметы приобретаю красный оттенок; сумерки и полумрак тоже дают свои оттенки.

Рис. 1. Изображение в формате RGB размером 512 х 512, поступающее на вход алгоритма.

Тем не менее, сначала мы попробовали решить задачу, используя исходный RGB-формат. Чтобы выделить красный цвет, мы устанавливали верхний и нижний пороги: R > 0,7, а G и B < 0,2. Но модель оказалась не очень удобной, т.к. значения цветовых каналов сильно зависели от освещенности и времени суток. Например, значения каналов RGB красного цвета в солнечный и пасмурный дни сильно отличаются.

Поэтому модель RGB мы перевели в цветовую модель HSV/B, в которой координатами цвета являются: цветовой тон (Hue), насыщенность (Saturation) и яркость (Value / Brightness).

Модель HSV/B обычно представляют цветовым цилиндром (Рис. 2). Она удобна тем, что оттенки цвета в ней являются лишь инвариантами различных типов освещения и теней, что естественным образом упрощает задачу выделения необходимого цвета на изображении вне зависимости от условий, таких как время суток, погода, тень, расположение солнца и др.

Код шейдера для перехода от RGB к HSV/B:

varying highp vec2 textureCoordinate;precision highp float;uniform sampler2D Source;void main(){ vec4 RGB = texture2D(Source, textureCoordinate); vec3 HSV = vec3(0); float M = min(RGB.r, min(RGB.g, RGB.b)); HSV.z = max(RGB.r, max(RGB.g, RGB.b)); float C = HSV.z — M; if (C != 0.0) { HSV.y = C / HSV.z; vec3 D = vec3((((HSV.z — RGB) / 6.0) + (C / 2.0)) / C); if (RGB.r == HSV.z) HSV.x = D.b — D.g; else if (RGB.g == HSV.z) HSV.x = (1.0/3.0) + D.r — D.b; else if (RGB.b == HSV.z) HSV.x = (2.0/3.0) + D.g — D.r; if ( HSV.x < 0.0 ) { HSV.x += 1.0; } if ( HSV.x > 1.0 ) { HSV.x -= 1.0; } } gl_FragColor = vec4(HSV, 1);}


Рис. 2
. Цветовой цилиндр HSV/B.

Для выделения красного цвета мы строим три пересекающиеся плоскости, которые образуют область в цветовом цилиндре HSV/B, соответствующую красному цвету. Задача выделения белого цвета является более простой, т.к. белый цвет расположен в центральной части цилиндра и нам достаточно указать порог по радиусу (ось S) и высоте (ось V) цилиндра, которые образуют область, соответствующую белому цвету.

Код шейдера, выполняющий эту операцию:

varying highp vec2 textureCoordinate;precision highp float;uniform sampler2D Source;//parameters that define planeconst float v12_1 = 0.7500;const float s21_1 = 0.2800;const float sv_1 = -0.3700;const float v12_2 = 0.1400;const float s21_2 = 0.6000;const float sv_2 = -0.2060;const float v12_w1 = -0.6;const float s21_w1 = 0.07;const float sv_w1 = 0.0260;const float v12_w2 = -0.3;const float s21_w2 = 0.0900;const float sv_w2 = -0.0090;void main(){ vec4 valueHSV = texture2D(Source, textureCoordinate); float H = valueHSV.r; float S = valueHSV.g; float V = valueHSV.b; bool fR=(((H>=0.75 && -0.81*H-0.225*S+0.8325 <= 0.0) || (H <= 0.045 && -0.81*H+0.045*V-0.0045 >= 0.0)) && (v12_1*S + s21_1*V + sv_1 >= 0.0 && v12_2*S + s21_2*V + sv_2 >= 0.0)); float R = float(fR); float B = float(!fR && v12_w1*S + s21_w1*V + sv_w1 >= 0.0 && v12_w2*S + s21_w2*V + sv_w2 >= 0.0); gl_FragColor = vec4(R, 0.0, B, 1.0);}

Результат работы шейдера, выделяющего красный и белый цвет на изображении 512 х 512, приведен на Рис. 2. Однако, как показали вычислительные эксперименты, для дальнейшей работы полезно понижать разрешение изображения до 256 на 256, т.к. это повышает производительность и практически не влияет на качество локализации знаков.

