A equipe de busca e salvamento do Liza Alert existe há oito anos. É uma organização voluntária, a irmandade de quem cuida, que busca pessoas desaparecidas que colaboram efetivamente com o Ministério de Situações de Emergência e o Ministério de Assuntos Internos. O Alerta Liza coleta as entradas de pessoas desaparecidas; eles conduzem vários eventos educacionais, gerenciamento de pesquisa e operações de pesquisa. A equipe não está envolvida em nenhuma atividade comercial, não possui uma conta corrente e não aceita doações em dinheiro.
O Mail.Ru forneceu recentemente ao Liza Alert uma plataforma gratuita de serviços, amplamente utilizada para operações de busca e salvamento. Decidimos conversar com Sergey Chumak - o chefe do departamento de TI da Liza Alert - sobre o trabalho do grupo de resposta a emergências voluntário e como as soluções de alta tecnologia os ajudam.
Como procuramos pessoas?
- Vamos imaginar uma situação típica - uma pessoa entrou na floresta e desapareceu. É outono e, portanto, homens e mulheres idosos estão ocupados colhendo cogumelos. É assim que eles se perdem. Os membros da família começam a procurá-los; eles ligam para a linha direta de alerta de Liza.- Iniciando a pesquisa, no fórum da equipe, criamos um novo tópico com a descrição da pessoa desaparecida (“vigia”) e as informações sobre a hora e o local para os voluntários dispostos a participar do encontro.
Enquanto o grupo está se preparando para partir, os criadores de mapas estão criando rapidamente um conjunto de mapas de área: esses mapas com redes quadradas seriam carregados nos dispositivos GPS entregues aos grupos de pesquisa.
Na entrada da floresta, construímos um mastro de rádio. Os voluntários que chegam são divididos em pequenos grupos (“raposas”). Cada grupo recebe uma tarefa pelo coordenador de pesquisa. Quando as “raposas” retornam, suas trilhas de movimento são copiadas do GPS para o laptop da equipe e o coordenador analisa os dados de entrada. Por exemplo, um grupo os informa sobre alguns pontos de referência não representados no mapa.
Todas as informações coletadas durante a pesquisa são salvas. Se outra pessoa se perder nessa área novamente, o grupo de pesquisa terá os conjuntos de mapas disponíveis imediatamente, juntamente com todas as informações na área.
Mapas
É extremamente difícil procurar uma pessoa na floresta sem mapas detalhados. Estamos usando imagens de satélite e mapas topográficos (de emissão soviética e contemporânea, como o OpenStreetMap).
Os conjuntos de mapas para uma pesquisa são criados em dois formatos: para o GPS Garmin usado pelos grupos na floresta e para a sede do campo. Esses mapas ocupam muito espaço e requerem edição; eles precisam ser armazenados em algum lugar. Algum servidor privado antigo e de baixa capacidade, pertencente a um dos participantes voluntários, já foi usado antes. No entanto, o número de pesquisas ativas aumenta de ano para ano, a atividade da equipe se espalha cada vez mais geograficamente - novas filiais locais são criadas e é por isso que surgiu a necessidade premente de um recurso superior em qualidade e quantidade. Em seguida, pedimos ajuda ao Mail.Ru Group.
A empresa forneceu ao Liza Alert recursos de nuvem como parte do projeto
Cloud Servers ; portanto, estabelecemos servidores principais e replicados para onde movemos nosso armazenamento de mapas em abril de 2018. É um suporte bastante significativo, pois agora temos muito mais espaço disponível para nossa atividade atual. Além disso, os Cloud Servers funcionam muito mais rapidamente, sem mencionar a facilidade de gerenciar e trabalhar com o armazenamento. Com a ajuda de uma ferramenta especial, as pessoas responsáveis pelo armazenamento regulam os direitos dentro do grupo: todo novo criador de mapas ganha rapidamente acesso ao servidor.
Além da replicação, agora criamos regularmente backups que têm seu próprio
armazenamento de objetos fornecido pelo Mail.Ru. Era impossível criá-los: quando alguém perdia algum dado, ele desaparecia para sempre.
Recebemos servidores em nuvem e armazenamento em nuvem para todos os nossos produtos que já são usados nas pesquisas e para as idéias de produtos que nossos voluntários vão desenvolver. Esses recursos são suficientes para realizar algumas operações de grande capacidade.
O olho do céu
Uma das nossas ferramentas de pesquisa amplamente usadas é um drone quadcopter. Operados automaticamente, eles usam rotas enviadas anteriormente e voam acima da área onde alguém se perdeu ao tirar fotos do local.
Para que é isso? A pessoa perdida pode sair para o espaço aberto - uma clareira, uma clareira, um campo. Ou encontre-se entre a madeira inesperada: no lugar coberto por árvores caídas que é bem visto do ar. O drone voador o localizaria e salvaria significativamente os recursos dos grupos de caminhada.
Até recentemente, os pilotos de drones tinham que revisar todas as imagens sozinhos. Foi um trabalho do inferno: todo voo resulta em cerca de 1.000 imagens e elas devem ser revisadas com muito cuidado - você precisa estudá-las, ampliar fragmentos pouco claros. Pela minha própria experiência, você não pode ver mais de cem imagens de uma só vez: depois disso, você começa a perder os detalhes, perde a concentração e fica menos perceptivo. Por isso, criamos uma página para revisão coletiva de imagens.
