Считаем толпу с дронов без разметки: адаптивный протокол для ЧМ-2034 в Саудовской Аравии
Саудовская Аравия готовится принять чемпионат мира по футболу в 2034 году, и уже сейчас оттачивает технологии управления потоками людей на массовых мероприятиях. Один из самых сложных сценариев — Хаджа, где ежегодно собираются миллионы паломников. Для таких событий нужны не просто дроны с камерами, а интеллектуальные системы, способные в реальном времени оценивать плотность толпы и заранее предупреждать об опасности давки.
Проблема в том, что стандартные модели подсчёта людей обучаются на одних данных, а в реальности сталкиваются с другими: другой ракурс, освещение, плотность, движение. Разметка каждого нового кадра вручную — слишком дорого и медленно. Поэтому исследователи ищут способы адаптировать модели на лету, без внешних подсказок. Именно этой задаче посвящена недавняя работа на arXiv (2608.17625), авторы которой предложили целый протокол для безопасного развёртывания таких систем в условиях массовых скоплений.
Как заставить модель работать на незнакомых кадрах
Ключевая идея — безназметочная адаптация. Модель сама подстраивается под новый видеопоток, используя только сами кадры, без какой-либо разметки. Авторы провели 525 контролируемых прогонов и проверили подход на четырёх типах искажений и пяти уровнях тяжести. Оказалось, что адаптация восстанавливает от 31 до 49 процентов ошибки, которую вносит сдвиг домена, — то есть разница между обучающими и реальными данными. Лучший метод снижает абсолютную ошибку на 41.8 пункта по сравнению с замороженной исходной моделью, причём результат статистически значим (p=7.5×10⁻¹⁰).
Но важно не только среднее качество. Исследователи вывели закон тяжести, который разделяет методы на две категории: те, что дают постоянный абсолютный запас точности, и те, у которых запас растёт по мере усложнения сцены. Для практики это означает, что можно заранее рассчитать бюджет стабильности — понять, какую конфигурацию алгоритма безопасно запускать в реальном полёте, а какая начнёт терять качество на слишком сложных кадрах.
Дополнительно авторы проверили модель на полномасштабном корпусе с реальными аэросъёмками. Исходная модель, дообученная до валидационной ошибки 14.6, на реальных кадрах давала на 48 пунктов MAE хуже. Адаптация же исправила главный недостаток — систематический недоучёт плотных сцен. Это критично, ведь именно в плотных сценах начинается формирование давки, и занижение данных может привести к трагедии.
Когда адаптация может обмануть
Авторы честно разбирают и ограничения подхода. Они протестировали специальный режим, в котором использовались длинные клипы по 300 кадров с интервалом 200 мс — в пять раз шире стандартного. Оказалось, что в этом режиме сигнал адаптации объясняется не реальным потоком людей, а простой нормализацией данных. Остаток непрерывности почти не реагирует на пропорциональные ошибки подсчёта, которые как раз возникают из-за сдвига домена. Это подтвердили четыре абляции: корреляция между сигналом и реальным потоком составила 0.999, а искажение 40% входных данных меняло точность лишь на 0.05 MAE. Вывод: доверять адаптации можно только тогда, когда её работа действительно обусловлена потоком, а не артефактами обработки.
Почему просто "измерить сдвиг" недостаточно
Многие системы пытаются оценить величину сдвига домена и на основе этого решить, когда включать адаптацию. Авторы показали, что такой подход не работает. Они построили безназметочный шлюз сдвига и обнаружили, что величина сдвига и реальный ущерб точности почти не коррелируют по рангу (Spearman rho=0.20). Среди настоящих сдвигов корреляция вообще отрицательная (rho=-0.60). Это значит, что шлюз, ориентирующийся на величину сдвига, пропускает до 58% случаев, где адаптация могла бы помочь, и наоборот — запускается там, где она не нужна. Поэтому авторы предлагают политику безусловной адаптации с мониторингом хвостов распределения — следить не за средним сдвигом, а за редкими, но опасными отклонениями.
Шестипунктовый протокол развёртывания
На основе всех экспериментов авторы сформулировали практический протокол для внедрения. Он включает шесть шагов — от валидации на полном разрешении до проверки модулей риска на реальных эпизодах перегруженности. Такой модуль у них сработал на двух из шести полнометражных клипов с реальными перегрузками. Протокол также требует заранее определять, какие методы адаптации допустимы для конкретного типа съёмки, и проверять, не маскирует ли нормализация реальный сигнал о плотности.
В итоге исследование показывает: безназметочный подсчёт толпы с дронов — уже не теория, а инженерная практика. Но чтобы система работала на таком масштабе, как ЧМ-2034, нужны не только точные модели, но и продуманные процедуры их проверки и развёртывания. Именно такой подход — от статистики до конкретных протоколов — позволяет превращать алгоритмы в надёжный инструмент безопасности массовых мероприятий.