Рис. 3. Красно-белое изображение.

Поиск окружностей на изображении

Большинство методов поиска окружностей работают с бинарными изображениями. Поэтому, полученное на предыдущем шаге красно-белое изображение нужно преобразовать в бинарный вид. В нашей работе мы опирались на то, что на запрещающих знаках белый цвет фона граничит с красным контуром знака, и разработали алгоритм для шейдера, который ищет такие границы на красно-белом изображении и отмечает граничные пиксели как 1, а не граничные — 0.

Работа алгоритма заключается в следующем:

  • сканируются соседние пиксели каждого красного пикселя изображения;
  • если находится хоть один пиксел белого цвета, то исходный красный пиксел помечается как граничный.

Таким образом, у нас получается черно-белое изображение (256 х 256), в котором фон залит черным цветом, а предполагаемые окружности — белым (Рис. 4а).

Рис. 4а. Бинарное изображение, отображающее границы красного и белого цветов.

Для уменьшения количества ложных точек полезно применить морфологию (Рис. 4б).

Рис. 4б. То же изображение, но после применения морфологии.

Далее, на полученном бинарном изображении необходимо найти окружности. Сначала, мы решили использовать метод Хаффа для поиска окружностей (Hough Circles Transform), реализованный на CPU в библиотеке OpenCV. К сожалению, как показали вычислительные эксперименты, данный метод слишком нагружает CPU и снижает производительность до неприемлемого уровня.

Логичным выходом из данной ситуации служил бы перенос алгоритма на шейдеры GPU, однако, как и другие методы поиска окружностей на изображениях, метод Хаффа плохо соответствует парадигме шейдеров (shader-approach). Таким образом, нам пришлось обратиться к более экзотическому методу поисков окружностей — методу быстрого поиск кругов при помощи градиентных пар (Fast Circle Detection Using Gradient Pair Vectors) [1], который показывает более высокую производительность на CPU.

Основные этапы данного метода следующие:

1. Для каждого пикселя бинарного изображения определяется вектор, характеризующий направление градиента яркости в данной точке. Данные вычисления выполняет шейдер, реализующий оператор Собеля (Sobel operator):

varying highp vec2 textureCoordinate;precision highp float;uniform sampler2D Source;uniform float Offset;void main(){ vec4 center = texture2D(Source, textureCoordinate); vec4 NE = texture2D(Source, textureCoordinate + vec2(Offset, Offset)); vec4 SW = texture2D(Source, textureCoordinate + vec2(-Offset, -Offset)); vec4 NW = texture2D(Source, textureCoordinate + vec2(-Offset, Offset)); vec4 SE = texture2D(Source, textureCoordinate + vec2(Offset, -Offset)); vec4 S = texture2D(Source, textureCoordinate + vec2(0, -Offset)); vec4 N = texture2D(Source, textureCoordinate + vec2(0, Offset)); vec4 E = texture2D(Source, textureCoordinate + vec2(Offset, 0)); vec4 W = texture2D(Source, textureCoordinate + vec2(-Offset, 0)); vec2 gradient; gradient.x = NE.r + 2.0*E.r + SE.r — NW.r — 2.0*W.r — SW.r; gradient.y = SW.r + 2.0*S.r + SE.r — NW.r — 2.0*N.r — NE.r; float gradMagnitude = length(gradient); float gradX = (gradient.x+4.0)/255.0; float gradY = (gradient.y+4.0)/255.0; gl_FragColor = vec4(gradMagnitude, gradX, gradY, 1.0);}

Все ненулевые векторы группируются по направлениям. В силу дискретности бинарного изображения всего получается 48 направлений, т. е. 48 групп.

2. В группах ищутся пары противоположно направленных векторов V1 и V2, например, 45 градусов и 225. Для каждой найденной пары проверяются условия (Рис. 5):

  • угол бета меньше некоторого порога
  • расстояние между точками P1 и P2 меньше заданного максимального диаметра окружности и больше минимального.

Если данные условия выполняются, то считается, что точка С, являющаяся серединой отрезка P1P2, является предполагаемым центром окружности. Далее эта точка C помещается, в так называемый, аккумулятор.

