Интеллектуальная видеоаналитика учебного процесса на базе модели Yolo

Актуальность
В условиях цифровизации образования вузы сталкиваются с проблемой объективной оценки вовлеченности и посещаемости в больших потоковых аудиториях (50+ человек). Ручной контроль неэффективен, а существующие системы часто требуют глубокой доработки. Использование передовых моделей компьютерного зрения (в частности модели Yolo) позволяет автоматизировать сбор данных в реальном времени. Это обеспечивает руководство и преподавателей объективной аналитикой без нарушения законодательства (анализ паттернов поведения, а не биометрии), что полностью соответствует стратегии цифровой трансформации вузов.
Проблема
Руководство не имеет объективных, оперативных данных о реальной посещаемости и активности в аудиториях. Преподаватель физически не может одновременно отслеживать активность 50+ студентов (поднятие рук, использование гаджетов, вовлеченность) Отсутствие объективной базы для рейтингования преподавателей и анализа эффективности учебного процесса. Отчетность формируется вручную, что создает высокую нагрузку на ППС и приводит к субъективизму в оценках и управленческих решениях.
Цель
Разработка, адаптация и пилотное внедрение модуля интеллектуальной видеоаналитики на базе модели Yolo для автоматического контроля посещаемости, анализа активности студентов и бесшовной интеграции данных с системами учета (1С)
Задачи
Адаптация и дообучение модели Yolo для детекции специфических образовательных паттернов (поднятие руки, поза ""сна"", использование телефона). Разработка серверного модуля для обработки видеопотока с камер в реальном времени с минимальной задержкой. Создание веб-дашборда с графиками, рейтингами и статистикой для руководства и преподавателей. Разработка API для интеграции собранных данных с 1С и внутренними системами мониторинга вуза. Проведение пилотного тестирования системы в учебной аудитории.
Результат
Развернутая и настроенная система видеоаналитики в пилотной аудитории, предоставляющая руководству готовые отчеты, а преподавателям-автоматизированный инструмент фиксации активности. Проект предполагает использование модели Yola, оптимизированной для edge-устройств, что позволит обрабатывать видеопоток локально в аудитории, не передавая персональные данные в облако, что критически важно для соблюдения 152-ФЗ
Партнёры проекта
—
***