В МВД рассказали, где камеры фиксируют неработающие фары

В МВД России раскрыли полный список регионов, в которых дорожные камеры начали в автоматическом режиме фиксировать неработающие фары. Такая информация содержится в документе ведомства, который оказался в распоряжении Autonews.ru. Как рассказали в МВД, практика фиксации таких нарушений начата в следующих регионах:

• Крым;
• Самарская область;
• Нижегородская область;
• Кемеровская область;
• Тамбовская область.

Согласно ст. 12.20 КоАП «Нарушение правил пользования внешними световыми приборами, звуковыми сигналами, аварийной сигнализацией или знаком аварийной остановки», штраф за езду без ходовых огней и ближнего света составляет 500 рублей. Его можно оплатить со скидкой 50%. Важно, что дополнительные комплексы в регионах устанавливать не придется: если устройства современные, достаточно дообучить этому функционалу нейросеть.

«Правоприменительная деятельность по выявлению средствами автоматической фиксации правонарушений, связанных с нарушением правил пользования внешними световыми приборами не получила повсеместного распространения, — рассказали в МВД. — Дела об административных нарушениях по ст. 12.20 КоАП в автоматизированном режиме начали рассматриваться лишь в отдельных субъектах России, что не позволяет говорить о сложившейся правоприменительной практике».

Как объяснили в МВД, такую практику сформируют с учетом анализа деятельности подразделений ГИБДД в указанных регионах, основываясь в том числе на рассмотрении поступающих обращений и жалоб от граждан, а также соответствующих решениях судов.

Где еще камеры будут распознавать неработающие фары

Ранее о том, что дорожные комплексы начали получать новые функции по распознаванию неработающих фар при помощи нейросетей первым сообщил Autonews.ru. О современных возможностях устройств рассказали их разработчики, которые работают по всей России. В частности, о том, что новый вид фиксации будет доступен в 12 регионах, рассказывали в компании «Астралаб». Там Autonews.ru сообщили, что их устройства получат эту функцию в Москве, Крыму, Ульяновске, Красноярске, Омске, Иркутске, Твери, Кабардино-Балкарии, Волгоградской области, Ивановской области, Владимирской области, Костроме. После выхода этого материала в МВД России в ответ на запрос Autonews.ru заявили, что правоприменительная практика по статье 12.20 КоАП не осуществляется, но позже изменили свою позицию.

Пока в «Астролабе» говорят только о доступности самой технологии. Принимать решение о том, подключать ее к общему функционалу по фиксации нарушений ПДД будут на местах решать региональные власти и ГИБДД. В настоящее время компания обслуживает около 1500 камер в перечисленных регионах. Из них 600 дорожных комплексов расположены в Москве. При этом свои разработки в этом направлении ведут и другие компании, которые могут внедрять их любых заинтересованных регионах.

Как нейросеть распознает не включённые фары

Нейросеть обучена находить фары и определять, есть там свечение или нет. По словам Ласкина, для нейросети не составит проблем разобраться с разными моделями световой оптики от разных автопроизводителей.

«Современная нейросеть работает по принципу подобия. Вот мы показали ей, к примеру, 20 вариантов фар в 20 разных ракурсах. Она это запоминает. И когда она увидит 21-й вариант, который не входил в data-set обучение, нейросеть все равно поймет, что этот предмет очень похож на фары. Тогда система может сказать, что на 100% не уверена, но поскольку она точно видела такой образец сигнатуры, то может на этом основании сделать вывод, что и это тоже фара», — объяснил Ласкин принцип работы нейросети.

В свою очередь эксперт в области фотофиксации Григорий Шухман в беседе с Autonews.ru объяснил, что при выявлении такого нарушения камеры ориентируются на светящиеся области по разным сторонам от госномеров. Он предположил: если ярко светит солнце, а машины белый, серебристый или хромированный цвет, устройства могут не справиться с фиксацией.

Риск ошибок — 5-10%

Использование нейросетевого подхода для обнаружения включенных фар оправдано только при дополнительном анализе фиксаций живым специалистом, уверен генеральный директор ТрансСофтТелематика (специализируется на развитии интеллектуальных транспортных систем) Кирилл Андреев. В противном случае, по его оценке, 5-10% от общего количества постановлений окажутся ошибочными. Либо система будет пропускать нарушителей с выключенными фарами.

По словам Андреева, есть два типа ошибок, с которыми может столкнуться нейросеть. В первом случае нейросеть может распознать автомобиль с включенными фарами, как нарушителей без фар. И наоборот: автомобиль с выключенными фарами отметить как машину с работающими фарами. То есть, не заметит нарушение.

«Для работы этой системы важно снижать количество ошибок первого рода, — уточнил Андреева. — Ведь важнее не допустить ошибочный штраф, чем пропустить автомобиль с выключенными фарами. Иначе доверия к такой системе будет немного и оператору придется оценивать много ложных изображений. Для большинства систем такого класса по такой задаче точность определения будет составлять 90-95%. Получается, что для вынесения окончательного решений о штрафе необходимо участие человека».

Эксперт согласен с тем, что нейросеть способна быстро обучаться: чем больше изображений ей покажут, тем выше будет точность. «Чтобы говорить о промышленном применении системы необходимо иметь не менее нескольких десятков тысяч изображений автомобилей. Поэтому основными игроками будут компании, которые уже занимаются фотофиксацией транспорта и обладают большими архивами фотоматериалов», — отметил Андреев.

Специалист в области ИТС уверен, что сложные погодные условия, такие как снег или грязь могут доставить серьезные трудности для работы нейросетей.

«Для уменьшения ошибок нужно показывать нейросетям больше таких примеров: с грязными фарами, заснеженными и так далее, — объяснил Андреев. — При этом все равно нельзя говорить о том, что нейросеть сможет безошибочно определить такие случаи. Ведь даже человек не всегда сможет гарантированно отличить выключенные фары от фар, покрытых толстым слоем снега или грязи».

Подробнее на Autonews: https://www.autonews.ru/news/61252bd99a7947eb2fffdc82