Охрана труда

Применение нейронных сетей в охране труда

Охрана труда, безопасность на производствах и объектная видеоаналитика, что общего, и какие потенциальные точки пересечения существуют у этих совершенно разных направлений? Ответ прост - возможности видеоаналитики в сфере контроля соблюдения установленных правил, а также автоматизации производственных и иных процессов предприятий.

Компания ComBox Technology – системный интегратор в области информационных технологий, систем видеонаблюдения, видеофиксации и распознавания на базе нейронных сетей. Мы предлагаем полный комплекс услуг по разработке созданию, обучению и внедрению нейронных сетей в промышленную эксплуатацию в сегментах B2B/B2G. Нами накоплен уникальный опыт работы с видеоданными и их обработкой. В портфеле компании 10 патентов на аппаратные устройства и программные решения в сфере объектной видеоаналитики.

Некоторые кейсы:

• ASUS/AAEON, детекция курения в сервисах каршеринга – https://www.aaeon.com/en/ai/success-story-vpc-3350s-aicx
• РЖД, детекция состояния железнодорожных светофоров - https://habr.com/ru/post/515694/
• Intel IoT Solutions Alliance, ПАТ, ГЭТ, подсчет пассажиров в транспорте - https://habr.com/ru/company/intel/blog/514618/

В настоящее время мы производим ряд решений объектной видеоаналитики для таких сегментов, как: контроль соблюдения ПДД, автоматизация бизнес-процессов в ритейле и автомобильной сфере, автоматизация учета и контроля безопасности. Наши программные разработки успешно зарекомендовали себя по части распознавания типов, марок, моделей, номеров транспортных средств, а также в детекции людей, поз и распознавании лиц.

Интерфейс системы видеоаналитики:

Рисунок 1. Отображение данных с камер в режиме реального времени

Рисунок 2. Отображение и фильтрация списка событий по результатам детекции

Возможные варианты использования:

1. Облачный сервис на наших вычислительных мощностях. Преимуществом данного решения являются минимальные затраты на внедрение, но данные передаются из приватного контура в публичное облако (располагаемое на территории РФ). Требуется согласование относительно передачи и хранения ПД и соответствия GDPR (если применимо).
2. Приватный контур на предприятии с поставкой или использованием существующих серверных мощностей. Преимуществом является масштабируемость и максимальное кол-во обрабатываемых потоков в закрытом контуре предприятия. Недостаток – капитальные затраты на этапе внедрения.
3. Краевое решение с обработкой от 1 до 4 потоков, располагаемое в непосредственной близости от камеры. К плюсам можно отнести быструю масштабируемость решения, но данный вариант сопряжен с большим количество устройств процессинга и соответствующим распределением затрат на каждую точку учета.

Способ оказания услуги – лицензионный договор с продажей срочных или бессрочных неотчуждаемых лицензий на право использования выбранных детекторов с SLA (Service Legal Agreement). В договоре фиксируются ступенчатые критерии качества детекции, в соответствии с которыми заказчик вариативно оплачивает стоимость видеоаналитики от 100% вознаграждения за максимальное качество и до 0% за неприемлемое (ниже определенного значения).

Детектирование и распознавание поз

Одной из задач, связанных с охраной труда, является детектирование состояния сотрудников на рабочих места и оповещение внутренних служб при фиксации инцидентов. Одним из способов детекции инцидентов является распознавание поз при помощи объектной видеоаналитки. Таким образом, можно заранее формализовать список потенциально опасных поз и при их выявлении в заданной зоне (на протяжении заданного промежутка времени), формировать информационные события.

Рисунок 3. Детектор поз

Параллельно с детекцией поз могу применяться следующие детекторы:

1. Детектор вектора наклона головы
2. Детектор направления взгляда
3. Детектор людей в заданной зоне (включая траекторный анализ и удержание человека в множестве кадров)

Рисунок 4. Детектор направления взгляда человек и детектор вектора наклона головы

Описанные детекторы способствуют достижению следующих результатов на производстве:

1. Определение физического состояния сотрудников
2. Оперативная реакция на инциденты

Детектирование СИЗ и иных элементов спецодежды или носимого оборудования

Соблюдение техники безопасности и различных требований к охране труда может учитывать обязательное наличие средств индивидуальной защиты и специального оборудования у сотрудников. К примеру, на производствах можно детектировать каски, халаты, жилетки, респираторы, маски, защитные очки и многое другое.

В условиях угрозы коронавирусной инфекции возникла необходимость в ношении медицинских масок. Проверить, как работает их детектирование можно онлайн, в боте Телеграм - https://t.me/imasks_bot. Боту отправляется фотография лица человека с камеры или из галереи смартфона, а в качестве результата он возвращает вероятность наличия или отсутствия маски на лице.

Примеры:

В основе описанных выше решений стоят нейронные сети, которые обрабатывают изображения с камеры или видеопотока в режиме реального времени, детектируют и классифицируют найденный объект с определенной вероятностью.

Детектирование выполняется с множества камер видеонаблюдения, которые могут быть установлены как на КПП или зонах входа/выхода, так и в рабочей зоне производства. Реакция на событие – уведомление непосредственному руководителю, службе охраны, звуковая или световая сигнализация, в зависимости от целей и места установки.

