Умная камера домашнего видеонаблюдения Butterfleye собрала необходимые для производства финансовые средства меньше, чем за сутки. Подробнее можно прочитать на странице проекта на краудфандинговой платформе Indiegogo.
Камера начинает записывать изображение только если датчик движения улавливает какую-либо активность. Управляющее камерой программное обеспечение способно различать лица и игнорировать движение домашних животных. Камера использует облачное хранилище и умеет отправлять уведомления на телефон владельца. Встроенный аккумулятор позволяет гаджету работать две недели без подзарядки, а если интернет через Wi-Fi недоступен, Butterfleye сохраняет до 12 часов видео и загрузит его в облачное хранилище при первой возможности.
По словам создателей устройства, камера фильтрует ложные срабатывания лучше, чем большая часть конкурентов. Алгоритм, управляющий устройством, анализирует изменение изображения в кадре и умеет игнорировать качающиеся за окном деревья, изменение освещенности или движение на экране телевизора.
Устройства с подобными возможностями существовали и раньше, однако разработчики Butterfleye утверждают, что в именно этой камере они объединили все необходимые функции для камеры домашнего видеонаблюдения. Для того, чтобы стать обладателем Butterfleye, необходимо пожертвовать проекту от 199 долларов США. Отправка первой партии запланирована на 2016 год.
Ранее свою версию умной камеры выпустила компания FLIR Systems. Их камера Flir FX умеет комбинировать несколько сюжетов в один для одновременного просмотра.
Также алгоритм может быть полезен при стихийных бедствиях
Ученые разработали датчик, способный распознавать диарею по звукам дефекации, и представили его на 183-м заседании Акустического общества Америки. Предполагается, что устройство поможет предсказывать вспышки инфекционных заболеваний. Диарея может иметь вполне безобидное происхождение: например, быть побочным эффектом лекарства или реакцией организма на что-то несвежее. Однако нередко диарея сопровождает инфекционные заболевания, многие из которых до сих пор представляют серьезную опасность — например, холеру, уносящую около 150000 жизней в год. С этой точки зрения мониторинг звуков диареи может быть полезен для того, чтобы предсказать вспышку инфекции и остановить ее стремительное распространение. Группа ученых из Технологического института Джорджии под руководством инженера-исследователя Майи Гатлин (Maia Gatlin) разработала прототип устройства для мониторинга диареи. Датчик использует микрофон и алгоритм машинного обучения, работающий на встроенном микропроцессоре и умеющий анализировать звуки, которые издают посетители туалетов. Авторы изделия рассказывают о работе алгоритма в общих чертах, не сообщая об архитектуре нейросети, размере и составе датасета для обучения. Известно, что первоначально исследователи обучили алгоритм на звуках, которые удалось собрать из онлайн-источников. Каждый из этих образцов устройство преобразовывало в спектрограмму. Сперва алгоритм научили распознавать, какие характерные особенности спектрограммы сопровождают те или иные виды выделений. Для обучения использовались различные звуки естественных отправлений человека: как нормальные, вроде мочеиспускания, метеоризма и обычной, здоровой дефекации, так и патологические. Так, для диареи характерны определенные движения кишечника, рыхлые и водянистые, и сопровождаются они определенными звуками. Затем алгоритму дали послушать другие образцы звуков, и он смог распознать тип события с точностью до 98,1 процента. Авторы датчика предполагают, что устройство может быть полезно в различных сферах: например, для отслеживания состояния кишечника у пациентов в хосписах или тех, кто страдает от болезни Крона. Также детектор будет полезен в зонах стихийных бедствий — там, где загрязнение воды приводит к распространению болезнетворных микроорганизмов. Кроме того, не исключено, что в будущем эту технологию можно будет применять в экосистеме умного дома. Исследования того, что происходит в туалете и после него, помогают предсказать вспышки многих инфекционных заболеваний, не только холеры. Подробно о том, какую информацию можно получить, исследуя стоки, N+1 рассказывал в материале «Смытые данные».