В настоящей статье разработана архитектура многозадачной системы распознавания. Система предназначена для распознавания тех объектов, которые может распознавать библиотека ImageAI, и допускает добавление пользовательских методов распознавания. Система является гибкой в том смысле, что в ней жестко не закреплено, что именно распознавать, за чем именно наблюдать и о чем сигнализировать. Все это может задавать пользователь, установив соответствующие опции. Опции системы также позволяют вырезать, приближать для рассмотрения нужные области из кадра (или картинки). Причем указанные выше алгоритмы распознавания и анализа, логические правила наблюдения и сигнализации о событиях, для которых окажутся выполненными эти правила, будут срабатывать и на выделенном фрагменте. На разных кусках изображения (кадра) могут быть установлены разные правила наблюдения и сигнализации. Под логическими правилами наблюдения здесь понимаются условия на проверку одновременности появления в кадре (или картинке) указанных пользователем объектов в количествах, также заданных пользователем. В системе предусмотрено улучшение качества полного изображения и вырезанных кусков. Это позволяет настроить систему для разных метеоусловий наблюдения и разных камер.
In this article, the architecture of a multitasking recognition system has been developed. The system is designed to recognize those objects that the ImageAI library can recognize, and allows the addition of custom recognition methods. The system is flexible in the sense that it does not rigidly fix what exactly to recognize, what to observe and what to signal. All this can be set by the user by setting the appropriate options. The system options also allow you to cut out, zoom in to view the desired areas from the frame (or picture). Moreover, the above recognition and analysis algorithms, logical rules for monitoring and signaling events for which these rules turn out to be fulfilled, will also work on the selected fragment. On different parts of the image (frame) different rules of observation and signaling can be set. The logical rules of observation here mean the conditions for checking the simultaneous appearance in the frame (or picture) of objects specified by the user in quantities also specified by the user. The system provides for improving the quality of the full image and cut out pieces. This allows you to configure the system for different observation weather conditions and different cameras.
1. Малявкина Л.И., Меньшова М.В. Системы видеоанализа в розничной торговле // Научные записки орелгиэт. 2015. Вып. 6. C. 7-12.
2. Михайлов В.В., Колпащиков Л.А., Соболевский В.А., Соловьев Н.В., Якушев Г.К. Методологические подходы и алгоритмы распознавания и подсчета животных на аэрофотоснимках // Информационно-управляющие системы. 2021. №5 (114). С. 20-32.
3. Щукин С.А. Анализ методов распознавания свободных парковочных мест на основе распознавания графических образов // Научные записки орелгиэт. 2015. Вып. 6. C. 7-12.
4. Миссаров М.Д., Шустова Е.П., Шустова К.П. Интерфейс системы “Обработка и анализ изображений и видео-потоков” // Современные наукоемкие технологии. 2020. № 6 (часть 1). С. 67-73. DOI 10.17513/snt.38073.
5. Shustova E.P. Design principles and architecture of the system “Processing and analysis of images and video streams”, Journal of Physics: Conference Series. 2019. Vol. 1158. № 4. Р. 042017. URL: https://iopscience.iop.org/issue/1742-6596/1158/4 (дата обращения: 10.11.2022).
6. Соловяненко А.Ю. Система тестирования качества работы методов обработки и анализа изображений и видеопотоков: материалы Международной молодёжной научной конференции «XXIV ТУПОЛЕВСКИЕ ЧТЕНИЯ» (Казань, 7–8 ноября 2019 г). Казань: изд-во ИП Сагиева А.Р., 2019. Т. 4. С. 417-423.
7. Шаталин Р.А., Фидельман В.Р., Овчинников П.Е. Обнаружение нехарактерного поведения в задачах видеонаблюдения // Компьютерная оптика. 2017. Т. 41. № 1. С. 37-45.
8. Stringa E., Regazzoni C.S. Real-time video-shot detection for scene surveillance applications. IEEE Transactions on Image Processing, 2000. № 9(1). Р. 69-79.
9. Шустова К.П. Проектирование системы поддержки принятия решения для контроля текущего уровня жидкости с помощью удаленного видео-анализа // Современные наукоемкие технологии. 2021. № 6 (часть 1). С. 102-107.
10. Определения типа и свойств объекта при обработке видеопотока: свидетельство о государственной регистрации программы для ЭВМ, Рос. Федерация, номер свидетельства: RU 2020662691. Правообладатели: Общество с ограниченной ответственностью «Сканикс», дата регистрации: 2020.10.07, дата публикации: 2020.10.16, Объем: 8 КБ. URL: https://www.elibrary.ru/item.asp?id=44105928, (дата обращения: 10.11.2022).
11. Елизаров А.А. Метод адаптивной классификации изображений с использованием обучения с подкреплением. 2022. Т. 35. № 1. С. 028-036. URL: http://swsys.ru/index.php?page=10&lang= (дата обращения: 10.11.2022).
12. Official English Documentation for ImageAI. URL: https://imageai.readthedocs.io/en/latest/ https://imageai.readthe docs.io/en/latest/ (дата обращения: 10.11.2022).