5-1 Выброс мусора на камере видеонаблюдения — превращаем человека в человечка-палочку и ловим

1Сообщение

Сообщение в два часа ночи — «Покажите, кто выбросил»

В диспетчерской видеонаблюдения десятки экранов. Человек не может всю ночь следить за каждым из них. Лаборатория получила одну миссию: сделать так, чтобы ИИ первым замечал «движение» выброса мусора.

[SYSTEM] 02:13 · Переулок CAM-07 · 1 сообщение о подозрении на незаконный выброс мусора. Вложения: 3 секунды видео, одна страница журнала диспетчерской.

ДокторВ одном видео несколько миллионов чисел. Если сразу искать в них «выброс», заблудимся. Давайте определим порядок: поиск человека → человечек-палочка → признаки движения → решение.

АссистентЧеловечек-палочка? То есть лицо не сохраняем, оставляем только скелет? Тогда и не нужно знать, кто есть кто.

Исследователь-дрозофилаТут есть ловушка. Если смотреть только на запястье, то человек, энергично машущий рукой, и человек, бросающий банку, двигаются одинаково быстро. Нужно смотреть ещё и на то, куда упала банка.

Робот лабораторииПодготовлено шесть видов сцен и 300 тестовых сцен. Подключу два правила и три обучаемые модели.

Слева — кадр камеры, где человечек-палочка, бросающий банку в переулке, обведён красной рамкой; справа — человечек-оператор диспетчерской, указывающий на предупреждение на мониторе, а рядом радостные Доктор и Исследователь-дрозофила — Экран с предупреждением в диспетчерской. Путь к этой сцене мы по шагам построим в разделах 2–6.

Разделы 2 · 3Экран → человек → 13 суставов

Находим человека среди 6 миллионов чисел и сжимаем позу до 26 чисел

Разделы 4 · 5Время → 4 признака → решение

Сводим движение за 46 кадров к 4 признакам и сравниваем правила с обучением

Разделы 6 · 7Диспетчерская → ограничения

Оценка в реальном времени, воздержание от решения и случаи, когда этот метод ошибается

2Экран — это числа

Кадр камеры — это числа: 6 миллионов без подписей

Компьютер получает не фотографию, а интенсивность красного, зелёного и синего (0–255) для каждой клетки. Переключите режим просмотра и наведите мышь на изображение.

Вид

Размер клетки

Объяснение для начинающих

Один кадр камеры Full HD — это 1 920 клеток по ширине × 1 080 по высоте, и в каждой клетке три числа: красный, зелёный и синий. 1 920 × 1 080 × 3 = 6 220 800. При 30 кадрах в секунду это 186,62 миллиона чисел за одну секунду. Нигде среди этих чисел нет подписи «человек» или «мусорный бак». Поэтому первый шаг — найти в груде чисел, что и где находится. Как фотография становится матрицей чисел, подробно разобрано в 4-2.

3Поиск человека

Находим человека и превращаем его в человечка-палочку — обнаружение объектов и оценка позы

Здесь два шага. Сначала обнаружение объектов находит прямоугольники (ограничивающие рамки) человека, мусорного бака и банки. Затем оценка позы находит внутри рамки человека координаты 13 суставов. Включайте и выключайте слои.

Кадр ночной камеры в переулке. Светящийся человечек-палочка вытягивает правую руку и бросает банку, и банка летит по пунктирной линии влево, к мусорному баку

Координаты суставов считаны вручную с рисунка (1402 × 1122). Левый верхний угол — (0, 0), и чем ниже, тем больше y. Мы смотрим на человека лицом к лицу, поэтому рука слева на экране — это его «правая рука».

Слои

Почему человечек-палочка

Компактность: одна поза — это 26 чисел. А пикселей в том же кадре больше 6 миллионов.
Меньше зависит от одежды и освещения: чёрное худи или белая рубашка, день или свет уличного фонаря — угол руки даёт одни и те же числа.
Можно не сохранять лицо: для решения нужно движение. Если хранить только суставы, можно уменьшить объём информации, по которой узнают человека.

