Система отслеживания движения пассажира в терминале IS-PAC

Контролировать доступ одного пассажира простая задача, совсем другое дело, когда приходить работать с потоком пассажиров.

IS-PAC (Passenger Access Control) предназначена для контроля доступа, отслеживания передвижения пассажиров в терминале, профайлинга и подсчета объема пассажиропотока.

Система IS-PAC поставляется совместно с камерами высокого разрешения, что позволяет системе с высокой точностью решать следующие основные задачи:

  • Контроль доступа пассажиров в зоны с ограниченным доступом;
  • Контроль движения пассажиров только через пункты предполетного досмотра в стерильные зоны;
  • Автоматический профайлинг поведения пассажиров;
  • Отслеживание оставленного багажа пассажиром в терминалах и на привокзальной площади;
  • Обнаружение конфликтов и драк в терминале

Профайлинг и отслеживание нестандартного поведения

Система IS-PAC анализирует типичное поведение пассажира в терминале и на основании полученных данных IS-PAC создает профили стандартного поведения, что позволяет аналитически оценить отклонение от типичной модели поведения и оперативно проинформировать оператора системы.

Система IS-PAC интегрированная с системами AODB и DCS аэропорта, что позволяет не только анализировать поведение пассажира, но и привязать к ним тэги с его персональными и полетными данными.

BHS model

Контроль доступа потока пассажиров

Контролировать доступ одного пассажира простая задача, совсем другое дело, когда приходить работать с потоком пассажиров.

Система IS-PAC запоминает расстановку рамок металодетекторов, интроскопов и бодисканеров и следит за прохождением пассажира в стерильную зону только через все предполетные формальности, информирую оператора системы о попытках нарушения стандартных процедур. Также системой IS-PAC фиксируются попытки пассажира выйти на посадку в обход агента СОПП, проверяющего посадочные талоны.

Отслеживание прохождения через автоматические турникеты

Внедрение автоматических турникетов прохождения в зоны предполетного контроля или выхода на посадку выводит на передний план задачу автоматизированного контроля за нарушениями прохождении пассажирами через турникет. Система IS-PAC позволяет автоматически следить за попытками прохода через турникет по два пассажира или попыток пройти через турникет минуя стандартную процедуру допуска по посадочному талону и оперативно информирует о таких случаях оператора системы.

Отслеживание багажа

Система IS-PAC также позволяет следить за перемещение багажа пассажира с момента его сдачи на стойке регистрации и по ходу движения в конвейерной системе. Камеры высокого разрешения устанавливаются таким образом, чтобы обнаруживать все важные события с точки зрения безопасности:

  • Сваливание багажа с ленты конвейера
  • Попытки снять багаж и нарушить технологию досмотра багажа
  • Попытки кражи багажа
  • Попытки докладывания вещей в багаж

Ситуационный центр

Данные со всех камер системы IS-PAC стекаются в серверный кластер, на котором анализируются и передаются на рабочие места операторов системы.

На экранах ситуационного центра операторами анализируются события, на которые обращает внимание система IS-PAC, после чего оператор принимает решении и информирует соответствующие службы о дальнейших действиях.

Технология анализа данных поведения пассажира

Основой технологии стал многофакторный статистический анализ непроизвольной моторики человека в сочетании с машинным обучением и включающий в себя алгоритмы компьютерного зрения. Методика оценки психоэмоционального состояния состоит из нескольких этапов.

Первичным этапом является этап анализа сцены с использованием алгоритмов компьютерного зрения, состоящий в сегментации сцены на составляющие: неподвижный фон сцены, подвижные и неподвижные объекты сцены, не являющиеся фоном, хорошо формализованные объекты, такие как фигура человека, верхняя половина туловища, голова, область лица, ноги. Важнейшим компонентом в данном этапе является алгоритм трекинга или сопровождения объекта. Обеспечение устойчивого трекинга объектов на последовательности видеокадров – технологически сложная задача, ввиду высокой информативности видеопотока как такового. Для обеспечения анализа видеоинформации в реальном времени на существующих в настоящее время вычислительных мощностях необходимо применение специальных методов оптимизации. Чтобы алгоритмически выделить необходимый для отслеживания объект и не допустить его потери в следующих видеокадрах с учетом возможного перекрытия объекта препятствиями или соседними объектами, применено ранжирование информации на значимую и незначимую математическими методами на первичных этапах анализа.

Вторым этапом является вычисление значимых параметров уже сегментированной сцены: скорости движения человека, видимых частей тела, количества неподвижных состояний за анализируемые временные интервалы, амплитуды, частоты смены позы и набор дескрипторов хорошо известных по отдельным задачам компьютерного зрения: гистограмм ориентированных градиентов, SIFT, FAST.

Многочисленные параметры, описывающие положение, позу и движения человека, подвергаются ранжированию с помощью методов машинного обучения и многомерного статистического анализа, результатом которого являются весовые коэффициенты учета этих параметров в построении конечной модели. Для реализации алгоритма принятия решения используется ансамбль нейронных сетей – набор нейросетевых моделей, принимающих решение путем усреднения результатов работы отдельных моделей. Обучение нейросетевых моделей производится с учетом взвешенной оценки комплексных параметров, полученных на предыдущих этапах.