Задачи контроля периметра

Актуальной задачей может являться разметка зон безопасности на предприятии. В качестве простого примера рассмотрим контроль периметра вокруг активного промышленного оборудования, работающего в полуавтоматическом режиме. Присутствие людей в определенных зонах при включенном оборудовании не допускается. Возможно разделение зон вокруг оборудования на 3 условных:

1. Синяя зона – сигнализация (световая и/или звуковая) при нахождении человека в зоне
2. Серая зона – изменение параметров работы оборудования и сигнализация на пульт контроля
3. Красная зона – экстренное отключение оборудования

Схожие задачи:

• Детектирование людей на железнодорожном полотне, на станциях (виртуальный забор)
• Контроль периметра для служб безопасности
• Подсчет количества рабочих в разрезе зон

Демонстрация процесса разметки и установки зон детектирования:

Видео 1. Демонстрация процесса разметки и установки зон детектирования

СКУД и КПП

Отдельно стоит выделить задачи по автоматизации зон въезда/выезда для транспортных средств (парковки, зоны разгрузки и пр.). Стандартным решением сейчас является пост охраны с выписыванием пропусков на въезд и контролем выезда.

Альтернатива – электронные пропуска и белые списки на транспортные средства. Для этого в зоне въезда на охраняемую территорию со шлагбаумом или воротами устанавливается несколько камер на въезд и выезд. По мере приближения транспортного средства происходит детектирование и распознавание номера. По факту распознавания выполняется проверка наличия пропуска в системе и последующее открытие шлагбаума, если пропуск есть в базе.

Видео 2. Демонстрация работы системы распознавания номеров и автоматизации зоны въезда ТС

Это дает строгий контроль пропуска транспортных средств на КПП и точный учет количества въехавших и размещенных на территории транспортных средств, что способствует увеличению пропускной способности въезда и выезда. Вместе с этим появляется возможность централизованного управления множеством зон въезда/выезда с доступ ко всем журналам. Актуальным является и сам факт минимизации прямых контактов сотрудников предприятий с водителями в зонах КПП.

Детектирование курения на производстве

Курение не только наносит огромный вред здоровью курильщика, но и негативно отражается на здоровье окружающих его людей. При этом, пагубная привычка способна сказываться и на рабочем процессе, так как потраченное сотрудником время на перекуры складывается, в итоге, в часы, упущенные из рабочего графика.

На сегодняшний день для выявления фактов курения используются разнообразные датчики улавливания пыли и газоанализаторы (например, CO2). Общий принцип действия этих приборов заключается в том, что датчик фиксирует изменения в окружающей среде, а управляющий микроконтроллер создает событие реакции по заданному заранее алгоритму. Очевидным недостатком является неприменимость на открытых пространствах и низкая эффективность в помещениях с высокими потолками. Большинство датчиков не реагируют на электронные курительные устройства.

Объектовая видеоаналитика с применением нейронных сетей, где входом является фото или видеопоток с камеры видеонаблюдения, а выходом – вероятность наличия в кадре или наборе кадров факта курения сигарет, вейпов или других курительных приспособлений, является более эффективной альтернативой газоанализиторам и датчикам улавливания пыли.

При низкой себестоимости аппаратно-программных комплексов, решается множество значимых и задач безопасности, таких как:

• Контроль соблюдения правил пожарной безопасности с высокой точностью и фото-фиксацией факта правонарушения (включая данные о времени, дате, месте совершения правонарушения)
• Выявление фактов правонарушений на опасных производствах и в компаниях, деятельность которых связана с применением легковоспламеняющихся и горюче-смазочных материалов
• Контроль соблюдения внутреннего режима на режимных объектах

Области применения:

Рисунок 5. Области применения детектора курения

Преимущества:

• Возможность обработки данных с множества источников в одном месте
• Возможность детектирования факта курения на расстоянии, ограниченном лишь фокусным расстоянием камеры, источника данных, например, 5, 50 или 100 м (подобные показатели невозможно получить классическими датчиками и устройствами)
• Возможность детектирования курения не только классических сигарет, но и иных курительных устройств (электронные сигареты)
• Возможность сохранения факта правонарушения (фото и метаданные события, такие как дата, время, местоположение) при курении в неположенных местах
• Возможность дооснащения существующих камер функцией детектирования факта курения и реакциями на событие

Контрольно-пропускные пункты, авторизация по лицу и бесконтактное измерение температуры тела

В ценовом сегменте до 200 т.р. хорошее решение предлагает компания UNIVIEW, а именно, терминал контроля доступа c распознаванием лиц и цифровым модулем измерения температуры бесконтактным способом, UNIVIEW OET-213H. Решение может интегрироваться в рамках существующих СКУД или устанавливаться обособленно от них:

Рисунок 6. UNIVIEW OET-213H

Способ измерения температуры – бесконтактный, по запястью на расстоянии 1-2,5 см
Диапазон измерения температур – 30-45 градусов +/- 0,5 градуса
Время, необходимое для распознавания и измерения температуры – 0,2 сек.
Расстояние до лица – 0,8-2,2 м, точность распознавания 99%+

Как выглядит процесс авторизации:

Рисунок 7. Идентификация лица с контролем температуры тела по запястью на UNIVIEW OET-213H

На приведенном примере используется определение температуры, детектирование маски (предупреждение на 3-ей фотографии) и авторизация по лицу. Слева направо:

1. Проход разрешен, маска есть, человек идентифицирован, температуры в пределах нормы
2. Проход запрещен, температура выше максимально допустимого значения
3. Проход разрешен, но выводится предупреждение об отсутствии маски на лице
4. Проход запрещен, температура выше максимально допустимого значения

Видеоаналитика и нейронные сети активно входят в нашу жизнь и позволяют автоматизировать процессы контроля и анализа данных по фото/видео в режиме реального времени. На текущем этапе развития каждый день появляются все новые и новые отраслевые решения, в том числе потенциально применимые в сфере охраны труда. В обзоре приведены далеко не все варианты существующих решений, а лишь показано направление, в котором развивается ИТ-индустрия сегодня и тот факт, что в этом направлении уже есть множество потенциально интересных и востребованных продуктов эффективно решающих актуальные задачи.