Что мы теряем взамен

Предметы: у человечка-палочки нет ни банки, ни мусорного бака. Поэтому результат обнаружения объектов (положение банки) нужно нести с собой. В разделе 5 это окажется решающим.
Перекрытие и темнота: если рука закрыта телом или слишком темно, суставы не находятся или ставятся не туда.
Форма кисти: среди 13 точек нет пальцев. «Сжата ли рука или раскрыта», нужно определять отдельно.

Какие инструменты используют на практике

Для обнаружения объектов широко используется семейство YOLO [R3], для оценки позы — OpenPose [R1] или MediaPipe [R5]. Фактическим стандартом нумерации суставов служат 17 точек датасета COCO [R2]. На этой странице из 17 точек COCO убраны две точки глаз и две точки ушей, а голова заменена одной точкой носа — получается 13 точек.

4Во времени

Разворачиваем человечка-палочку во времени — движение — это ряд чисел

Выброс — это не один кадр, а движение в течение 3 секунд. Выберите одну из шести сцен. Жёлтый пунктир — траектория правого запястья, график внизу — скорость запястья и состояние банки.

Сцена

Откуда взялись эти сцены

Шесть сцен — это не настоящее видео, а синтетические данные, созданные изменением углов суставов во времени. Единица измерения — рост человека, принятый за 1 (исходя из роста 1,7 м), а брошенная банка летит по параболе под действием силы тяжести. Функция из Кода 1 и этот рисунок выполняют одно и то же вычисление. Для настоящего видео эти координаты в каждом кадре дала бы оценка позы из раздела 3.

5Правила против обучения

4 признака, правила против обучения — быстрая рука ещё не означает выброс

Сжимаем 1 196 чисел до 4 признаков, выбранных человеком. Затем принимаем решение двумя способами: по правилу, заданному человеком, и с помощью модели, обученной на данных. Сдвигайте пороговое значение и найдите, где правило ошибается.

Правило

Порог скорости запястья2.0роста/с

Эксперимент из Кода 2 — 300 тестовых сцен, пять детекторов

Изменяя в шести сценах скорость (×0,8–1,25), положение и размах движения (×0,75–1,25), мы получили 600 обучающих и 300 тестовых сцен и добавили к координатам суставов дрожание (ошибку оценки позы). Правильный ответ определяется по результату: если банка осталась на земле вне бака — это выброс. Поэтому даже «бросить далеко» считается нормой, если банку бросили сильно и она попала в бак (из тестовых бросков выбросом оказались только 52%). Число в клетке — доля случаев, когда сцена была признана выбросом; если оно отличается от правильного ответа больше чем на 5 п. п., клетка выделена красным.

Правило 1 (60,7%): 94% взмахов рукой были приняты за выброс (ложная тревога). А 98% выбросов, когда банку медленно роняют, оно пропустило.

Правило 2 (76,7%): после добавления условия «отпустил ли» ложные тревоги на взмахах рукой исчезли. Но роняние по-прежнему пропускается, а нормальные сцены, где банку забросили в бак, тоже принимаются за выброс.

4 признака + логистическая регрессия (99,7%): обученные веса — [скорость −0,33, отпускание 1,16, расстояние от бака 3,93, удаление 1,19]. Скорость запястья даже получила небольшой отрицательный вес. Самая сильная улика, которую выбрала модель, — «осталась ли банка на земле вне бака».

MLP на сырых координатах (92,3%): «форму» броска он выучил, но поднимал тревогу и на броски, попавшие в бак (19 ложных тревог). Добавление 2 координат предмета не помогло. Среди 1 288 чисел трудно по всего 600 обучающим примерам найти условие «координата x банки в последнем кадре — вне бака».

Как читать эти результаты

Если хорошо выбрать признаки, модель может быть простой. 99,7% получается потому, что признак «расстояние вне бака» почти совпадает с определением правильного ответа. Зато этот признак полностью зависит от обнаружения объектов, которое должно точно находить банку и мусорный бак.
При обучении на сырых координатах человеку не нужно выбирать признаки, но данных требуется гораздо больше. В реальных исследованиях эту проблему смягчают графовые нейросети (ST-GCN и др.) [R4], которые напрямую используют структуру связей между суставами.
Эти числа получены на синтетических данных. На реальном видео из переулка из-за перекрытий, темноты и нескольких людей в кадре результаты всех детекторов падают. Смотрите не столько на сами числа, сколько на то, «в каких сценах происходят ошибки».