Crowdsourcing para o resgate
Atualmente, estamos ensinando um grupo de voluntários que supervisionará a fotogrametria em "nível profissional". O problema é que alguns objetos comuns - um toco de árvore, um poste, um saco de lixo - podem parecer diferentes ou pouco claros a partir do exposto. E é preciso ter experiência específica para poder dizer o que você vê imediatamente.
O sistema de revisão desenvolvido para os “observadores” apresenta as cenas de tal maneira que permite que um grupo revise o maior número possível de imagens. Primeiro, muito usuário analisa sua própria seleção. Então eles olham para as imagens dos outros; e, se houver tempo, verifique as imagens que já viram novamente. A revisão cruzada e a verificação dupla diminuem a possibilidade de perder os detalhes importantes.
Mesmo um espectador não treinado pode identificar um homem mentiroso. É por isso que temos um serviço aberto watcher.lizaalert.ru em operação simultânea: uma ferramenta de crowdsourcing do tipo em que qualquer pessoa disposta a ajudar a equipe pode fazer exatamente isso.
Assim que a notificação nas imagens do voo recente aparecer no fórum e no
grupo VKontakte , até 150 pessoas simultaneamente começarão a analisá-las.
As imagens aqui são estritamente despersonalizadas. Para facilitar a pesquisa, cada imagem é dividida em 32 pequenos fragmentos que cabem na tela sem redimensionar. Os internautas precisam responder "sim" ou "não" a apenas uma pergunta: existe uma pessoa na imagem?
O sistema memoriza o número de respostas positivas e negativas para cada fragmento e calcula uma média para variar os fragmentos; os resultados são enviados aos observadores profissionais que revisam as imagens mais "promissoras" em detalhes.
A equipe de fotogramétricos treinados revisando as imagens fornece informações detalhadas sobre a pessoa desaparecida: a aparência dele, a maneira como se vestia, o que estava carregando nele. É por isso que eles estão procurando não apenas pessoas, mas também artefatos - a pessoa poderia ter deixado cair ou perdido algo dele (uma cesta, sapatos, chapéu). A notificação sobre essas descobertas é recebida imediatamente pelo coordenador de pesquisa, que decide se deve enviar um dos grupos de pesquisa para fazer check-out. Quando encontramos um objeto específico, podemos tentar descobrir a rota da pessoa que estamos procurando.
Atualmente, a velocidade máxima de análise em nosso site é de 10 imagens por segundo. Como resultado, todos os dados coletados por um drone podem ser processados rapidamente - dentro de algumas horas. Enquanto os grupos de busca estão andando na floresta, os observadores estão usando computadores e dispositivos móveis para "investigar" áreas abertas.
- Aposto que uma idéia de usar redes neurais para resolver a tarefa de revisão de imagens passou pela sua cabeça?- Sim, consideramos esta opção; mesmo que as opiniões dos especialistas sobre a aplicabilidade do aprendizado de máquina neste caso sejam diferentes. De qualquer forma, para ensinar uma rede neural, precisaríamos coletar um conjunto de dados - um grande conjunto de imagens, fotos feitas por um drone que teria ou não haver pessoas nelas. Quanto maior o conjunto que poderíamos coletar, mais modelo confiável teríamos. De qualquer forma, os experimentos em redes neurais não começarão até o inverno - agora é uma temporada de busca e salvamento, os membros da equipe estão exaustos devido às constantes corridas. Mas definitivamente voltaremos a isso mais tarde. Espero que a rede neural ajude, pelo menos, a acelerar o processo de eliminação de imagens sem pessoas e a priorizar as fotos que precisam ser revistas primeiro.
De imagens de avião a 3D
Finalmente, nossa última idéia é gerar mapas 3D baseados em fotos. Para fazer isso, as imagens devem ser tiradas de uma altitude mais alta e devem se sobrepor melhor. O ramo de TI do Liza Alert já possui uma experiência em criação de mapas 3D em software caro. Mas há também um aplicativo OpenDroneMap de código aberto; a versão web também está disponível. Se os resultados de seu trabalho forem compatíveis, começaremos a usar o OpenDroneMap em nossas operações de pesquisa.
O mapa 3D fornece uma descrição mais precisa da área que está sendo pesquisada. Às vezes, as pessoas desaparecidas vão para a floresta com um telefone e ficam em contato por algum tempo. Enquanto a bateria do telefone não estiver descarregada, podemos pedir alguns detalhes, pedir que descrevam o ambiente. Por exemplo, uma pessoa está sentada na clareira ou entra em uma armadilha natural - madeira inesperada ou morta. Esses objetos não estão marcados nos mapas, são difíceis de identificar nas imagens. No entanto, podemos vê-los em mapas 3D e enviar imediatamente os grupos para uma verificação.
Um drone precisa de cerca de 30 a 40 minutos para fotografar 2 x 0,7 km de área. Leva muito tempo para gerar um mapa 3D no PC, mas fazer isso em um servidor em nuvem com configuração poderosa seria aceitável por um tempo de resposta rápido. Portanto, durante as primeiras horas de pesquisa, poderíamos obter informações importantes sobre a área e ajustar as tarefas para os grupos de pesquisa. Obviamente, essas informações serão valiosas no dia seguinte e, no entanto, quanto mais cedo as adquirirmos, maiores serão nossas chances de encontrar e salvar a pessoa desaparecida.