搜救队“
丽莎警报 ”已经存在了8年。 这是一个自愿协会，一个充满爱心的社区，正在寻找失踪人员，并与紧急情况部和内政部进行了有效的互动。 Lisa Alert收集了失踪人员的申请，进行了各种培训活动，组织了搜索并进行了自我搜索。 该部门不从事任何商业活动，没有活期账户，也不接受现金捐款。
最近，Mail.Ru云解决方案为Lisa Alert提供了一个免费平台，用于托管在搜索和救援操作中积极使用的服务。 我们决定与高级IT官员Lisa Alert的Sergey Chumak讨论救援志愿者如何工作以及高科技如何帮助他们。
人们如何搜寻
-让我们来看一个典型的情况-一个男人走进森林，消失了。 现在是秋天，这意味着祖父母正在积极地采蘑菇。 他们在那里迷路了。 亲戚开始寻找他们，请拨打Lisa Alert热线。-通过启动搜索，我们在支队论坛上创建了一个单独的主题，该主题指示失踪人员的主要标志（“方向”）以及有关准备参加的志愿者聚集时间和地点的信息。
在准备出发时，制图人员迅速制作了一组地形图-这些具有应用的正方形网格的地图将被加载到发布给搜索组的导航器中。
在森林总部的入口处展开，一座无线电通讯塔升起。 即将到来的志愿者被分成小组（“狐狸”）。 搜索协调员为每个组定义一个任务。 当“狐狸”返回时，它们从导航器的运动轨迹被复制到职员笔记本电脑，并且协调器分析输入的信息。 例如，一个小组发送了一些不在地图上的地标。
搜索期间收集的所有信息都将存储。 如果有人在这些部分再次迷路，准备好的地图集以及该地区的数据将立即提供给搜索引擎。
卡片
没有详细的地图，在森林中寻找人非常困难。 我们使用卫星图像，地形图（包括苏联的地形图）以及现代地图（如OpenStreetMaps）。
搜索制图工具包有两种格式：用于Garmin导航员（与他们一起前往森林）和用于运营总部。 这种卡占用大量空间，需要处理，因此必须将其存储在某个地方。 以前，其中一名志愿者参与者使用了老式的低功耗专用服务器。 但是，主动搜寻的数量每年都在增加，该支队的活动在地域上不断扩大-正在建立新的区域分支机构，因此迫切需要质量和数量上都很高的资源。 然后，我们向Mail.Ru Group的云平台寻求帮助。
作为
Cloud Servers项目的一部分，该公司向Lisa Alert提供了云资源，并且我们部署了从2018年4月起我们的地图存储已移至的主服务器和备份服务器。 这是非常重要的支持，因为现在我们有更多空间可以进行当前活动。 此外，云服务器的速度提高了一个数量级，更不用说管理和使用存储的简便性了。 负责存储库的人员使用特殊工具自己来管理组内的权限：每个新的制图员都可以快速访问服务器。
除了复制外，我们现在定期创建Mail.Ru组已为其分配
对象存储的备份。 以前，他们无法做到，如果有人删除了某些内容，则数据将永远消失。
对于我们所有已经在搜索中提供帮助的产品，以及我们的志愿者将要开发的产品的想法，我们已经分配了云服务器和云存储服务。 这些资源足以执行大容量操作。
天眼
我们的主动搜索工具之一是直升机。 他们自动沿着预先加载的路线飞过失丧人员的区域，并为该区域拍照。
为什么要这样做？ 一个迷路的人可以去一个空旷的地方-一个野外的清理地。 或在暴风雨中找到自己，也就是在一片树木丛生的森林中，从空中清晰可见。 飞行的直升机将“通知”迷路的直升机，从而大大节省了步行团体的资源。
直到最近，直升机飞行员还必须独立查看所有拍摄的图像。 艰苦的工作：每次离开他们都会得到大约1000，您需要仔细检查-同伴，增加难以理解的碎片。 根据经验，不可能一次查看一百张以上的图片：然后您与细节断开连接，注意力分散，眼睛“模糊”。 因此，我们创建了一个页面以供集体查看照片。
众包救援