6Диспетчерская

Живая диспетчерская — оценка, пересчитываемая в каждом кадре

Здесь используются те же веса, которые выучила логистическая регрессия в Коде 2. По уже просмотренным кадрам 4 признака вычисляются заново, и выставляется оценка. 0,6 и выше — тревога, от 0,4 до 0,6 — воздержание от решения: сцена передаётся человеку.

Оценка выброса

Сцена

Зачем нужно воздержание от решения

Ложная тревога заставляет подозревать невиновного, а пропуск делает контроль бессильным. Цена этих двух ошибок разная, поэтому трудно выбрать один порог. Поэтому в зоне неуверенных оценок (здесь 0,4–0,6) решение автоматически не принимается — видео сам просматривает оператор диспетчерской. ИИ используется только для того, чтобы определить порядок — «какой экран смотреть первым», а окончательное решение и ответственность остаются за человеком. Понажимайте несколько раз «Случайная сцена» и найдите броски, попавшие в бак, и слабые броски.

7Ограничения

Где этот метод ошибается, и следующая миссия

Человечек-палочка и 4 признака просты для понимания и лёгки. Но и то, что они упускают, тоже очевидно.

Почему это работает

Мало данных: поза — это 26 чисел, поэтому всё лёгкое и быстрое. Можно одновременно обрабатывать десятки экранов диспетчерской.
Можно объяснить: причину решения можно выразить числами, например: «банка осталась вне бака, и после отпускания человек отошёл на 0,77».
Без лица: решение принимается только по движению, поэтому можно спроектировать систему, хранящую меньше персональных данных.

Ограничения и риски

Зависимость от обнаружения объектов: самый сильный признак — «положение банки». Если из-за темноты банку не найти, детектор тоже рушится.
Ограничения синтетических данных: здесь всего шесть видов сцен. В реальности много сцен с размытым определением: поставить на землю мешок с мусором, переложить чужой мусор и т. п.
Закон и ответственность: камеры видеонаблюдения в общественных местах подчиняются нормам закона о защите персональных данных, касающимся устройств обработки видеоинформации. Нужно проверить цель установки, информационные таблички и сроки хранения, а окончательную проверку проводит человек, чтобы никого не наказывали только по решению ИИ.
Предвзятость: если оценка позы часто ошибается на определённой одежде или телосложении, ложные тревоги могут концентрироваться на этих людях. Частоту ошибок нужно смотреть отдельно по группам.

Радостный Ассистент и Доктор, объясняющий с указкой, перед киноплёнкой с человечками-палочками, таблицей номеров суставов и столбчатой диаграммой признаков — Анонс следующей миссии · Сцена, где движение человечка-палочки становится признаками

ДокторС поимкой справились. Теперь пойдём в обратную сторону. Вместо того чтобы по признакам распознавать «выброс», нельзя ли, дав слово «бросок», заставить человечка-палочку создать движение броска?

АссистентОт ИИ, который распознаёт, к ИИ, который создаёт? Тогда понадобится очень много данных о движениях.

Исследователь-дрозофилаЭто и есть миссия 5-2. В той же таблице признаков достаточно просто развернуть стрелку.

Код Colab — запустите эту страницу сами

Оба кода используют только библиотеки, установленные в Colab по умолчанию. Нажмите «Скачать ноутбук (.ipynb)» и откройте его в Colab через Файл → Загрузить блокнот или скопируйте код и вставьте в ячейку нового ноутбука.

Код 1 · Создаём сцены с человечком-палочкой и извлекаем 4 признакаСвязан с разделами 3–5 · numpy, matplotlib · CPU, меньше 1 секунды

Вычисляет функцию (fk), рисующую человечка-палочку по углам суставов, шесть сцен и 4 признака. Получаются те же числа, что и в верхней таблице раздела 5. Чтобы перейти на свои данные, подставьте на место координат суставов, которые возвращает clip(), координаты из инструмента оценки позы и разделите их так, чтобы рост человека был равен 1.

Результат запуска (запуск 2026-10-05, numpy 2.4 · matplotlib 3.10 · CPU). Случайные числа не используются, поэтому результат всегда одинаков. Также выводятся два графика (скорость запястья по сценам и четыре кадра броска).

