Предложен алгоритм определения недопустимых движений в видеопотоке, который позволяет гибко настраивать чувствительность обнаружения недопустимых движений; обеспечивает устойчивость к шуму; указывает место в кадре, где произошло обнаружение нетипичного движения; не тратит время на определение фона и траекторий движения объектов; анализ не тормозит видеопоток при его обработке в Wolfram Mathematica и Python. Предложенный алгоритм обнаруживает недопустимые движения не более чем за 0,02 с, а допустимые – в сотни раз быстрее. То есть пользователь системы видит результаты анализа без задержек и зависаний. В работе логика предложенного алгоритма представлена на диаграмме деятельности. В качестве примеров программирования ключевых моментов предложенного алгоритма приведены коды программы в системе Wolfram Mathematica 11, в которых реализованы предложенные в работе приемы реализации этих моментов. При разработке алгоритма анализа движения учтены характеристики имеющихся в настоящее время камер, предназначенных для использования на улице и в помещениях, реализующихся в продаже в настоящее время. Указаны параметры видеопотоков прикладных задач, которые могут быть решены с помощью предложенного алгоритма анализа, и соответствующие рекомендуемые камеры. Этот список показывает, какие именно камеры лучше использовать для задач по обнаружению движений в видеопотоке с указанными параметрами. Предложенный алгоритм может быть использован в системах управления беспилотным транспортом и мониторинге охраняемых объектов (со стационарной или подвижной камеры), где важно своевременно фиксировать недопустимое движение в строго определенных зонах.
An algorithm for detecting unacceptable movements in a video stream is proposed, which allows flexible adjustment of the sensitivity of detecting unacceptable movements; ensures resistance to noise; indicates the location in the frame where an atypical movement was detected; does not waste time determining the background and trajectories of objects; the analysis does not slow down the video stream when it is processed in Wolfram Mathematica and Python. The proposed algorithm detects inadmissible movements in no more than 0.02 sec., and acceptable ones hundreds of times faster. That is, the user of the system sees the analysis results without delays and freezes. In the paper, the logic of the proposed algorithm is presented on a activity diagram. As examples of programming the key points of the proposed algorithm, the program codes in the Wolfram Mathematica 11 system are given, in which the methods for implementing these points proposed in the paper are implemented. In developing the motion analysis algorithm, the characteristics of currently available cameras intended for use outdoors and indoors, currently sold, were taken into account. The parameters of video streams of applied tasks that can be solved using the proposed analysis algorithm and the corresponding recommended cameras are indicated. This list shows which cameras are best used for video stream motion detection tasks with the specified parameters. The proposed algorithm can be used in control systems for unmanned vehicles and monitoring of protected objects (from a stationary or moving camera), where it is important to promptly record unacceptable movement in strictly defined zones.
1. Синицын И.С., Сулицкий М.В., Парыгин Д.С., Джагаев В.А., Серякова В.Н. Использование нейронных сетей для определения дорожной обстановки // Системный анализ в науке и образовании. 2022. № 2. С. 17–22. URL: https://sanse.ru/index.php/sanse/article/view/531 (дата обращения: 21.04.2025).
2. Морозов А.А., Сушкова О.С. Анализ видеоизображений в реальном времени средствами языка Акторный Пролог // Компьютерная оптика. 2016. Т. 40. № 6. С. 947–957. URL: https://computeroptics.ru/KO/PDF/KO40-6/400623.pdf. (дата обращения: 21.04.2025). DOI: 10.18287/2412-6179-2016-40-6-947-957.
3. Шустова Е.П., Шустова К.П. Архитектура многозадачной системы распознавания с помощью IMAGEAI и пользовательскими методами распознавания // Современные наукоемкие технологии. 2022. № 12–1. С. 88–93. URL: https://top-technologies.ru/ru/article/view?id=39442. (дата обращения: 21.04.2025). DOI: 10.17513/snt.39442.
4. Шаталин Р.А., Фидельман В.Р., Овчинников П.Е. Обнаружение нехарактерного поведения в задачах видеонаблюдения // Компьютерная оптика. 2017. Т. 41. № 1. С. 37–45. URL: https://computeroptics.ru/KO/PDF/KO41-1/410105.pdf (дата обращения: 21.04.2025). DOI: 10.18287/2412-6179-2017-41-1-37-45.
5. Шустова К.П. Проектирование системы поддержки принятия решения для контроля текущего уровня жидкости с помощью удаленного видеоанализа // Современные наукоемкие технологии. 2021. № 6–1. С. 102–107. URL: https://top-technologies.ru/ru/article/view?id=38705 DOI: 10.17513/snt.38705 (дата обращения: 21.04.2025).
6. Шустова К.П. Создание приложения для обнаружения движения в помещении со стационарной камеры в Mathematica 8. Cообщение и сигнализация о его существенности (критерий количества движения – коэффициент вариации) // Современные проблемы науки и образования. 2013. № 4. URL: https://science-education.ru/ru/article/view?id=9977 (дата обращения: 21.04.2025).
7. Лебедев А.О., Васильев В.В., Паулиш А.Г. Алгоритм управления полетом БПЛА вдоль железной дороги с помощью технического зрения // Компьютерная оптика. 2025. Т. 49. № 2. С. 320–326. URL: https://computeroptics.ru/KO/Annot/KO49-2/490217.html (дата обращения: 21.04.2025). DOI: 10.18287/2412-6179-CO-1532.
8. Сороковнина И.А. Движение робота по цветовой линии и распознавание цветовых объектов при помощи пороговой обработки изображения // Вестник Казанского государственного технического университета им. А.Н. Туполева. 2024. Т. 80. № 3. С. 89–95. URL: https://elibrary.ru/item.asp?id=78990576 (дата обращения: 21.04.2025).
9. Фахми Ш.С., Шаталова Н.В., Костикова Е.В. Потоковая обработка видеоинформации морских сюжетов с использованием расширенной инструкции процессора // Морские интеллектуальные технологии. 2021. № 2–1 (52). С. 124–131. URL: http://morintex.ru/wp-content/files_mf/1624373141MITVOL52No2PART12021COMP.pdf (дата обращения: 21.04.2025). DOI: 10.37220/MIT.2021.52.2.018. EDN: CAZRGX.
10. 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). № 042017. URL: https://iopscience.iop.org/article/10.1088/1742-6596/1158/4/042017 (дата обращения: 21.04.2025).
11. Официальная страница товаров ООО «ВИДЕОГЛАЗ ЦЕНТР». [Электронный ресурс]. URL: https://videoglaz.ru/blog/chastota-kadrov-videonablyudeniya (дата обращения: 21.04.2025).
12. Саниев К.Б. Когнитивное машинное зрение на основе параметрического анализа структурных примитивов изображений // Ползуновский вестник. 2013. № 2. URL: http://elib.altstu.ru/journals/Files/pv2013_02/pdf/073saniev.pdf (дата обращения: 21.04.2025).
13. Официальная страница товаров интернет-магазина продукции DAHUA Technology [Электронный ресурс]. URL: https://www.dahua.market/kamery-videonablyudeniya (дата обращения: 21.04.2025).
14. Официальная страница торговой площадки AeroExpo, [Электронный ресурс]. URL: https://www.aeroexpo.com.ru (дата обращения: 21.04.2025).
15. Валеев А. Оптические системы для автопилотируемых и роботизированных комплексов // Control Engineering. 2023. Июль. [Электронный ресурс]. URL: https://controleng. ru/tehnicheskoe-zrenie/opticheskie-sistemy (дата обращения: 21.04.2025).