90 тысяч снимков и нейросеть: как ИИ искал семью Усольцевых в Красноярском крае
Поисковики задействовали нейросеть для анализа свыше 90 тысяч снимков местности в поисках семьи Усольцевых; рассказываем, как искусственный интеллект обрабатывал кадры с беспилотников и что удалось выяснить на новом этапе поисков.
В Красноярском крае поиски семьи Усольцевых вышли на новый технологический уровень: нейросеть проанализировала более 90 тысяч фотографий, снятых беспилотниками. После автоматической обработки каждый потенциально значимый кадр детально изучили специалисты поисково‑спасательного отряда. Рассказываем, как именно искусственный интеллект помогал искать пропавших, какие зоны попали в фокус и к каким выводам пришли эксперты.
Почему понадобился ИИ в поисках Усольцевых: когда глаз человека не справляется
Поиски семьи Усольцевых продолжаются больше года, и территория, которую нужно было обследовать, огромна: труднодоступные лесные массивы, поймы рек, заброшенные участки и старые дороги. За это время спасатели и волонтёры прошли десятки километров пешком, использовали квадроциклы и лодки, а с воздуха местность снимали беспилотники. В результате накопился массив из более чем 90 тысяч кадров — объём, который невозможно детально изучить вручную в разумные сроки.
Также читайте: Аномалия в тайге: почему семья Усольцевых исчезла не оставив следов, несмотря на масштабные поиски
Именно здесь и пригодился искусственный интеллект. Нейросеть не заменяет поисковиков, но кратно ускоряет первичный анализ: она способна за считанные часы просмотреть тысячи снимков и выделить те, где есть подозрительные детали. Человеческий глаз неизбежно устаёт, а алгоритм работает стабильно и не пропускает повторяющиеся паттерны. Для спасателей это означало возможность не тратить время на «пустые» кадры, а сосредоточиться на тех участках, где действительно есть что-то необычное.
Что именно искала нейросеть: задачи и критерии
Перед ИИ поставили конкретные задачи: находить в кадре объекты, которые нехарактерны для дикой природы. В первую очередь это были признаки человеческого присутствия: фрагменты ткани, яркие цвета (например, элементы одежды или туристического снаряжения), металлические предметы, следы кострищ, а также любые конструкции, похожие на временное укрытие. Отдельно нейросеть искала очертания, напоминающие силуэт человека или лежащую фигуру — такие детали особенно важны при поиске пропавших.
Для обучения алгоритма использовали тысячи эталонных изображений: снимки с тренировок поисковиков, архивные кадры с мест происшествий, а также специально подготовленные примеры «что искать». Это позволило настроить чувствительность модели так, чтобы она не реагировала на каждый куст, но при этом не пропускала потенциально важные детали. В итоге система научилась отличать, например, кусок брезента от похожего по цвету мха, а металлический фрагмент — от камня с бликом.
Как проходила обработка 90 тысяч снимков
Процесс анализа был выстроен поэтапно. Сначала все кадры привели к единому формату и качеству — убрали дубликаты, выровняли яркость и контраст, чтобы нейросеть работала с максимально «чистыми» данными. Затем снимки загрузили в систему: алгоритм последовательно просматривал каждый кадр, выделял зоны интереса и присваивал им уровень приоритета. Например, если на фото находили сразу несколько подозрительных деталей (яркий предмет плюс что-то похожее на ткань), снимок помечали как «высокий приоритет» и отправляли на срочную проверку.
На выходе получился короткий список «подозрительных» кадров — их было значительно меньше, чем исходных 90 тысяч. Именно эти снимки и передали специалистам поисково-спасательного отряда для детального изучения. Такой подход позволил не только сэкономить время, но и избежать ошибок из‑за усталости: люди смотрели только на то, что алгоритм посчитал потенциально важным.
Ручной разбор: что делали специалисты после ИИ
После автоматической обработки в работу включились эксперты. Каждый «подозрительный» кадр рассматривали с разных сторон: проверяли масштаб, оценивали, насколько деталь похожа на искомый объект, учитывали рельеф и тени. Иногда то, что нейросеть принимала за ткань, на деле оказывалось вывороченным корнем или светлым мхом. Но были и случаи, когда алгоритм действительно находил что-то интересное: фрагменты снаряжения, старые следы техники, остатки временных укрытий.
Важно, что специалисты не ограничивались одним кадром: если на снимке видели подозрительный объект, они запрашивали соседние кадры, чтобы понять контекст. Так удавалось определить, действительно ли это новая находка или уже известный ориентир. В ряде случаев по таким снимкам формировали новые маршруты для наземных групп: спасатели выезжали на место, чтобы осмотреть территорию вживую и собрать дополнительные улики.
Какие зоны попали под особый контроль
Анализ снимков позволил точнее очертить приоритетные участки. В первую очередь внимание сосредоточили на старых лесовозных дорогах и заброшенных делянках — там чаще всего встречались следы техники и временные стоянки. Также в фокус попали пойменные участки рек: они привлекали внимание из‑за высокой проходимости и наличия источников воды, что важно при длительном пребывании в лесу. Отдельные группы работали в районе старых охотничьих изб и бывших хозяйственных построек — эти места традиционно считаются точками притяжения для тех, кто оказался в сложной ситуации.
Кроме того, по результатам анализа скорректировали маршруты беспилотников: теперь аппараты летали не «по сетке», а с акцентом на наиболее перспективные зоны. Это позволило не распылять ресурсы и получать более детальные снимки именно там, где вероятность найти зацепку была выше.
Что удалось выяснить и чего ждать дальше
По итогам работы нейросети и последующего ручного анализа специалисты выделили несколько перспективных направлений. Были найдены новые следы пребывания людей в отдалённых местах, которые раньше не попадали в основной фокус поисковых групп. Часть находок оказалась «ложными тревогами» — старыми предметами, оставленными туристами или охотниками. Но некоторые детали потребовали дополнительной проверки, и по ним уже работают наземные отряды.
При этом эксперты подчёркивают: сам по себе анализ снимков — это лишь один из инструментов. Он помогает сузить круг поиска, но не даёт окончательных ответов. Дальнейшие шаги зависят от того, что удастся обнаружить на местности: любые новые улики могут стать поводом для привлечения дополнительных сил, расширения зоны поисков или изменения тактики.
Ранее на сайте писали: Ирина Усольцева появилась в MAX спустя год после исчезновения: что известно о загадочном уведомлении