Код 2 · Правила против обучения — сравнение пяти детекторов выбросаСвязан с разделами 5·6 · numpy, scikit-learn · CPU, около 20 секунд

Изменяя сцены, создаёт 600 обучающих и 300 тестовых примеров и сравнивает 2 правила, логистическую регрессию и 2 MLP. Экспериментальная таблица раздела 5 и веса для диспетчерской из раздела 6 берутся прямо из этого вывода.

Результат запуска (запуск 2026-10-05, numpy 2.4 · scikit-learn 1.8 · CPU). Сид данных зафиксирован, но в зависимости от версии библиотек числа для MLP могут немного отличаться.

Промпты для применения ИИ — этот код как отправная точка

Эти промпты нужно вставлять в ИИ-помощники вроде ChatGPT, Qwen или Claude. При нажатии «Копировать» после промпта добавляется выбранный код. Замените текст в 〔〕 на свою ситуацию.

Какой код приложить

Ответ ИИ — лишь отправная точка. Предложенные статьи, числа и функции библиотек обязательно проверяйте по первоисточникам и официальной документации. Если вы используете видео с реальными людьми, сначала убедитесь в наличии согласия на съёмку и соблюдении правил обработки персональных данных.

Глоссарий

Это тот же словарь, что и у терминов с жёлтым пунктирным подчёркиванием в тексте. Нажмите на название раздела, чтобы перейти туда, где термин встретился впервые.

Сборник аналогий — и где аналогия не работает

Аналогия — первый шаг к пониманию, но и семя заблуждения. У аналогий с человеческим восприятием указана сила соответствия. Прямая — есть данные, что это действительно делает то же самое · Частичная — похожи лишь некоторые свойства · Нет — соответствие неизвестно

Понятие	Бытовая аналогия	Аналогия с восприятием человека	Где аналогия не работает
Обнаружение объектов	Наклеить стикер на каждого человека на фото	Частичная С одного взгляда понять: «вон там человек»	Стикеры человек наклеивает точно, а детектор вместе с уверенностью выдаёт и ошибочные рамки
Оценка позы	Наложить на фото проволочную куклу	Частичная Способность узнать идущего человека лишь по движению нескольких точек (point-light walker)	Человек догадывается о положении скрытой руки, а оценка позы при перекрытии ставит точку не туда или пропускает её
Признак	Пункты фоторобота преступника: «рост, одежда, походка»	Нет	Пункты фоторобота выбирает человек. Модель, обучаемая на сырых координатах, сама создаёт себе пункты (MLP из раздела 5)
На основе правил	Прикидка охранника: «бегущий человек подозрителен»	Нет	Охранник поправляет свою прикидку с учётом контекста, а правило так и ошибается в сценах за пределами заданных условий
Воздержание от решения	Судья запрашивает видеопросмотр	Нет	Видеопросмотр используют редко, а если расширить зону воздержания, работы у операторов диспетчерской снова станет больше

Об авторе и источники

E-1 Об авторе · E-2 Научные источники · E-3 Источники рисунков и чисел

E-1 Об авторе

Ан Сансон (генеральный директор M-Robo Co., Ltd.)

Работал в Корейской корпорации электробезопасности (KESCO) и газете Maeil Business Newspaper, затем основал внешнее венчурное предприятие Maeil Business — M-Robo Co., Ltd., которое возглавляет в настоящее время. M-Robo — медиавенчур, начинавшийся как внутренний стартап СМИ: компания предоставляла газете Kukmin Ilbo сервис робота-журналиста (StockBot) и выполнила ряд проектов для Корейского агентства интернета и безопасности (KISA), Корейского фонда прессы, Корейского агентства по радиосвязи и др. Сейчас компания развивает собственный ИИ-сервис новостей Money-Robo. Будучи генеральным директором, победил на Азиатском хакатоне открытых данных и дважды получил награду министра внутренних дел и безопасности за заслуги в области стартапов на основе данных; является изобретателем и правообладателем 5 патентов в области искусственного интеллекта и блокчейна. Автор книги «Преступления с ИИ и самозащита»; разрабатывал электронные учебные курсы по финтеху, статистике и искусственному интеллекту для Центра онлайн-образования Корейского технологического и образовательного университета (KOREATECH). Имеет степень доктора экономических наук (Университет Тонгук, микроэкономика и математическая экономика). Преподаёт дисциплины, связанные с данными и искусственным интеллектом, в ряде университетов, в том числе в Университете Кукмин и Университете Хосо. Подробный профиль

