ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В СИСТЕМАХ ВИДЕОКОНТРОЛЯ
DOI:
https://doi.org/10.52167/1609-1817-2023-127-4-309-321Ключевые слова:
видеоконтроль, компьютерное зрение, нейросети, искусственный интеллект, безопасностьАннотация
Обеспечение общественной безопасности является одной из приоритетных задач государства. Важнейшим элементом безопасной среды являются системы видеоконтроля, позволяющие вести непрерывное наблюдение за общественными пространствами и объектами инфраструктуры, что позволяет оперативно реагировать на чрезвычайные происшествия в случае их возникновения. Эффективность таких систем во многом зависит от наблюдателя, осуществляющего контроль. На сегодняшний день для контроля видеотрафика все чаще используют системы на основе искусственных нейронных сетей (ИНС), способные в автоматическом режиме отслеживать события, требующие внимания человека, осуществлять идентификацию объектов наблюдения и их поиск. Такие системы лишены недостатков, свойственных человеку, таких, как усталость или отсутствие мотивации, и способны работать непрерывно в многопоточном режиме, что особенно актуально для глобальных систем видеоконтроля, включающих сотни и тысячи видеокамер. Данная работа посвящена применению ИНС в системах видеоконтроля. В статье описаны самые распространённые типы ИНС с точки зрения архитектуры и принципы их функционирования. Приведены основные аспекты обучения нейросетей. Представлены результаты анализа литературы по теме исследования, выделены и описаны основные области применения систем видеоконтроля на основе ИНС, а именно: контроль дорожного движения, идентификация лиц в видеопотоке и распознавание действий на видео.
Библиографические ссылки
[1] Соснин А.С., Суслова И.А. Функции активации нейросети: сигмоида, линейная, ступенчатая//В сборнике: Наука. Информатизация. Технологии. Образование. Материалы XII международной научно-практической конференции. – 2019 – С. 237-246.
[2] Гафаров Ф.М. Искусственные нейронные сети и приложения: учеб. пособие // Ф.М. Гафаров, А.Ф. Галимянов. – Казань: Изд-во Казан. ун-та. – 2018. – 121 с.
[3] Грабовой А.В., Бахтеев О.Ю., Стрижов В.В. Определение релевантности параметров нейросети // Информатика и ее применения. – 2019. – Т. 13, № 2. – С. 62-70.
[4] Моисеева Е.Д. Сравнение эффективности нейросетей семейства ResNet на задачах сегментации компьютерного зрения//Российская наука: тенденции и возможности. Сборник научных статей. Из-во: "Перо" (Москва). – 2020. – Т. 4 – С. 126-129.
[5] Sultani W., Chen C., Shah M. Real-World Anomaly Detection in Surveillance Videos // 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, Salt Lake City, UT. – 2018. – P. 6479-6488.
[6] Кочанов А.Ю. Применение нейросетей для распознавания изображений // Научно-практические исследования. – 2021. – № 1-2 (36). – С. 19-20.
[7] Безлепкин А.П. Анализ методов формирования наборов данных, предназначенных для обучения нейросетей//В сборнике: Перспективные направления развития отечественных информационных технологий. Материалы круглых столов VI межрегиональной научно-практической конференции. Севастополь. – 2020. – С. 35-37.
[8] Allken V., Handegard N. O., Rosen S., et al. Fish species identification using a convolutional neural network trained on synthetic data//ICES Journal of Marine Science. – 2019. – No 76(1). – P. 342-349.
[9] Гладких А.А., Андриянов Н.А., Волков А.К. Сравнительный анализ результатов трансфера обучения нейросетей при решении задачи распознавания объектов на рентгеновских снимках багажа // В сборнике: Современные проблемы проектирования, производства и эксплуатации радиотехнических систем. Сборник научных трудов. Ульяновск. – 2020. – С. 107-110.
[10] Lin G., Zhang Y., Xu G., et al. Smoke Detection on Video Sequences Using 3D Convolutional Neural Networks // Fire Technology. – 2019. – Vol. 55. – P.1827–1847.
[11] Петрушин В.А., Бугаков П.Ю. Разработка программного обеспечения на основе нейросети для оптимизации и анализа дорожного трафика//Интерэкспо Гео-Сибирь. – 2020. – Т. 7, № 1. – С. 93-98.
[12] Ozkurt C., Camci F. Autimatic traffic density estimation and vehicle classification for traffic surveillance systems using neural networks//Mathematical and Computational Applications. 2009. – Vol. 14, No. 3. – P. 187-196.
[13] Pamula T. Road Traffic Conditions Classification Based on Multilevel Filtering of Image Content using Convolutional Neural Networks//IEEE Intelligent transportation systems magazine. – 2018. – Vol. 10. – P. 11-21.