3. Аккумулятор представляет собой трехмерный массив размером 256 x 256 x 80. Первые два измерения (256 x 256 — высота и ширина бинарного изображения) соответствуют предполагаемым центрам окружностей, а третье измерение (80) представляет возможные радиусы окружностей (максимальный — 80 пикселей). Таким образом, каждая градиентная пара накапливает отклик в некоторой точке, соответствующей предполагаемому центру окружности с некоторым радиусом.


Рис. 5. Пара векторов V1-V2 и предполагаемый центр окружности C.

4. Далее, в аккумуляторе ищутся центры, в которых дали отклик как минимум 4 пары векторов с различными направлениями, например, пары 0 и 180, 45 и 225, 90 и 270, 135 и 315. Близкие друг к другу центры объединяются. Если в одной точке аккумулятора найдено несколько центров окружностей с разными радиусами, то эти центры также объединяются и берется максимальный радиус.

Результат работы алгоритма поиска окружностей показан на Рис. 6.

Рис. 6. Локализованные окружности, соответствующие двум запрещающим знакам.

Дисплей

Всё происходящее на дороге дублируется на экране — 2-дюймовой IPS-матрице. Последнее означает адекватные углы обзора, даже с места водителя всё хорошо видно. Про разрешения нигде нет ни слова, однако и так понятно, что оно невысокое. Впрочем, это не недостаток — для видеорегистратора важно само наличие дисплея, углы обзора и возможность тут же просмотреть отснятый материал. Остальное сугубо вторично.

Осуществление атаки: трудности

Искажение изображения должно быть:

  1. Довольно сильным: условия, такие как разные точки обзора, расстояние, освещение, преграждение и так далее.
  2. Незначительным и воспринимаемым человеком как нечто натуральное, например, износ, грязь, «случайный» вандализм.

Два условия явно противоречат друг другу, что затрудняет реализацию.

Обмануть автомобиль: спуфинг дорожных знаков и Deep Learning Спуфинг дорожных знаков – грязный для невооружённого глаза, вредоносный для автомобиля

Атака

В основе лежит несколько научно-исследовательских работ, среди которых  DARTS (Deceiving Autonomous Cars with Toxic Signs). Мы построили состязательную фабрику, которая выпускает реальные знаки.

Конвейер фабрики состоит из трёх фаз, а именно: File-to-file, TV-in-the-loop и Real world. Конвейер включает случайные преобразования, согласованные с эффектами реального мира.

Обмануть автомобиль: спуфинг дорожных знаков и Deep Learning Знаки для атаки: цветной против монохрома – какой менее незаметен?

File-to-file

Атакуем наш собственный классификатор, получая высокую вероятность успеха. На этой фазе алгоритм работает на уровне файлов, вне реального мира.

Обманули автомобиль: спуфинг дорожных знаков и Deep Learning

TV-in-the-loop

Вводим варианты реального мира, показываем камере состязательные знаки по ТВ и атакуем собственный классификатор. Использование ТВ позволило нам ввести преобразования реального мира, такие как наклон, яркий свет и другие. Сетап запускался с повторениями и ручным изменением ориентации и освещения для оценки атак в контролируемой среде.

Обмануть автомобиль: спуфинг дорожных знаков и Deep Learning Конвейер TV-in-the-loop

Физические изменения были определены установкой относительных углов между камерой и ТВ, а также проверкой условий освещения. Шанс успеха измерялся в процентах от углов обзора, в которых состязательным знакам удавалось обмануть классификатор. Эта техника позволила масштабировать процесс создания состязательных знаков с помощью оценки тысяч конфигураций, как в окружении симулятора реального мира.

Самые эффективные состязательные знаки смогли обмануть классификатор более чем в 90% от всех углов обзора и условий освещения.

Обмануть автомобиль: спуфинг дорожных знаков и Deep Learning Фаза TV-In-the-loop. Захват изображения знака 80 км/ч после спуфинга

Реальный мир, реальная машина, реальный классификатор

На последней фазе мы распечатали самые успешные знаки в реальном размере и на материале дорожных знаков. Так как тип нашей атаки – это чёрный ящик, мы можем определить только эффективность распечаток на данной стадии. Выполняя роль атакующего, мы можем выбрать знак для атаки. Конечно, мы выберем знаки, которые лучше всех прошли фазу TV-in-the-loop.