Лекции

Ан Сансон (2025). Конспект лекций «Наука о данных для бизнеса». Кафедра конвергенции ИИ, Корейский открытый киберуниверситет.
Ан Сансон (2025). [K-Digital] Обработка естественного языка с помощью ИИ. STEP (Smart Training Education Platform), Центр онлайн-образования Корейского технологического и образовательного университета.
Ан Сансон (2024). [K-Digital] Основы анализа данных в финтехе. STEP (Smart Training Education Platform), Центр онлайн-образования Корейского технологического и образовательного университета.

Курсы на STEP: link.step.or.kr/1qyVoJ · link.step.or.kr/M9na9N · link.step.or.kr/brqEyc
Если из-за обновления сайта ссылки не открываются, перейдите на www.step.or.kr.

Статьи и доклады

Ан Сансон (2025). Модель прогнозирования расходов домохозяйств на данных Корейского панельного исследования пенсионного обеспечения (KReIS): подход на основе моделей ИИ. «Будущее общество» (Future Society), 16(2). Полный текст
Ан Сансон (2025). Модель прогнозирования расходов домохозяйств на данных Корейского панельного исследования пенсионного обеспечения: подход на основе ИИ. Доклад на научной конференции по панельному исследованию пенсионного обеспечения (13.05.2025), Исследовательский институт Национальной пенсионной службы Кореи. Материалы доклада
Ан Сансон (2025). Алгоритм обнаружения подозрительных сделок с наркотиками по текстам соцсетей: анализ паттернов и контекста. «Будущее общество» (Future Society), 16(1). Полный текст
Ан Сансон (2024). Статистические методы противодействия состязательным данным для защиты моделей обнаружения аномалий в финансовой сфере: эмпирический анализ и результаты моделирования. «Будущее общество» (Future Society), 15(3). Полный текст
Ан Сансон (2024). Решение на основе ИИ для обнаружения публикаций в соцсетях по признакам виртуальных персонажей. Стендовый доклад на 2024 Summer Newmedia Party (19.06.2024), Сеульский университет медиа (аспирантура).
Ан Сансон (2024). Модели машинного обучения на панельных данных о производственном травматизме. Стендовый доклад на 10-й научной конференции по панельному исследованию страхования от производственных травм (17.05.2024), Исследовательский институт социального обеспечения трудящихся, Корейская служба социального обеспечения трудящихся (COMWEL).
Ан Сансон (2024). Анализ и прогнозирование временных рядов виртуальных активов: сравнение моделей временных рядов и моделей ИИ, предложения по улучшению. «Будущее общество» (Future Society), 15(1). Полный текст

E-2 Научные источники

[R1] Cao, Z., Simon, T., Wei, S.-E., & Sheikh, Y. (2017). Realtime multi-person 2D pose estimation using part affinity fields. CVPR 2017, 7291–7299. arXiv:1611.08050 — раздел 3 (оценка позы)
[R2] Lin, T.-Y., Maire, M., Belongie, S., Hays, J., Perona, P., Ramanan, D., Dollár, P., & Zitnick, C. L. (2014). Microsoft COCO: Common objects in context. ECCV 2014, 740–755. arXiv:1405.0312 — раздел 3 (схема из 17 суставов)
[R3] Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. CVPR 2016, 779–788. arXiv:1506.02640 — раздел 3 (обнаружение объектов)
[R4] Yan, S., Xiong, Y., & Lin, D. (2018). Spatial temporal graph convolutional networks for skeleton-based action recognition. AAAI 2018. arXiv:1801.07455 — раздел 5 (распознавание действий по скелету)
[R5] Lugaresi, C., Tang, J., Nash, H., McClanahan, C., Uboweja, E., Hays, M., Zhang, F., Chang, C.-L., Yong, M. G., Lee, J., Chang, W.-T., Hua, W., Georg, M., & Grundmann, M. (2019). MediaPipe: A framework for building perception pipelines. arXiv:1906.08172 — раздел 3