现在，我们正在培训一组志愿者，他们将“专业地”进行摄影测量。 事实是，每个人都熟悉的物体-树桩，支柱，垃圾袋-有时从高处看起来是意料之外的或难以理解的。 而且您需要一些经验才能立即确定所看到的内容。
在为“观察者”开发的查看系统中，以这样的方式发布帧：组在最短的时间内检查总共尽可能多的图片。 首先，每个用户查看自己的选择，然后开始查看对方的图片，如果还有时间，他们会修改已经看到的内容。 交叉和重复视图减少了丢失重要细节的机会。
尽管通常是完全未经训练的观众才能识别躺下的人。 因此，我们还提供了一种开放式服务，一种众包工具，每个人都可以在此帮助小队查看航空摄影的结果-watcher.lizaalert.ru。
当论坛上和
VKontakte小队中出现一条消息，表明上一次出发的照片已经上传时，多达150人开始同时查看它们。
在这里，图片严格取消了个性化设置。 为了方便研究，每张照片被分为32个小片段，这些小片段可按比例放置在屏幕上。 网络用户只需回答一个问题就可以回答“是”或“否”-图片中是否有人。
系统会记住参与者对每个片段的肯定或否定回答多少次，计算平均得分，并对片段进行排名，然后将结果传递给专业组的观察者-他们详细检查最“有希望的”图片。
一支训练有素的可拆卸摄影法专家团队在查看时会提供有关失踪人员的详细信息：他的长相，所穿的衣服以及与他在一起的衣服。 因此，在这里，他们不仅要注意图片中的抽象人物，还要注意文物-一个人可能会从自己的东西（篮子，鞋子，头饰）中丢东西或丢东西。 此类发现的通知会立即到达搜索协调员，后者决定是否发送搜索组之一进行验证。 找到一个特征对象后，我们可以猜出我们要寻找的对象的路线。
现在，该站点上的最大查看速度为每秒10张图片。 结果，有可能在几个小时内相当快地处理由直升机捕获的所有材料。 当搜索小组穿越森林时，来自计算机或移动设备的观察员“探索”该地区的空旷地区。
-您肯定有一个主意尝试解决使用神经网络查看图像的问题吗？-是的，尽管专家在这种情况下对机器学习的适用性存在分歧，但他们认为这是可行的。 无论如何，要训练神经网络，我们都需要收集一个数据集-大量的图片，无人驾驶飞机上的图像，上面有人，没有人。 可以组装的套件越大，模型应该越稳定。 无论如何，神经网络的实验和训练样本的创建都不会早于冬季-现在是一个活跃的搜索季节，小队的成员在不断的旅行中简直“精疲力竭”。 但是我们一定会回到这一点。 我希望神经网络至少将有助于加快图像的“筛选”速度，确保没有人，并优先处理需要首先查看的照片。
从平面到体积
最后，我们的最后一个想法是基于照片生成三维地图。 为此，应从更高的高度拍摄照片，并使其彼此更牢固地重叠。 Lisa Alert IT部门已经具有使用昂贵的付费软件创建3D卡的经验。 但是，还有一个开源应用程序OpenDroneMap，也可以使用网络版本。 如果他们的工作结果具有可比性，我们将开始在搜索中积极使用OpenDroneMap。
三维地图可以更准确地显示搜索区域中的区域。 迷路的人经常用电话去森林，并保持联系一段时间。 在电池没电之前，您可以询问该人的详细信息，询问他在他周围看到的东西。 例如，他坐在砍伐的边缘或陷入了“自然陷阱”-防风林，被否决。 此类物体通常不会在普通地图上标记；很难单次识别。 但是它们“出现”在三维地图上，您可以立即发送搜索组进行验证。
对于与站点必要的重叠（例如2 x 0.7 km）进行拍摄，直升机需要30-40分钟。 在个人计算机上从这些图像生成3D地图花费的时间太长，但是在功能强大的云服务器上，该过程将花费可接受的时间来快速响应。 也就是说，在搜索的头几个小时，将有可能获得有关该区域的非常重要的信息并调整搜索组的任务。 当然，这些信息在第二天很重要，但是我们越早得到它，就越有机会迅速找到并挽救失踪者。