Со всем этим мы пошли в аренду авто и взяли машину с системой камерного распознавания. В самой машине не было ничего необычного: обычный компактный седан. Если не брать во внимание то, что это первый автомобиль, когда-либо атакованный состязательными знаками.

Последовательность эксперимента

  • 14 поддельных знаков.
  • 14 нормальных знаков.
  • Повторение поездок с нормальными и состязательными знаками.
  • Повторение – днём, утром и вечером.
  • Шесть знаков успешно обманули систему распознавания утром, днём и вечером.
  • Четыре вызвали DoS – периодическое «зависание» системы в течение минуты. Этот неожиданный результат нас удивил, и мы считаем это успешной атакой.

Обмануть автомобиль: спуфинг дорожных знаков и Deep Learning SMART Range, Sde Teiman, Be’er Sheva, Israel

Обмануть автомобиль: спуфинг дорожных знаков и Deep Learning

Обмануть автомобиль: спуфинг дорожных знаков и Deep Learning Команда HARMAN устанавливает тестовый трек в SMART Range, IsraelКак обмануть авто: спуфинг дорожных знаков и Deep Learning Состязательный знак в 100 км/ч успешно классифицирован как 120км/ч.

  • Атаки дешёвые и легко изготавливаемые.
  • Современные автомобили более уязвимы, чем вы могли бы подумать.
  • Эксперименты с реальной машиной подтверждают уязвимость системы распознавания.
  • Необходимы – навыки Data scientist, GPU, данные и опыт обучения нейронных сетей.

6 основных функций

1.

Предупреждение о возможном наезде на пешехода или велосипедиста

2.

Предупреждение столкновения с впередиидущим ТС (включая мотоциклы)

3.

Оповещение в случае непреднамеренного съезда с полосы движения

4.

Контроль безопасной дистанции до впередиидущего ТС

5.

Распознавание дорожных знаков, информирование о превышении разрешенной скорости

6.

Интеллектуальное управление дальним светом

IDSIA: сеть-классификатор

Вдохновленный работой Moodstocks и оригинальной

статьей

от IDSIA Swiss AI Group, в которой они использовали ансамбль из CNN, чтобы улучшить ранее достигнутое качество модели, я взял общую идею архитектуры одной сети из ансамбля и реализовал его в TensorFlow самостоятельно. Получившаяся структура классификатора выглядит следующим образом:

  • Слой 1: Convolutional (batch normalization, relu, dropout). Kernel : 7×7, 100 фильтров. На вход: 32x32x1 (В наборе из 256). На выходе: 32x32x100.
  • Слой 2: Max Pooling. На вход: 32x32x100. На выходе: 16x16x100.
  • Слой 3: Convolutional (batch normalization, relu, dropout). Kernel : 5×5, 150 фильтров. На вход: 16x16x100 (in a batch of 256). На выходе: 16x16x150.
  • Слой 4: Max Pooling. На вход: 16x16x150. На выходе: 8x8x150.
  • Слой 5: Convolutional (batch normalization, relu, dropout). Kernel : 5×5, 250 фильтров. На вход: 16x16x100 (в наборе из 256). На выходе: 16x16x150.
  • Слой 6: Max Pooling. На вход: 8x8x250. На выходе: 4x4x250.
  • Слой 7: Дополнительный pooling для multiscale-фич. Kernels: 8, 4, 2 для слоев 1, 2 и 3 соответственно.
  • Слой 8: Вытягивание и конкатенация фич в вектор multiscale-фич. На входе: 2x2x100; 2x2x150; 2x2x250. На выходе: вектор фичей 400+600+1000 = 2000 для полносвязных слоев
  • Слой 9: Fully-connected (batch normalization, relu, dropout). На входе: 2000 признаков (в наборе из 256). 300 нейронов.
  • Слой 10: Logits (batch normalization). На входе: 300 признаков. На выходе: логиты (43 класса).

Все это проиллюстрировано ниже:

c157cf425160484796b158447120b836.png

Как видно, результаты функций активации каждого сверточного слоя объединяются в один вектор, который уже и подается полносвязным слоям. Это пример

multiscale-фич

, которые дополнительно улучшают качество классификатора.

