Hybrydowa sieć neuronowa do rozpoznawania i śledzenia osób w zdalnym monitoringu oceny przetargów

Dlaczego obserwacja sal przetargowych ma znaczenie

Gdy rządy lub firmy wybierają, kto zbuduje drogę, most czy elektrownię, często polegają na ekspertach spotykających się w specjalnej sali przetargowej, by ocenić oferty. Jeśli do środka wkradnie się nieproszona osoba, albo ekspert cicho wychodzi, uczciwość całego procesu może zostać zagrożona. W badaniu pokazano, jak inteligentny system kamer napędzany sztuczną inteligencją może automatycznie obserwować takie pomieszczenia, śledzić obecność osób i ostrzegać, gdy coś wygląda niepokojąco — bez potrzeby ciągłego wpatrywania się ludzi w ekrany.

Jak działa nowy obserwator sali

Naukowcy zbudowali pełny system monitoringu, który działa na bazie zwykłych kamer nadzorujących w biurze oceny przetargów. System ma cztery główne zadania: wykrywanie osób na wideo, śledzenie ich ruchów w czasie, rozpoznawanie twarzy oraz ocenę, co te wzorce oznaczają dla bezpieczeństwa. Na podstawie tej złożonej analizy jednostka alarmowa decyduje, czy pozostać cicho, czy zgłosić zdarzenia, takie jak długotrwałe oddalenie eksperta lub wejście nieznajomego. Codzienne zmiany, takie jak krótkie zasłonięcie osoby przez inną osobę czy normalne przychodzenie i wychodzenie personelu, są rejestrowane, ale nie wywołują alarmów.

Widzieć i liczyć wszystkich w pomieszczeniu

Aby śledzić, kto jest wewnątrz, system najpierw uczy się wykrywać każdą osobę w każdej klatce wideo i zliczać, ile osób przebywa w pomieszczeniu. Następnie łączy wykrycia z kolejnych klatek, tak by każda osoba otrzymała stabilny identyfikator w systemie, nawet gdy się porusza. Etap śledzenia pomaga odróżnić krótką utratę widoczności, na przykład gdy ktoś jest zasłonięty przez kolegę, od rzeczywistego wyjścia przez drzwi. Śledząc ścieżki ruchu każdej osoby, oprogramowanie potrafi stwierdzić, kiedy ekspert jest nieobecny dłużej niż ustalony limit czasu i potraktować to jako ryzyko wymagające uwagi.

Rozpoznawanie twarzy, które są małe i daleko

Sale przetargowe są zwykle monitorowane przez kamery zamontowane wysoko na ścianie lub suficie, co sprawia, że twarze są małe i często pod niewygodnym kątem. Wiele istniejących narzędzi do rozpoznawania twarzy działa słabo w takich warunkach. Autorzy połączyli więc szybkie wykrywanie osób z dopracowanym modułem lokalizacji twarzy, który lepiej potrafi przybliżyć maleńkie twarze w zatłoczonych scenach. Kiedy twarz zostanie zlokalizowana, lekka metoda dopasowania twarzy porównuje ją z przechowywaną bazą znanych ekspertów i personelu. Jeśli nowa twarz nie pasuje do żadnej zatwierdzonej osoby w określonym progu, system oznacza tę osobę jako potencjalnego intruza i przekazuje informację jednostce alarmowej.

Jak system sprawdza się w rzeczywistych biurach

Zespół przetestował swoje rozwiązanie na rzeczywistych nagraniach z sali oceny przetargów w firmie energetycznej. Porównali swój pełny system z prostszymi podejściami, które tylko zliczają osoby lub je śledzą, nie identyfikując, kim one są. System hybrydowy okazał się lepszy w rozróżnianiu czterech praktycznych sytuacji: rzeczywistego wyjścia eksperta, krótkiego zasłonięcia eksperta, wejścia normalnego personelu oraz pojawienia się nieznajomego. Osiągnął wysoką dokładność w rozpoznawaniu małych twarzy, działał wystarczająco szybko w czasie rzeczywistym i znacząco zmniejszył liczbę przeoczonych wtargnięć i fałszywych alarmów w porównaniu z prostymi metodami.

Co to oznacza dla uczciwszych decyzji

Mówiąc wprost, praca ta pokazuje, że zwykłe kamery w połączeniu z dobrze zaprojektowaną sztuczną inteligencją mogą pomóc zachować uczciwość w wrażliwych pomieszczeniach decyzyjnych. System może dyskretnie obserwować obecność, wykrywać, gdy ekspert znika lub gdy pojawia się nieznana osoba, i wysyłać terminowe alerty, by menedżerowie mogli zareagować. Choć nadal ma trudności, gdy twarze są mocno zasłonięte lub odwrócone, już teraz oferuje praktyczne narzędzie wspierające bardziej przejrzyste procedury przetargowe i może zostać zaadaptowany do innych miejsc pracy wymagających niezawodnego, taniego monitorowania ruchu osób.

Cytowanie: Zhou, Z., Wang, Z., Meng, Y. et al. Hybrid neural network for personnel recognition and tracking in remote bidding evaluation monitoring. Sci Rep 16, 15769 (2026). https://doi.org/10.1038/s41598-026-42936-8

Słowa kluczowe: monitoring oceny przetargów, śledzenie osób, rozpoznawanie twarzy, nadzór wideo, sieć neuronowa