IndustrialMotionDetection

IndustrialMotionDetection - это библиотека для распознавания действий человека на производстве.

В условиях существующих систем видеонаблюдения существует потребность в инструментах, способных точно идентифицировать некоторые действия работников и своевременно предупреждать о потенциально опасных ситуациях. На данный момент решения в этой области ограничены коммерческими продуктами, доступ к которым затруднен для широкого круга пользователей, либо носят узкоспециализированный характер и требуют адаптации под конкретные условия применения.

В результате чего наша команда выделила набор актуальных действий:

1. Перемещение предметов, оборудования
2. Использование инструментов
3. Использование смартфона/телефона
4. Курение
5. Прием пищи или напитков
6. Нахождение на рабочем месте в определенной зоне
7. Взаимодействие с другими людьми (разговор, рукопожатие, объятие)
8. Поднятие по лестнице с тремя точками опоры
9. Нахождение человека в запретной зоне
10. Саботаж камер

Распознавание действий

Поскольку действия, которые мы анализируем, имеют различный характер и требуют разных подходов к обработке данных, мы приняли решение разделить их на отдельные модели.

В результате мы разработали следующую структуру:

Модель VideoMAE

• Перемещение предметов, оборудования
• Использование смартфона/телефона
• Взаимодействие с другими людьми (разговор, рукопожатие, объятие)

сюда закинуть краткое описание модели и действий

Модель Yolo Pose Estimation + DepthAnything

• Подъем по лестнице с тремя точками опоры: проверка соблюдения человеком правил безопасности при подъеме по лестнице, используя три точки опоры для предотвращения падений и травм.

• Нахождение человека в запретной зоне: инентификация случаев несанкционированного доступа в зоны, представляющие потенциальную опасность или требующие специального разрешения.

• Саботаж камер: обнаружение попыток вмешательства в работу камер, такие как их блокировка, повреждение или намеренное изменение угла обзора.

Модель состоит из YOLOv11 Pose Estimation, DepthAnything и SAM&DINO.

Модель DINOv2

• Использование инструментов: использование инструментов часто применяемых на производстве, таких как шуруповерт, плоскозубцы, дрель, циркулярная пила, сварка, полирование металла.
• Нахождение на рабочем месте в определенной зоне
• Курение: выявление случаев курения в неположенных для этого местах, людей пытающихся скрыть курение.

сюда закинуть краткое описание модели и действий

Архитектура проекта

├── LICENSE            <- Open-source license if one is chosen
├── Makefile           <- Makefile with convenience commands like `make data` or `make train`
├── README.md          <- The top-level README for developers using this project.
├── data
│   ├── external       <- Data from third party sources.
│   ├── interim        <- Intermediate data that has been transformed.
│   ├── processed      <- The final, canonical data sets for modeling.
│   └── raw            <- The original, immutable data dump.
│
├── docs               <- A default mkdocs project; see www.mkdocs.org for details
│
├── models             <- Trained and serialized models, model predictions, or model summaries
│
├── notebooks          <- Jupyter notebooks. Naming convention is a number (for ordering),
│                         the creator's initials, and a short `-` delimited description, e.g.
│                         `1.0-jqp-initial-data-exploration`.
│
├── pyproject.toml     <- Project configuration file with package metadata for 
│                         src and configuration for tools like black
│
├── references         <- Data dictionaries, manuals, and all other explanatory materials.
│
├── reports            <- Generated analysis as HTML, PDF, LaTeX, etc.
│   └── figures        <- Generated graphics and figures to be used in reporting
│
├── requirements.txt   <- The requirements file for reproducing the analysis environment, e.g.
│                         generated with `pip freeze > requirements.txt`
│
├── setup.cfg          <- Configuration file for flake8
│
└── src   <- Source code for use in this project.
    │
    ├── __init__.py             <- Makes src a Python module
    │
    ├── config.py               <- Store useful variables and configuration
    │
    ├── dataset.py              <- Scripts to download or generate data
    │
    ├── features.py             <- Code to create features for modeling
    │
    ├── modeling                
    │   ├── __init__.py 
    │   ├── predict.py          <- Code to run model inference with trained models          
    │   └── train.py            <- Code to train models
    │
    └── plots.py                <- Code to create visualizations