E-3 Источники рисунков и чисел

Иллюстрации сцен (переулок под камерой CCTV, диспетчерская, лаборатория признаков) — пиксель-арт, нарисованный автором
Координаты суставов в разделе 3 считаны прямо с рисунка переулка, а уверенность рамок обнаружения (0.94 и т. п.) — иллюстративные значения
Все сцены в разделах 4–6 — синтетические данные. Только таблица эксперимента в разделе 5 и веса в разделе 6 — результат реального обучения (Код 2)

Советы преподавателям

Методическая памятка для преподавателей, наставников по обучению на рабочем месте (OJT) и тьюторов. Время указано ориентировочно — подстройте его под своё занятие.

Для кого	Студенты и работающие специалисты, впервые знакомящиеся с ИИ для видео. Практики, которые рассматривают внедрение анализа CCTV в сфере общественной безопасности, эксплуатации объектов или управления магазинами
Что нужно знать заранее	Что фотография — это матрица чисел (4-2), координаты и вычисление расстояний (теорема Пифагора), что такое точность
Цели обучения	① Объяснить цепочку «видео CCTV → обнаружение объектов → оценка позы → признаки → решение» ② Привести примеры сцен, в которых ошибаются правила и в которых ошибается обучение ③ Предложить порядок эксплуатации, учитывающий сразу ложные тревоги и пропуски, воздержание от решения и защиту персональных данных
Ориентировочное время	Чтение 35–45 мин · демонстрация анимаций 20 мин · практика в Colab 25 мин (Код 1 — 10 мин, Код 2 — 1 мин запуска + 14 мин разбора)

Три сценария занятия

Лекция, 50 мин

Упор на понятия

Вступление 5 мин (сообщение из раздела 1) → разделы 2·3: от экрана до стик-фигуры 12 мин → раздел 4: шесть сцен 8 мин → раздел 5: эксперимент с порогом правила 10 мин → раздел 6: диспетчерская 10 мин → проверочные вопросы 5 мин.

Обучение на рабочем месте (OJT), 90 мин

Упор на оценку внедрения

Разделы 1·3 — 15 мин → перечитать таблицу эксперимента из раздела 5 через стоимость ложных тревог на вашем объекте — 20 мин → обсуждение: где задать зону воздержания от решения (раздел 6) — 15 мин → составить чек-лист по законодательству и предвзятости (раздел 7) — 15 мин → запуск и разбор Кода 2 — 25 мин.

Индивидуальные занятия 1:1

Темп по уровню

Новичкам — только разделы 2, 3, верхняя таблица раздела 5 и раздел 6. Учащиеся среднего уровня сначала вручную прослеживают функцию features из Кода 1, затем добавляют ещё один признак (например, минимальное расстояние от руки до урны) и сравнивают результаты в Коде 2.

Ключевые моменты по разделам

Раздел	Вопрос, на котором стоит остановиться	Совет по управлению
2 Экран — это числа	«Где среди 6 миллионов чисел человек?»	В режиме «Смотреть в числах» уменьшите размер клетки с 64 до 16
3 Найти человека	«Что мы теряем и что сохраняем, оставив только палочки?»	Переходите к следующему разделу, не выключая режим приватности
4 Во времени	«Чем отличаются графики взмаха рукой и броска?»	Переключайтесь между двумя сценами и сравнивайте высоту жёлтой линии
5 Правила против обучения	«Где поставить порог, чтобы верно определить все шесть сцен?»	Проведите ползунок до конца, убедитесь, что такого порога «нет», и переходите к таблице эксперимента
6 Диспетчерская	«Что произошло в кадре, где оценка резко выросла?»	Запустите сцену «уронить» и остановите её в момент, когда банка касается земли
7 Ограничения	«Если ИИ поднял тревогу, можно ли сразу выписывать штраф?»	Свяжите воздержание от решения с окончательной проверкой человеком

