Liza Alert搜索和救援团队已经存在了八年。 这是一个志愿者组织，由关心者组成的团契，旨在与紧急情况部和内政部有效合作，寻找失踪人员。 Liza Alert收集有关失踪人员的条目； 他们自己进行各种教育活动，搜索管理和搜索操作。 该团队不参与任何业务活动，没有支票账户，也不接受金钱捐赠。
Mail.Ru最近为Liza Alert提供了免费的服务平台，该平台广泛用于搜索和救援操作。 我们决定与Liza Alert IT部门负责人Sergey Chumak谈谈志愿者紧急响应小组的工作以及高科技解决方案如何为他们提供帮助。
我们如何寻找人？
-让我们想象一个典型的情况-一个人走进树林消失了。 秋天到了，因此，老年男女正忙着采蘑菇。 那就是他们迷路的方式。 家庭成员开始寻找他们。 他们拨打了Liza Alert热线。-在团队论坛上开始搜索，我们创建了一个新的线程，其中包含失踪人员的描述（“监视”）以及愿意参加会议的志愿者的时间和地点的信息。
当小组准备出发时，地图制作者正在快速创建一组区域地图：这些带有方形网的地图将被上载到分发给搜索组的GPS设备中。
在树林的入口处，我们建造了一个无线电桅杆。 即将到来的志愿者被分成小组（“狐狸”）。 搜索协调员为每个小组分配任务。 当“狐狸”返回时，他们的运动轨迹从GPS复制到职员笔记本电脑，然后协调员分析输入数据。 例如，一个小组让他们知道一些未在地图上描绘的地标。
搜索期间收集的所有信息都将保存。 如果其他人再次在该区域迷路，搜索组将立即提供地图集以及该区域的所有信息。
地图
没有详细的地图，很难在树林里找人。 我们使用的是卫星图像和地形图（苏联发行的当代地图，例如OpenStreetMap）。
用于搜索的地图集以两种格式创建：树林中的小组使用的Garmin GPS和野外总部。 这样的地图占用大量空间，需要编辑； 它们需要存储在某个地方。 以前曾使用过一些属于志愿者参与者之一的旧式低容量私人服务器。 但是，主动搜索的数量每年都在增加，团队活动在地理上的分布越来越大-建立了新的本地分支机构，这就是为什么迫切需要质量和数量都更高的资源的原因。 然后，我们向Mail.Ru集团寻求帮助。
该公司为Liza Alert提供了云资源，这是
Cloud Servers项目的一部分； 因此，我们在2018年4月建立了主服务器和复制服务器，并在其中移动了地图存储。这是非常重要的支持，因为我们现在有更多空间可用于当前活动。 此外，云服务器的运行速度要快得多，更不用说管理和使用存储的过程了。 借助特殊工具，负责存储的人员可以调整组内的权限：每个新的地图制作者都可以快速访问服务器。
除了复制外，我们现在定期创建备份，这些备份具有Mail.Ru提供的自己的
对象存储 。 过去不可能创建它们：当任何人丢失任何数据时，它就永远消失了。
我们已经为搜索中已经使用的所有产品以及志愿者将要开发的产品构想提供了Cloud Servers和Cloud Storage。 这些资源足以执行一些大容量操作。
天空之眼
我们广泛使用的搜索工具之一是四旋翼无人机。 他们自动操作，使用之前上传的路线，飞到有人迷路的地方拍摄该地点的照片。
这是为了什么 迷路的人可能会来到空地-一块空地，一块空地，一块田地。 或者，在暴风雨的木材中找到自己：在空中垂落的树木所覆盖的地方。 飞行的无人机会发现他，并大大节省了步行团体的资源。
直到最近，无人机飞行员还必须自己查看所有图像。 这是一项艰巨的任务：每次飞行都会产生约1000张图像，必须对其进行非常仔细的检查-您需要研究它们，放大不清晰的片段。 根据我自己的经验，您无法一次浏览超过一百张图像：在那之后，您开始丢失细节，您失去了专注力，变得不那么敏感。 因此，我们创建了一个页面以供集体查看图像。
