Mapa dotacji

Celem projektu jest opracowanie do 31.08.2026 w wyniku przeprowadzonych eksperymentalnych prac rozwojowych demonstratora system identyfikacji zachowania pracowników za pomocą wizji z wykorzystaniem modeli AI. Monitorowanie zatłoczonych miejsc, takich jak hala produkcyjna może zyskać na połączeniu widoku kamer z różnych perspektyw (z góry lub pod skosem i uzupełniających widoków z kamer z widokiem egocentrycznym) z uzupełnieniem brakującej informacji z sytemu ERP lub systemów kontroli w technologii RFID i/lub iBeacon. Aby analizować filmy z widokami uzupełniającymi, ważnym elementem jest powiązanie i śledzenie wielu osób w różnych odsłonach i czasie, co jest dużym wyzwaniem, ponieważ różni się to od klasycznego śledzenia ludzi, ze względu na konieczność dokładnego śledzenia i identyfikacji osób i obiektów na wielu filmach jednocześnie oraz rozpoznanie uzupełniających się scen. Jednocześnie znacznie podnosimy wymagania mocy obliczeniowej, co przekłada się bezpośrednio na bardzo duże zużycie energii. Głównym wyzwaniem jest skuteczne mierzenie podobieństwa lokalizacji obiektów w danym czasie na każdym filmie i kilku widokach. Istotne jest, aby system po przydzielonych strefach system rozróżniał, kiedy dana osoba znika z widoku jednej z kamer, lecz pozostaje w strefie, a kiedy dana strefa została opuszczona. Jest to możliwe, dzięki zastosowaniu kilku kamer, które na bieżąco będą rejestrowały rozmieszczenie ludzi i obiektów, umożliwi to przekazywanie prawdziwych informacji przez system pomimo zasłonięcia osoby przez obiekt w danym widoku. Jednocześnie występuje przesłanianie się obiektów ich zanikanie i ponowne pojawianie w innym miejscu. Dodatkowo analizę utrudnia ludzki behawior przy wykonywaniu prac, inaczej zachowują się monterzy, inaczej pakowacze itp. W tym celu przedstawiamy innowacyjne podejście oparte na analizie algorytmami sztucznej inteligencji rozkładów przestrzennych danych z różnych systemów (meta dane z wizji maszynowej, systemów identyfikacji pracown