Tilbake til Analytics

SwimEye

Økt treffsikkerhet på drukningsalarmer

 

Kunde: SwimEye
Tema: Kritiske alarmer, Data Science
Fagområde: Systemutvikling, maskinlæring, nevrale nettverk, avviksdeteksjon

 

Situasjon

Swimeye tilbyr installasjon og oppsett av kamera og utstyr for å gi ekstra lag med sikkerhet i offentlige basseng. Løsningen deres baserer seg på undervannskameraer og tilhørende softwareløsning som gir monitorering av kamera og en algoritme som detekterer personer som er under vann. Verktøyet vil gi varsel og deretter alarm hvis den kjenner igjen en potensiell drukningsulykke.

 

Utfordring

Tidligere løsning brukte en håndlaget algoritmisk tilnærming til deteksjon av personer under vann. Denne viste seg å skape for mange falske alarmer i basseng med mye forstyrrelser som for eksempel endring i lys og skygge. I tillegg var stabiliteten varierende på eksisterende løsningen. 

 

Løsning

For å ta hånd om falske alarmer ble det innført maskinlæring, hvilket først krevde å samle inn egnede bilder og pare disse med posisjoner for svømmere i bildet. Etter at datasettet var tilstrekkelig raffinert med flere bilder og data av høyere kvalitet ga det signifikante positive resultater. I tillegg ble det gjort mye arbeid med optimalisering av eksisterende kode og fiks av både tråd og minnelekkasjer, samt utvikling av diverse støtteverktøy for innhenting, analyse og annotering av maskinlærings datasett.

Arbeidet resulterte i langt bedre deteksjonsgrad med tilnærmet ingen falske alarmer, lavere ressursbruk på CPU og minne, samt økt stabilitet og ytelse på løsningen som helhet. 

Tilbake til Analytics
Atea.no oppfattes bedre hvis du oppdaterer nettleseren din. Her finner du en ny versjon av Internet Explorer