Решение для контроля качества вождения на основе машинного зрения и нейросети

Цель проекта:

В нашу компанию обратился стартап, который планирует начать продавать страховки в зависимости от стиля вождения водителя. Подобная система уже запущена у Tesla.

Реализация данного проекта позволит для страховой компании повысить качество оценки водителя при выдаче страхового полиса и улучшить прогнозирование наступления страхового случая. Для клиента - это возможность снизить стоимость полиса и перейти на новую схему оплаты по факту вождения автомобиля. Если ранее страховка приобреталась на год и только после этого можно было управлять автомобилем, то по новой схеме стоимость страхового полиса формируется в момент вождения и оплачивается по факту.

Задачи проекта:

С нашей стороны требовалась разработка технической части проекта. Вместе с Заказчиком, были определены задачи, которые должна решать система оценки качества вождения водителя. Они были поделены на два основных блока.

Оценка качества вождения водителя:

• Фиксировать количество резких торможений и "агрессивных" поворотов
• Контролировать и фиксировать соблюдение безопасного интервала до движущейся впереди машины
• Контролировать соблюдение ПДД (проезд на красный свет; превышение разрешенной скорости движения; пропуск пешехода на пешеходном переходе; фиксировать другие нарушения правил дорожного движения)

Оценка поведения самого водителя за рулем:

• Наличие признаков у водителя алкогольного или наркотического опьянения, неадекватного или "болезненного" состояния
• Оценка усталости водителя за рулем (например, закрытие глаз на продолжительный промежуток времени во время движения автомобиля и т.п.)

Разработка пилотной системы оценки качества вождения водителя.

В ходе работ над проектом команда разработки собрала датасет для обучения нейросети. Использованы сотни тысяч фотоматериалов, которые легли в основу обучения алгоритма.

Возможности обученной нейросети:

• Распознавание участников дорожного движения (виды транспорта: автомобиль, грузовик, автобус, мотоцикл, велосипед);
• Определение дистанции до объектов на дороге;
• Распознавание сигналов светофора и дорожных знаков;
• Отслеживание нарушений правил дорожного движения (проезд на красный свет; превышение разрешенной скорости движения; контроль соблюдения безопасной дистанции; распознавание резкого ускорения/торможения; и другие правила дорожного движения).