На вход

conv1

подается преобразованное STN изображение, как мы и обсуждали ранее.

Полезные мелочи

Держатель с GPS-приёмником крепится на стекло за счёт 3M-скотча. Она очень крепко держится на стекле. Однако в комплекте есть ещё одна полоска на всякий пожарный случай.

Мне очень нравится магнитное крепление у всех видеорегистраторов серии G-Tech X. Чтобы снять регистратор, нужно всего лишь потянуть его с небольшим усилием на себя — достаточно даже одной руки. А развернуть регистратор объективом в салон нельзя. В таком случае питание прерывается, девайс попросту не работает.

Распаковка Neoline G-Tech X77

Дата, время, госномер, координаты с широтой и долготой — всё это фиксируется прямо поверх видео, достаточно лишь один раз настроить и забыть. Таким образом, Neoline G-Tech X77 можно запросто использовать в качестве доказательной базы в суде. Главное — не выкидывать коробку и сопроводительную документации — всё это может пригодиться в судебном процессе, если дело дойдёт.

Введённые ранее данные и актуальные настройки никуда не пропадут, даже если снять регистратор и унести с собой домой на несколько недель. Это особенно актуально для лютых морозов в зимний период или во избежание перегрева девайса на солнце. У G-Tech X77 есть встроенный суперконденсатор — это своеобразная замена аккумулятора, только стабильнее, по крайней мере, так утверждают в Neoline. Без прямого подключения к бортовой сети автомобиля или к павербанку девайс, разумеется, не работает. Однако для сохранения настроек суперконденсатора более чем достаточно.

Отзывы о видеорегистраторе Neoline G-Tech X77

Neoline G-Tech X77 умеет следить за автомобилем в режиме парковки. Даже при выключенном двигателе встроенный акселерометр будет отслеживать перемещение автомобиля или толчки. А объектив отслеживает движение спереди. В обоих случаях девайс начинает экстренную запись. Такого рода видео помещаются в особую защищённую папку на флешке, откуда файлы можно удалить лишь при полном форматировании. Кстати, начать экстренную запись можно и вручную. Для этого на левом торце есть большая физическая кнопка.

Режим парковки активируется через меню и работает при подключении регистратора напрямую к блоку предохранителей авто. Для этого нужно докупать специальный аксессуар Neoline Fuse Cord X7 за 990 рублей. Важно помнить, что в таком режиме девайс активно расходует аккумулятор машины, поэтому он должен быть качественный и не изношенный, с отличным уровнем заряда.

Видеорегистратор Neoline G-Tech X77

Как работает система?

Что касается самого принципа работы, то здесь нет ничего сложного. Основным является камера, которая устанавливается на лобовое стекло. Она снимает весь путь водителя, в любое время года и суток. Камера крепится на стороне пассажира и сверху от водителя. Расположение может варьироваться в зависимости от особенностей дорожного движения. Камера способна распознавать пассажиров, что довольно удобно.

Полученная информация передается на центральный блок транспортного средства. Далее действия варьируются в зависимости от поколения. Если у водителя имеется только первое поколение, то происходит сравнение с базой и выдача знака на дисплей. Если второе поколение, то помимо выдачи знака и сравнения с базой данной водитель получает полную информацию о возможном нарушении. При таком подходе можно сразу понять, придется ли тратить деньги на штраф или нет.

Специалисты отмечают, что современная система распознавания знаков запоминает сразу несколько действий. Дело в том, что в настоящее время существует большое количество знаков с продолжительным действием. Если подобное не учитывать, то возникнет масса неприятностей.

Многие говорят, что следующее поколение системы получит возможность не только считывать знаки, но и использовать правило дорожного движения, давать рекомендации в некоторых ситуациях. Подобное понадобится новичкам, кто только сел за руль транспортного средства.

Вывод

Система распознавания знаков пользуется большой популярностью. Она облегчает жизнь водителей, позволяет предотвращать неприятные ситуации.

05.11.2017

Одобрен и рекомендован

Страховые компании по всему миру признают эффективность работы системы Мобилай и предоставляют специальные условия и скидки на страхование автомобилей. Уточняйте информацию в своей страховой компании.