众包救援
我们目前正在教导一组志愿者，他们将以“专业水平”监督摄影测量。 问题是：一些常见的对象-一个树桩，一个柱子，一个垃圾袋-可能与上面看起来有所不同或不清楚。 一个人需要特定的经验，才能立即告诉您所看到的内容。
为“观察者”开发的审阅系统以这种方式呈现镜头，以便允许小组审阅尽可能多的图像。 首先，非常用户会回顾自己的选择。 然后他们看着其他人的形象。 如果有时间，请检查已再次看到的图像。 交叉检查和仔细检查减少了丢失重要细节的可能性。
即使是未经培训的观看者也可以识别说谎的人。 这就是为什么我们有一个同时运行的开放式服务watcher.lizaalert.ru：一种众包工具，任何愿意帮助团队的人都可以做到这一点。
一旦有关最近航班的图像的通知出现在论坛和
VKontakte组上 ，多达150人同时开始对其进行审查。
这里的图像被严格取消个性化。 为了使研究更容易，每张图片都被分为适合屏幕的32个小片段，没有缩放比例。 互联网用户只需要对一个问题回答“是”或“否”：图像中是否有人？
系统存储每个片段的正面和负面反应的数量，并计算平均值以对片段进行测距； 结果将发送给专业观察者，他们将详细审查最“有前途”的图像。
训练有素的摄影法学家团队对图像进行回顾，提供了有关失踪人员的详细信息：他的容貌，穿着方式，所携带的物品。 这就是为什么他们不仅在寻找人而且也在寻找文物的原因-这个人可能掉落或丢失了他的东西（篮子，鞋子，帽子）。 搜索协调员会立即收到有关此类发现的通知，然后由他决定是否发送搜索组之一进行检出。 找到特定对象后，我们可以尝试找出所需人员的路线。
这些天，我们网站上的最大审查速度是每秒10张图像。 结果，无人驾驶飞机收集的所有数据都可以在几个小时内快速处理。 当搜索小组在树林里行走时，观察员正在使用计算机和移动设备“调查”空地。
-我敢打赌，使用神经网络解决图像审阅任务的想法已经浮出水面了吗？-是的，我们已经考虑过此选项； 即使专家在这种情况下对机器学习适用性的看法不同。 无论如何，要教一个神经网络，我们需要收集一个数据集-一大堆由无人机拍摄的图像或图片，上面可能有任何人。 我们能够收集的集合越大，我们拥有的模型就越可靠。 无论如何，神经网络实验要到冬天才开始-现在是一个繁忙的搜救季节，团队成员由于不断奔跑而精疲力尽。 但是我们一定会在以后再谈。 我希望神经网络至少可以帮助加快没有人的图像的消除过程，并确定需要首先检查的图像的优先级。
从平面图像到3D
最后，我们的最新想法是根据照片生成3D地图。 为此，必须从更高的高度拍摄图片，并且它们应该更好地相互重叠。 Liza Alert IT部门已经具有使用昂贵的软件创建3D地图的经验。 但是，还有一个开源的OpenDroneMap应用程序。 网络版本也可用。 如果他们的工作结果兼容，我们将在搜索操作中开始使用OpenDroneMap。
3D地图可更精确地描述要搜索的区域。 有时失踪者会用电话去树林里保持一段时间。 只要手机电池没电，我们可以要求他们提供一些详细信息，请他们描述周围的环境。 例如，一个人坐在空地或陷入了自然陷阱-横财或积木。 这些对象没有在地图上标记，因此很难在图像中识别。 但是，我们可以在3D地图上看到它们，并立即将这些组发送出去进行检查。
无人机需要大约30-40分钟的时间才能拍摄2 x 0.7公里的区域。 在PC上生成3D地图花费的时间太长，但是在具有强大配置的云服务器上执行此操作会花费快速响应时间。 因此，在搜索的头几个小时内，我们将能够获取有关该区域的重要信息并调整搜索组的任务。 当然，此类信息在第二天也将很有价值，但是，我们越早获取信息，发现并挽救失踪人员的机会就越大。