[14] Матюков А.А. Система регулировки дорожного движения на базе нейросетей // В сборнике: Актуальные вопросы экономики, менеджмента и инноваций. Материалы Международной научно-практической конференции. – 2019. – С. 228-232.
[15] Болдырев К.М., Лаптева М.А. Алгоритм идентификации автомобиля по его регистрационному номеру на автопарковке//Решетневские чтения. – 2013. – Т. 2. – С. 186-187.
[16] Костомарова В.В. Зарубежный опыт внедрения интеллектуальных транспортных систем (ИТС)//Актуальные проблемы гуманитарных и естественных наук. – 2016. – № 4-1. – С. 110-113.
[17] Wang S.J., Yang J., Zhang N., Zhou C.G. “Tensor Discriminant Color Space for Face Recognition // IEEE Trans. Image Process. – 2011. – Vol. 20, No. 9. – P. 2490–501.
[18] Dniz O., Bueno G., Salido J., De La Torre F. Face recognition using Histograms of Oriented Gradients // Pattern Recognit. Lett. – 2011. – Vol. 32, No. 12. – P. 1598–1603.
[19] Coskun M., Ucar A., Yildirim Ö., Demir Y. Face Recognition Based on Convolutional Neural Network//2017 International Conference on Modern Electrical and Energy Systems (MEES). – 2017.
[20] Ahn B. Real-Time Video Object Recognition Using Convolutional Neural Network//2015 International Joint Conference on Neural Networks (IJCNN). – 2015.
[21] Плотников Д.В., Сопов Е.А. Решение задач распознавания лиц и мимики с помощью сверточных нейронных сетей//Решетневские чтения. – 2017. – T. 2. – С. 234-236.
[22] Ding C., Tao D. Trunk-Branch Ensemble Convolutional Neural Networks for Video-Based Face Recognition//IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2018. – Vol. 40. – Issue: 4.
[23] Полковникова Н.А. Исследование методов и алгоритмов компьютерного зрения на основе сверточных и рекуррентных нейронных сетей//Эксплуатация морского транспорта. – 2020. – № 3 (96). – С. 154–168.
[24] Буйко А.Ю., Виноградов А.Н. Выявление действий на видео с помощью рекуррентных нейронных сетей//Программные системы: теория и приложения. – 2017. – № 4(35). – С. 327–345.
[25] Девяткин Д.Д., Порцев Р.Ю., Макаренко А.В. Сравнение 3D-сверточных нейронных сетей с полносвязанными и GAP слоями в задаче распознования действий на видео//В сборнике: Управление большими системами. труды XVII Всероссийской школы-конференции молодых ученых. Москва. – 2021. – С. 190-201.
[26] Franklin R., Mohana, Dabbagol V. Anomaly Detection in Videos for Video Surveillance Applications usingNeural Networks // Proceedings of the Fourth International Conference on Inventive Systems and Control (ICISC 2020). IEEE Xplore Part Number: CFP20J06-ART; ISBN: 978-1-7281-2813-9. – 2020. – P. 632-637.
[27] Ding C., Fan S., Zhu M., et al. Violence Detection in Video by Using 3D Convolutional Neural Networks//G. Bebis et al. (Eds.): ISVC 2014, Part II, LNCS 8888. Springer International Publishing Switzerland 2014. – P. 551–558.
[28] Nievas B., E., Deniz Suarez, O., Bueno Garc´ıa, G., Sukthankar, R. Violence detection in video using computer vision techniques // In: Real, P., Diaz-Pernil, D., Molina-Abril, H., Berciano, A., Kropatsch, W. (eds.) CAIP 2011, Part II. LNCS. Springer, Heidelberg (2011). – 2011. – Vol. 6855. – P. 332–339.
[29] Герасимов Н.В., Медведев М.В. Детектирование конфликтных ситуаций в общественных местах с использованием нейросети//В сборнике: Прикладная математика и информатика: современные исследования в области естественных и технических наук. Материалы III научно-практической всероссийской конференции (школы-семинара) молодых ученых. – 2017. – С. 123-126.
[30] Герасимов Н.В., Медведев М.В. Распознавание людей в видеопотоке при помощи нейросети//В сборнике: XXIII Туполевские чтения (школа молодых ученых). Международная молодёжная научная конференция: Материалы конференции. Сборник докладов: в 4 томах. – 2017. – С. 659-663.
[31] Ефимов К.А. Распознование действий людей на видеопотоке с помощью метода распознавания позы//Актуальные научные исследования в современном мире. – 2021. – № 5-2 (73). – С. 76-87.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Батырхан Бекмурзаев, Денис Ерёмин, Римма Калиева, Тимофей Алишин
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.