Предписывающие знаки

Предписывающие дорожные знаки являются противоположностью рассмотренных выше запрещающих знаков. Предписывающие знаки позволяют выполнять только определенные действия только определенным участникам дорожного движения.

Например, дорожный знак «велосипедная дорожка» разрешает движение только велосипедистов:

За нарушение требований предписывающих знаков могут накладываться различные штрафы.

Например, за выезд на пешеходную дорожку водитель получит штраф в размере 2 000 рублей (часть 2 статьи 12.15 КоАП).

Предписывающие знаки 4.1 — 4.2Предписывающие знаки 4.3 — 4.8

Характеристики Neoline G-Tech X77

  • запись видео при разрешении 1920 x 1080 точек, 30 или 60 кадр/с
  • угол захвата 140°
  • IPS-экран 2 дюйма, не сенсорный
  • поддержка карт памяти Micro SD (теперь до 256 ГБ)
  • суперконденсатор для автономного питания (см. обзор)
  • подключение Micro USB
  • GPS-модуль в креплении на стекло
  • датчики: акселерометр
  • режимы: HDR, ночная съёмка, интервальная или непрерывная (циклическая) запись
  • температура работы / хранения -10˚ / -20˚ до +60˚ / +70˚
  • питание: 5 В, 1,5 А (в штекере есть порт USB для аксессуаров или зарядки смартфона)
  • габариты: 74 x 42 x 35 мм / 93 грамма

Ведущие автомобильные бренды используют системы Mobileye

Mobileye® является технологическим лидером в области инновационной технологии восприятия и обработки изображений для автомобильных приложений.

Более 20 лет, вкладывая средства в обширные исследования и разработки, Mobileye обладает беспрецедентным опытом и фундаментальным пониманием различных проблем, с которыми сталкиваются водители на дороге. Этот непревзойденный опыт сделал Mobileye признанным мировым лидером в интеллектуальных системах предотвращения аварий.

Mobileye является поставщиком технологий предотвращения столкновений для большинства ведущих мировых производителей автомобилей.

На сегодняшний день технология Мобилай установлена в более 35 миллионах автомобилей. 27 мировых автопроизводителей предлагают более 350 различных моделей с технологией Мобилай. Системы Мобилай также устанавливаются на любые, уже эксплуатируемые автомобили в качестве дополнительного оборудования и помогает миллионам водителей и тысячам автопарков сохранять высокий уровень безопасности и значительно уменьшать количество аварийных ситуаций, которые могли бы привести к ДТП.

Документы Google

Документы Google

Для тех, кто уже знаком с документами Google, можно использовать OCR, встроенный в Google Drive. Для достижения наилучших результатов шрифт должен быть установлен на Arial или Times New Roman. Можно улучшить результат, убедившись, что сканированное изображение имеет равномерное освещение и четкую контрастность. Фотоматериалы могут обрабатываться индивидуально в файлах: jpg, png, gif или в многостраничных документах PDF. Расширение поддерживает большинство языков.

У Google есть много обучающих программ и возможностей облачной обработки. Многие пользователи считают, что у сервиса нет достаточно продвинутых функций и опций. Тем не менее, если используется приложение Google Drive для Android, можно сканировать страницы прямо из приложения, используя камеру на смартфоне. В противном случае загружают документы с помощью сканера, подключенного к компьютеру, или любым другим способом, чтобы начать обработку распознавания в Google Диске. Для физических лиц на Google Диске предлагается бесплатный уровень хранения около 19 ГБ с возможностью расширения до 100 ГБ через Google One за 1,99 долл. США.

Записаться на тестирование

Пожалуйста, заполните форму — и мы с удовольствием свяжемся с вами в ближайшее время.

Для юридических лиц и автопарков

Если Вы заинтересованы внедрить систему Мобилай в Вашем автопарке, желаете протестировать и проверить ее эффективность, мы предлагаем Вам провести пилот-аудит/доказательство концепта, установив систему на небольшом количестве Ваших корпоративных машин. Используя Мобилай в качестве измерительного инструмента, используя собранную статистику, мы сможем продемонстрировать эффективность системы именно на вашем автопарке и на основе результатов пилота, подсчитать срок окупаемости системы, а также показать дальнейшую прибыль и выгоду от её использования.

