Програмне забезпечення системи автоматичного відеомоніторингу рухомих об’єктів

Abstract

З розвитком технологій комп’ютерного зору та обробки зображень відкриваються нові можливості для автоматизації процесів виявлення об’єктів у відеопотоці. Одним із ключових аспектів цих технологій є розпізнавання рухомих об’єктів, що має вирішальне значення для систем безпеки, дорожнього руху, автономного транспорту та робототехніки. Виявлення об’єктів із урахуванням їхнього руху є складним завданням, яке потребує інтеграції методів обробки зображень і машинного навчання. Зокрема, віднімання фону дозволяє ідентифікувати рухомі області, а згорткові нейронні мережі забезпечують точне розпізнавання об’єктів у цих зонах. Дане дослідження спрямоване на розробку системи автоматичного відеомоніторингу рухомих об’єктів у реальному часі, що поєднує методи віднімання фону та нейронні мережі. Основною метою є створення ефективного рішення, яке забезпечить високу точність і швидкість детекції рухомих об’єктів. На основі попереднього досвіду з проєктами, де використовувалися сучасні алгоритми детекції (YOLOv10) і трекінгу (DeepSort), а також бібліотеки OpenCV, PyQt6 і PostgreSQL, у цьому дослі’дженні пропонується інтегрувати попередньо навчену модель MobileNet SSD для розпізнавання об’єктів із методом віднімання фону OpenCV для виділення рухомих областей. Такий підхід дозволить не лише ідентифікувати об’єкти в відеопотоці, але й ефективно відстежувати їхній рух, що має практичне значення для реальних застосувань, таких як аналіз дорожнього руху чи моніторинг безпеки. У даному проєкті особлива увага приділяється інженерним аспектам реалізації, включаючи оптимізацію алгоритмів, інтеграцію сучасних бібліотек (OpenCV, Ultralytics YOLO) і забезпечення високої точності обробки даних. Основні результати роботи представлено у вигляді тез на конференції “Теоретичні та прикладні аспекти розробки комп’ютерних систем “2025", яка проходила 24 квітня 2025 року, а зміст охоплює системний аналіз, архітектуру, програмну реалізацію, тестування та рекомендації щодо впровадження системи, демонструючи її відповідність поставленим вимогам і потенціал для подальшого розвитку. Структура записки складається з 4 основних розділів, обсягом 94 сторінки, 18 використаних джерел та 2 додатки. У вступі описується актуальність теми, мета до системи та існуючих рішень. У 1 розділі наведено огляд літератури, включаючи аналіз сучасних методів комп’ютерного зору та алгоритмів детекції об’єктів, таких як YOLOv10 та DeepSort. У 2 розділі описується розробка програмного забезпечення за допомогою бібліотек OpenCV, Ultralytics YOLO, PyQt6 та psycopg2 для створення системи автоматичного відеомоніторингу рухомих об’єктів. У 3 розділі представлено тестування системи, включаючи оцінку швидкості обробки кадрів та точності трекінгу на основі набору даних Udacity Self Driving Car Dataset. У 4 розділі описано апаратну вимогу техніки та оцінку складності програмного пакету.