СИСТЕМЫ РАСПОЗНАВАНИЯ ОБРАЗОВ

System for comparative analyses and calculating Siberian tiger populations

Project targets

Develop a control system for Siberian tiger populations and movement with the help of computer vision that identifies specimens using camera traps.

The job

The team built a system for automatically identifying tigers using a specific and unique number or name in the images it gets from the camera traps. The system then lets users input information for each tiger: the unique ID, name, gender, age, number of times they’ve been photographed, the places they’ve been photographed, links to family members, ability to draw familial ties. Tigers are identified using computer vision algorithms built on convolutional neural networks.

Object detection and facial comparison systems for the police

Project targets

Разработать гибкую систему распознавания объектов для автоматизации анализа изображений для работы полиции. Технология поддерживает дообучение новым или расширенным классам объектов.

The job

Разработана система обнаружения объектов с загруженным в нее набором данных по определению конкретных классов объектов. Разработана система сравнения лиц, с помощью которой пользователь найдет преступника или подозреваемого по фотографиям, самостоятельно добавлять и удалять фотографии из базы. Разработана система доообучения новым классам объектов. Распознавание выполняется с помощью детекции сверточной нейросетью.

Retinal recognition

Project targets

Разработка технологии распознавания радужной оболочки человеческого глаза.

The job

We built algorithms for the entire biometric process used for iris recognition, which takes place over three stages:
  • segment the iris and highlight textures
  • highlight singularities and create biometric patterns
  • combine the patterns

Сегментация объектов на коммуникационных вышках на уровне 3D-облака точек

Project targets

Реализация процесса сегментации объектов (известных типов и моделей антенн), расположенных на коммуникационных вышках.

The job

Мы провели исследования и разработали алгоритмы сегментации объектов на уровне 3D-облака точек. Решение предполагает выполнение цепочки действий – для обработки облака точек вышки используются исходные данные (целое облако точек вышки, окруженное землей), вышка извлекается из облака, затем извлекаются платформы вышки, после чего каждое облако точек платформы обрабатывается независимо. Далее запускается цепочка алгоритмов для обработки облака точек каждой платформы, что позволяет с высокой точностью произвести сегментацию объектов, расположенных на платформах.