ПРОГРАМНО-АПАРАТНИЙ КОМПЛЕКС КОНТРОЛЮ ДОСТУПУ ДО КРИТИЧНИХ ОБ’ЄКТІВ ЗА ТЕХНОЛОГІЯМИ COMPUTER VISION
DOI:
https://doi.org/10.18372/2310-5461.63.18948Ключові слова:
комп’ютерні системи, комп’ютерна мережа, розпізнавання образів, технології Computer VisionАнотація
В статті запропоновано програмно-апаратний комплекс контролю доступу до критичних об’єктів за технологіями Computer Vision. Апаратна складова реалізована на рівні проектних рішень. Програмна складова має практичну реалізацію.
Технологічною основою програмної складової є методи, моделі та алгоритмі Computer Vision, доведені до конкретного програмного продукту. Реалізацію програмної компоненти здійснено мовою програмування Python та відповідних бібліотек з інтеграцією інформаційних потоків від декількох камер спостереження. Програмно-апаратний комплекс контролю доступу до критичних об’єктів базується на використанні технологій розподілених комп’ютерних систем та мереж.
Приклад реалізації запропонованих рішень забезпечує функції контролю доступу автомобілів до паркувальних місць об’єктів критичної інфраструктури (торгівельно-розважальних центрів; спортивних / концертних майданчиків; закладів вищої освіти; житлових комплексів тощо); блокування незареєстрованих користувачів; виявлення порушників. Ідентифікація проводиться за номерними знаками та, за необхідності за іншими індикаторами.
Особливість запропонованої розробки полягає у наступному. Система забезпечує контроль внутрішнього та зовнішнього периметру критичного об’єкта; відстеження об’єкту побудовано на використанні згорткової нейронної мережі YOLOv8, яка забезпечує об’єктову ідентифікацію в процесі Object Tracking за визначеною кількісттю кадрів; навчання мережі проведено за власним Dataset масивом. Розробка має практичне впровадження.
Посилання
Закон України Про критичну інфраструктуру (Із змінами, внесеними згідно із Законом № 2684-IX від 18.10.2022) [https://zakon.rada.gov.ua/laws/show/1882-20#Text].
Бобало Ю. Я. Моніторинг об‘єктів в умовах апріорної невизначеності джерел інформації: [монографія] / Ю. Я. Бобало, Ю. Г. Даник, Л. О. Комарова, О. О. Лук‘янов, В. М. Максимович, В. В. Ріппенбейн, Р. Т. Смук, В. С. Стогній, Ю. Б. Сторонський, Б. М. Стрихалюк. Львів, 2015. 360 с.
Компанія «Українські системні інновації», офіційний сайт: https://ukrsi.com.ua/products/. (дата звернення 25.07.2024)
Компанія «VIDEOCAM», офіційний сайт: https://videocam.in.ua (дата звернення 25.07.2024)
Компанія «ВЕНБЕСТ», офіційний сайт: https://venbest.ua/ (дата звернення 25.07.2024)
Компанія «AJAX», офіційний сайт: https://ajax.systems/ua/ (дата звернення 25.07.2024)
Ranjay Krishna Computer Vision: Foundations and Applications. Published by stanford university, 2017. http://vision.stanford.edu/teaching/cs131_fall1718/files/cs131-class-notes.pdf.
Linda G. Shapiro, George C. Stockman. Computer Vision. The University of Washington, 2020. http://nana.lecturer.pens.ac.id/index_files/referensi/computer_vision/Computer%20Vision.pdf.
Richard Szeliski. Computer Vision: Algorithms and Applications. Springer, 2010. https://www.cs.ccu.edu.tw/~damon/tmp/SzeliskiBook_20100903_draft.pdf.
Jiao L., Zhang F., Liu F., Yang S., Li L., Feng Z., & Qu R. A Survey of Deep Learning-based Object Detection. IEEE Access, Vol.: 7, 2019. https://doi.org/10.1109/ACCESS.2019.2939201.
Richard Szeliski. Image alignment and stitching: a tutorial. Computer Graphics and Vision. Vol. 2, No 1, 2006. 1–104. http://szeliski.org/papers/Szeliski_ImageAlignmentTutorial_FnT06.pdf.
Jan Erik Solem Programming Computer Vision with Python http://programmingcomputervision.com/downloads/ProgrammingComputerVision_CCdraft.pdf.
Sebastian Raska, Vahid Mirjalili. Python and machine learning. UC: Published by Packt Publishing Ltd, 2019. 741c.
Daniel Dluznevskij, Pavel Stefanovic, Simona Ramanauskait Investigation of YOLOv5 Efficiency in iPhoneSupported Systems. Baltic J. Modern Computing, Vol. 9 (2021), No. 3, pp. 333–344 https://doi.org/10.22364/bjmc.2021.9.3.07
Опис згорткової нейронної мережі YOLOv8 [https://ultralytics.com/yolov8]. (дата звернення 25.07.2024)
Ресурси порталу спільноти із штучного інтелекту [https://paperswithcode.com/]. (дата звернення 25.07.2024).