Комбинирование систем распознавания и отслеживания аномальных объектов в телекоммуникационных системах

Цель. Целью исследования является интеграция алгоритмов YOLO и CSRT для автоматизированного распознавания и отслеживания объектов в видеопотоке. Акцентируется внимание на проблемах, связанных с растущим объемом видеоданных и необходимостью эффективной идентификации аномальных объектов в системах осуществляющих контроль безопасности. Метод. Исследование основано на методах имитационного компьютерного моделирования и алгоритмах. Результат. Определены ключевые особенности каждого алгоритма, их преимущества и недостатки. Представлены результаты экспериментальных тестов, основанных на анализе видеопотоков с разнообразными сценариями движения объектов, которые показывают сокращение времени обработки кадров при высокой точности распознавания. Доказана возможность дальнейшего улучшения системы автоматизированного распознавания и отслеживания, в частности, добавление функции прогнозирования движения объектов, что позволит повысить её эффективность и расширить область применения в задачах видеонаблюдения и безопасности. Вывод. Интеграция алгоритмов позволяет достигать значительных улучшений в реальном времени, что особенно важно в контексте видеонаблюдения и обеспечения безопасности. Добавление функции прогнозирования движения объектов не только увеличит функциональность системы, но и сделает её более адаптивной к динамичным условиям, что крайне важно для предотвращения потенциальных угроз.

1. URL:www.researchgate.net/publication/376777967_Pepper_Target_Recognition_and_Detection_Based_on_Improved_YOLO_v4.Tan, Zhiyuan & Chen, Bin & Sun, Liying & Xu, Huimin & Zhang, Kun & Chen, Feng. Pepper Target Recognition and Detection Based on Improved YOLO v4. // Information Technology and Control, 2023, № 12.

2. Farhadov, Xurshedjon & Lee, Suk-Hwan & Kwon, Ki-Ryong. Object Tracking using CSRT Tracker and RCNN// 7th International Conference on Bioimaging. 2020. 209-212.

3. Islam, Shahab & Ferraioli, Giampaolo & Pascazio, Vito & Vitale, Sergio & Amin, Muhammad. Performance Analysis of YOLOv3, YOLOv4 and MobileNet SSD for Real Time Object Detection // ResearchGate, 2024, № 6. – URL: www.researchgate.net/publication/381851712_Performance_Analysis_of_YOLOv3_YOLOv4_and_MobileNet_SSD_for_Real_Time_Object_Detection. 37-49.

4. Fang, Cheng & Huang, Jun duan & Cuan, Kaixuan & Zhang, Xiaolin & Zhang, Tiemin. Comparative study on poultry target tracking algorithms based on a deep regression network. // Biosystems Engineering, 2020. – URL: www.sci-hub.ru/10.1016/j.biosystemseng.2019.12.002.

5. Шибайкин, С.Д. Проблемы построения оптического потока динамических изображений / С.Д. Шибайкин // Фундаментально-прикладные проблемы безопасности, живучести, надежности, устойчивости и эффективности систем : Материалы III международной научно-практической конференции, посвящённой 110-летию со дня рождения академика Н. А. Пилюгина, Елец, 03–05 июня 2019 года. Том Часть I. – Елец: Елецкий государственный университет им. И. А. Бунина, 2019. – С. 81-88.

6. Guan, X. & Song, B. & Li, Z.. Comparison of the CSRT and the CST parameterization methods. Kongqi Donglixue Xuebao // Acta Aerodynamica Sinica. 32. 2014. 228-234.

7. Geng, Lei & Yang, Wenzhu & Jiao, Yanyan & Zeng, Shuang & Chen, Xinting. A multilayer human motion prediction perceptron by aggregating repetitive motion. // Machine Vision and Applications. 2023. 34.

8. Шибайкин С.Д., Д.А. Крюкова, Д.А. Балыков, М.И. Шепелев, О.Е. Шумаров Исследование применения алгоритмов трекинга для определения и прогнозирования девиантного поведения // Научно-технический вестник Поволжья. 2023. №12. С. 635 - 638.

9. Mohit Phadtare, Varad Choudhari, Rushal Pedram and Sohan Vartak. Comparison between YOLO and SSD Mobile Net for Object Detection in a Surveillance Drone // IJSREM, 2021. – URL: www.researchgate.net/publication/355336797_Comparison_between_YOLO_and_SSD_MobileNet_for_Object_Detection_in_a_Surveillance_Drone.

10. www.researchgate.net/publication/344247798_Single_Object_Trackers_in_OpenCV_A_Benchmark. Adnan Brdjanin, Amila Akagic, Džemil Džigal, Nadja Dardagan. Single Object Trackers in OpenCV: A Benchmark // ResearchGate, 2020.

11. www.researchgate.net/publication/355222855_Multiple_Object_Trackers_in_OpenCV_A_Benchmark. Nadja Dardagan, Adnan Brdjanin, Džemil Džigal, Amila Akagic. Multiple Object Trackers in OpenCV: A Benchmark // ResearchGate, 2021.