Топ-5 частых заблуждений

Заблуждение	Правильное объяснение	Что показать
ИИ «видит» изображение с CCTV так же, как человек	Он получает сетку чисел и шаг за шагом считает. Метки «человек» и «урна» ставит модель обнаружения	Раздел 2, «Смотреть в числах»
Резкий взмах руки — значит, выброс мусора	Взмах рукой в приветствии тоже быстрый, а «уронить под ноги» — медленное. Результат (где остался предмет) — более сильная подсказка	Раздел 5, правило 1
Если точность 99.7%, то и на реальном объекте будет 99.7%	Это результат на синтетических данных. На реальном видео точность падает из-за перекрытий, темноты и нескольких людей в кадре	Раздел 5, пояснение 3 внизу
Глубокое обучение на «сырых» координатах всегда лучше	Когда данных мало, несколько удачно выбранных признаков могут победить	Две строки MLP в таблице эксперимента раздела 5
Если хранить только стик-фигуру, проблем с персональными данными нет	Это снижает риск, но не устраняет его. Человека можно узнать по походке, а правила установки камер и хранения записей по-прежнему нужно соблюдать	Режим приватности в разделе 3, раздел 7

Проверочные вопросы (нажмите, чтобы раскрыть разбор)

Q1. Сколько чисел в одном кадре цветной камеры CCTV Full HD (1920 × 1080)? Во сколько раз это больше, чем стик-фигура из 13 суставов?

1920 × 1080 × 3 = 6 220 800 чисел. В стик-фигуре 13 × 2 = 26 чисел, поэтому 6 220 800 ÷ 26 ≈ 239 262 — примерно в 240 тысяч раз меньше.

Q2. За один кадр (1/15 с) правое запястье переместилось из (−0.20, 0.80) в (−0.32, 0.88). Какова скорость запястья в рост/с?

Расстояние = √(0.12² + 0.08²) ≈ 0.144. Это за 1/15 с, значит 0.144 × 15 ≈ 2.16 рост/с. Это выше порога 2.0 правила 1.

Q3. Приведите по одному примеру: сцена выброса мусора, которую пропускает правило 2 (скорость запястья > 2.0 и предмет отпущен), и нормальная сцена, которую оно ошибочно ловит.

Пропуск: «уронить под ноги» (запястье движется медленно). Ложная тревога: сильный бросок, при котором банка попала в урну (быстро и предмет отпущен, но это не выброс).

Q4. В весах логистической регрессии у скорости запястья стоит −0.33. Значит ли это, что «чем быстрее, тем меньше похоже на выброс»?

Нет. Это доля скорости при условии, что в модели есть и другие признаки (особенно расстояние вне урны). Расстояние вне урны уже почти полностью объясняет выброс, поэтому за скоростью осталась лишь роль немного «придавить» быстрые, но нормальные сцены вроде взмаха рукой. Нельзя толковать один вес в отрыве от остальных.

Q5. Что должна сделать система, если оценка в диспетчерской равна 0.52? Чем это отличается от случая с одним порогом 0.5?

Это зона воздержания от решения (0.4–0.6), поэтому система не выносит решение автоматически, а передаёт видео оператору. При одном пороге 0.52 сразу стало бы тревогой о выбросе, и ложные тревоги в неоднозначных сценах доставались бы людям без фильтра.

Задания в Colab

Базовое

Добавьте в Код 1 пятый признак — «горизонтальное расстояние между рукой и урной в момент, когда банка отпущена». Сведите его значения для шести сцен в таблицу и в двух предложениях объясните, помогает ли он отличить «бросить в урну» от «уронить под ноги».

Повышенной сложности

В функции make_dataset Кода 2 измените число обучающих сцен: 100 → 25 → 400 — и сравните точность на тесте у логистической регрессии и у «суставы + объект + MLP». Покажите на графике, как разница между двумя подходами меняется с объёмом данных.

Регулировка сложности и что изучить дальше

Новичкам	В графиках раздела 4 и таблице эксперимента раздела 5 достаточно увидеть только «в какой сцене ошибка»
Углублённо	Пусть учащиеся извлекут с помощью MediaPipe координаты суставов из короткого собственного видео (постановочная сцена с согласия участников) и подадут их в features из Кода 1
Следующая часть	5-2 От распознавания к созданию — в той же таблице признаков стрелку разворачивают в обратную сторону и создают движение