Для физических лиц

Если Вы заинтересовались системой Мобилай, думаете приобрести ее и желаете лично проверить, как она работает в живом потоке, мы предлагаем Вам заказать тест-драйв, заполнив короткую форму заявки.

Более подробную информацию о системе Мобилай вы можете получить на сайте www.mobile-eye.ru

Перейти на сайт

© Mobileye Vision Technologies Ltd. Все права защищены. Полное или частичное воспроизведение материалов без предварительного письменного разрешения запрещено.
Mobileye®, SeeQ®, EyeQ®, Mobileye AWS®, Mobileye Shield+ TM, Our Vision. Your Safety.™ и логотипы (M, Mobileye, M Mobileye) являются зарегистрированными торговыми марками или торговыми марками компании Mobileye Vision Technologies Ltd. в США и/или других странах. www.mobileye.com. Технические характеристики могут изменяться без предварительного уведомления.

Часы работы:
Понедельник – пятница
с 10:00 до 19:00

+7 (495) 775-24-24

108811, г. Москва, п. Московский, д. Румянцево, стр.1 Бизнес-парк «Румянцево»

[email protected] (подача заявок от незарегистрированных пользователей)

Система учёта заявок

Вход в систему учёта заявок для наших клиентов.

Наши специалисты свяжутся с вами в ближайшее время.

К сожалению, при отправке сообщения произошла ошибка. Пожалуйста, попробуйте позже.

Обнаружение линий преобразования Хафа

Преобразование Хафа — способ извлечения линии из изображения. Это можно сделать, представив линии в виде параметризованных точек, а точки — в виде линий/синусоид (в зависимости от декартовой/полярной систем координат). Если несколько линий или синусоид пересекаются друг с другом в одной точке, мы можем сделать вывод, что они относятся к одной линии на изображении.

После обнаружения линий Хафа в области интереса мы отрисовываем их на оригинальных снимках.

Контроль физического состояния водителя

Driver Attention Alert позволяет определять, насколько сильно устал человек, управляющий машиной. Если человек, управляющий авто, заснул, система постарается разбудить его громким звуком, если прилагаемые водителем усилия для вращения руля и нажатия педалей стали слишком слабыми, устройство предложит сделать остановку для отдыха.

Nissan не останавливается на достигнутом, продолжая работать над модернизацией существующей технологии: в настоящее время инженеры пытаются научить электронику анализировать мимику водителя.

Система Driver Attention Alert

Популярное ПО для мобильных устройств

OCR отлично подходит для переноса текста из физических источников непосредственно в цифровой документ. Существуют различные типы программ и приложений для настольных и мобильных устройств. Они различны по цене и имеют свои ключевые отличительные функции.

Наиболее популярные «Андроид»-сканеры:

  1. Office Lens — обеспечивает сканирование страниц и OCR для Android-пользователей бесплатно. Для конвертации необходимо подключение к интернету.
  2. Сканеры PDF (например, ABBYY TextGrabber, CamScanner, MDScan, OCR Instantly) — выполняют сканирование с последующим OCR. В ПО нет ограничений на количество отсканированных страниц и отсутствуют водяные знаки.
  3. Онлайн OCR. Его можно найти в Интернете, сервис очень прост и удобен в использовании. Отличительной чертой является то, что он поддерживает 46 языков, выходной документ весит не более 5 МБ, его легко преобразовать в Microsoft Word, Excel или обычный текстовый формат. После регистрации можно конвертировать многостраничные PDF, RTF, Excel и файлы размером до 100 МБ. Для больших объемов распознавания есть платная версия.

Мониторинг «слепых» зон

Blind Spot Warning является опцией, повышающей безопасность при перемещении по дорогам с большим числом полос.

Агрегат работает в паре с камерами обзора: если рядом с кроссовером находится транспортное средство, рядом с боковым зеркалом загорается световой сигнал, давая водителю еще до начала совершения маневра понять, что сбоку едет машина. Если же водитель всё равно начинает перестроение, световое мигание становится более активным, в дополнение к этому включается звуковое оповещение.

Система Blind Spot Warning

Рейтинг
( 1 оценка, среднее 5 из 5 )
Загрузка ...