Задача
За птицами невозможно следить вручную. Интересное случается три раза в день по тридцать секунд, а остальные двадцать три часа в кадре пустая кормушка. Записывать всё подряд бессмысленно: пользователь не станет отматывать сутки видео ради нескольких секунд, ради которых он камеру и покупал.
Значит, система должна отдавать не архив, а результат: только эти тридцать секунд и подпись, кто это был. Всё, что стоит между потоком с уличной камеры и готовым подписанным роликом, — детекция, нарезка, классификация — должно происходить само, без участия человека и без настройки со стороны бёрдвотчера.
Решение
Обработка потока в облаке. Камера не решает, что снимать, — она отдаёт непрерывный поток, а решения принимаются на стороне облака. Там же находится движение в кадре, вырезается эпизод с запасом до и после события, ролик классифицируется и попадает в ленту пользователя уже подписанным.
Распознавание по видео, а не по фотографии. Это принципиально другая постановка, и условия задаёт улица. Освещение меняется от рассвета к сумеркам и обратно, объект мелкий и быстрый, кадр часто перекрыт веткой или конструкцией самой кормушки. Модель работает с последовательностью кадров, где птица видна фрагментами и под разными углами, а не с одним удачным снимком.
Два уровня классификации. В кадр лезут не только птицы: белки, мыши и прочая живность приходят к кормушке не реже. Поэтому распознавание разделено на две задачи. Сначала система решает, что в кадре живое существо и к какому классу оно относится — птица, грызун, другое животное. И только потом, для птицы, определяется вид. Такое разделение не даёт подписать белку названием птицы и позволяет обучать каждый уровень отдельно.
Приложение как основной интерфейс камеры. Живая трансляция доступна в любой момент и из любой точки. Рядом — лента событий из автоматически нарезанных роликов, уже размеченных видом. Коллекция наблюдений собирает список того, кого пользователь у себя видел, с переходом к записям по конкретному виду: наблюдение за двором превращается в личный определитель, который растёт сам. Записи хранятся в облачном архиве, привязанном к аккаунту, а понравившийся ролик уходит в мессенджер или соцсеть одним действием.
Отпугивание птиц на ЛЭП. Из потребительской камеры выросло промышленное применение. Птицы, садящиеся на провода и опоры, — это и риск для самой птицы, и причина коротких замыканий и отключений. Механические отпугиватели работают ограниченно: птицы к ним привыкают и перестают реагировать.
Здесь используется та же связка камеры и распознавания, но логика перевёрнута. Система не собирает красивые ролики, а следит за зоной вокруг проводов, определяет появление птицы и автоматически включает звуковой сигнал. Реакция адресная: звук срабатывает по факту обнаружения, а не по таймеру, поэтому не работает вхолостую круглые сутки и не превращается в постоянный фон, к которому птицы адаптируются так же, как к механике.
Результат
Владелец камеры получает не систему видеонаблюдения, а ленту готовых наблюдений: система сама решает, что было интересным, и сама говорит, кто это был. Двадцать три часа пустой кормушки остаются в облаке и не требуют внимания.
Энергетики получают из той же технологии инструмент защиты линий: обнаружение птицы у проводов и адресный звуковой отклик вместо пассивной механики, к которой птицы привыкают. Одна модель распознавания закрыла и потребительский сценарий, и промышленный.
