Aplicación de REDES NEURONALES usando APRENDIZAJE AUTOMÁTICO para el reconocimiento de vídeo en directo

* Los datos pueden sufrir un retraso de 10-20″ respecto al vídeo.

Reconocimiento de vídeo en tiempo real. Mediante la aplicación de redes neuronales aplicando aprendizaje automático analizamos las imágenes de la cámara en directo para obtener información de la escena.

TOMA DE DATOS

Analizamos y procesamos en tiempo real una emisión en directo de una de las cámaras públicas del aeropuerto Internacional de Gdansk, en Polonia.

A intervalos de 10 segundo obtenemos un frame de la emisión que procesamos, lo recortamos en el área definido por el rectángulo verde del reproductor de vídeo, ya que esa es la zona que nos interesa analizar y conseguimos reducir la cantidad de información a procesar. Almacenamos y analizamos la imagen resultante con distintos modelos de aprendizaje automático para obtener la información necesaria.

«Con estas tecnologías conseguimos reconocer imágenes en tiempo real y aplicarlo a cualquier tipo de industria»

PROCESAMIENTO DE DATOS

En la fase de análisis realizamos dos tareas, un análisis en tiempo real aplicando los modelos para obtener los datos que mostramos en la web (sin almacenarlos) y que identifican por separado si hay o no un avión estacionado, además de obtener la compañía aérea, el modelo de avión y si están o no los vehículos de carga de combustible y de gestión de equipajes. 

Estos análisis los realizamos mediante dos sistemas de reconocimiento distintos, por un lado aplicamos unos modelos de aprendizaje automático programados y entrenados por nosotros (modelos y scripts propios) y en paralelo realizamos la misma tarea mediante Cloud Auto ML (un paquete de productos que permite crear modelos personalizados fácilmente). Con este doble procesado aumentamos la fiabilidad de los resultados por comparación, y mejoramos los procesos de entrenamiento de los modelos y scripts propios.

Además del procesado en tiempo real, almacenamos todas las imágenes recogidas para hacer un nuevo procesado completo por la noche. Esto es útil ya que dependiendo del proyecto al que se le apliquen estas tecnologías, no siempre será necesario obtener datos en tiempo real, y en este caso, los datos procesados en lote los almacenamos en Big Query para un análisis posterior obteniendo distintos indicadores.

El Aprendizaje automático es una rama de la inteligencia artificial que se centra en el desarrollo de técnicas que permiten a las máquinas aprender por sí mismas, a partir de los datos que se le suministran

EXPLOTACIÓN DE DATOS

Con los datos almacenados anteriormente obtenemos distintos indicadores y datos estadísticos como por ejemplo los tiempos medios de estacionamiento por compañía, tiempos de repostaje, número de vuelos diarios estacionados, etc… lo que nos permite mostrar un ejemplo de la explotación de datos que podría hacerse con el análisis realizado sobre el vídeo.

Beneficios Cloud

  • Reduce la carga operativa de los servicios gestionados
  • Autoescalado para grandes volúmenes de carga
  • Autoapagado de instancias en horas sin ejecución

Recursos originales

Ejemplos

  • Machine Learning
  • Artificial Intelligence
  • Video Recognition
  • Process Automation
  • Cloud Computing
  • Industrial Processes

Arquitectura del proyecto

Tecnologías y lenguajes utilizados