Оставленные предметы 

Чаще употребляется как ДОП-детектор
или детектор оставленных предметов

В донейросетевую эпоху эту задачу решал (а вернее сказать, делал видимость решения) детектор фона. Устойчивое изменение фона в какой-то части кадра определялось как появившийся или исчезнувший (у программы не было мозгов понять) предмет. На демонстрациях это работало красиво, но в реальности остановившийся человек мог стать предметом, или даже его нога, или появившийся в луже блик…

С появлением нейросетей умную программу можно четко обучить заданным картинкам, на которые требуется реагировать. В сфере безопасности гособъектов обычно мы обучаем на чемоданы, рюкзаки, сумки, пакеты, коробки.

Тем не менее, количество видов интересуемых объектов может быть больше, чем в дата-сете, поэтому процесс этот вечный. Если появляется предмет, который нашей нейросети не знаком, то мы заносим его в базу с помощью программы дообучения нейронной сети. Этим может заниматься и сам пользователь, создавая собственный датасет, тем самым обеспечивая себе конкурентоспособность.

Кстати, набирающий тренд бизнес. Не нужно быть программистом, можно просто нарабатывать свой дата-сет в какой-то конкретной области рынка. Например, оставленными предметами интересуются все государственные структуры. Часто в гостендерах проходят тесты, в которых каждый может участвовать. Но это отдельный вопрос…

Похожие предметы не требуют дообучения, потому что у нейросетей есть вариативная логика, которая регулируется чувствительностью в настройках видеоблейзера. Выше чувствительность – больше разбег схожести, меньше – выше точность (защищает от помех).

Да, ложные сработки тоже могут быть, в основном, на пакеты, потому что они похожи на различные плакаты или постеры автомобилей. Убирается это, как уже сказано, чувствительностью.

Еще более мощный фильтр помех – наличие человека рядом с объектом. Ведь чаще всего заказчика интересует не какой-то пакет, прилетевший с ветром, а умышленная диверсия.

А еще мощней фильтрация – включение в алгоритм руки человека. Одно дело - рядом с прилетевшим пакетом находился человек, другое дело – человек держал этот пакет в руках, прежде чем оставить. Ну, или в обратном направлении – взял чужую вещь рукой (кража), а не просто пнул. Программа может отличать оставление предмета от исчезновения существующего в кадре.

Таким образом, комбинация нейросетей дает более точную сработку. А добавление логики позволяет отслеживать более сложные действия. Например, можно реагировать на передвижение предмета в конкретном направлении, пересечении им виртуальной линии, совмещать это событие с другими объектами и алгоритмами.

Также полезна функция - показ человека – кто конкретно оставил или забрал какой-либо предмет.