Жиганов Сергей Викторович Вычислительный метод и алгоритмы нейро-нечеткого распознавания людей, транспортных средств и ситуаций на основе видеонаблюдения

Краткое описание

Жиганов Сергей Викторович Вычислительный метод и алгоритмы нейро-нечеткого распознавания людей, транспортных средств и ситуаций на основе видеонаблюдения
ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ
кандидат наук Жиганов Сергей Викторович
ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ СИСТЕМ КОНТРОЛЯ И УПРАВЛЕНИЯ ДОСТУПОМ И МАТЕМАТИЧЕСКАЯ МОДЕЛЬ

1.1. Анализ систем контроля и управления доступом физических и технических объектов и ситуаций

1.2. Технические средства для получения признаков объектов в системах контроля и управления доступом

1.3. Критический обзор систем контроля и управления доступом

1.4. Математическая модель системы контроля и управления доступом

1.5. Анализ существующих подходов к построению классификаторов в системах компьютерного зрения

1.5.1. Подходы к построению классификаторов при помощи обучения без учителя

1.5.2. Подходы к построению классификаторов при помощи обучения с учителем

1.5.3. Подходы к построению классификаторов при помощи глубокого обучения

1.6. Нерешенные задачи систем распознавания образов

Выводы по первой главе

ГЛАВА 2 ВЫЧИСЛИТЕЛЬНЫЙ МЕТОД РАСПОЗНАВАНИЯ ЛЮДЕЙ, ТРАНСПОРТНЫХ СРЕДСТВ НА КАДРАХ ВИДЕОПОТОКА

2.1. Математическая формулировка задачи распознавания образов

2.2. Решение задачи обнаружения и классификации объектов и ситуаций

2.3. Адаптированные архитектуры искусственных нейронных сетей для вычислительного метода

2.4. Характеристика точности для вычислительного метода

2.5. Применение вычислительного метода для распознавания номерного знака транспортного средства с использованием глубоких нейросетей

2.5.1. Особенности этапов вычислительного метода применительно к задаче распознавания номерного знака транспортного средства

2.5.2. Эксперимент для оценки качества алгоритма распознавания номерного знака транспортного средства

2.6. Применение вычислительного метода для распознавания лица человека с использованием глубоких нейросетей

2.6.1. Особенности этапов вычислительного метода применительно к задаче распознавания лиц

2.6.2. Эксперимент для оценки качества алгоритма для распознавания лица человека

2.6.3. Модификация реализации вычислительного метода для распознавания лица человек при отсутствии графического вычислительного устройства

Выводы по второй главе

ГЛАВА 3. ПРИМЕНЕНИЕ ВЫЧИСЛИТЕЛЬНОГО МЕТОДА ДЛЯ ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ НЕШТАТНЫХ СИТУАЦИЙ В ВИДЕОПОТОКЕ

3.1. Постановка задачи обнаружения и распознавания нештатных ситуаций

в видеопотоке

3.2. Особенности этапов вычислительного метода применительно к задаче обнаружения и распознавания нештатных ситуаций в видеопотоке

3.3. Эксперимент для оценки качества алгоритма обнаружения и распознавания нештатных ситуаций в видеопотоке

3.4. Применение вычислительного метода для различных предметных

областей

Выводы по третьей главе

ГЛАВА 4. РЕАЛИЗАЦИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ КОНТРОЛЯ

И УПРАВЛЕНИЯ ДОСТУПОМ

4.1. Технические требования к системе контроля и управления доступом

4.2. Выбор средств разработки системы контроля и управления доступом

4.3. Архитектура системы контроля и управления доступом

4.3.1. Подсистема серверной стороны

4.3.2. Подсистема клиентской стороны

4.3.3. Подсистема оповещения пользователя

4.3.4. Подсистема интеллектуальной видеоаналитики

4.4. Принцип работы системы

Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А. Охранные документы на результаты интеллектуальной

деятельности

ПРИЛОЖЕНИЕ Б. Акты о внедрении

Список литературы

ЗАКЛЮЧЕНИЕ
В ходе выполнения диссертационной работы были получены следующие результаты:
1. Предложена математическая модель интеллектуальной СКУД на основе кибернетического подхода для задач доступа ТС на территорию организации и физических лиц в помещение повышенной опасности. Отличительной особенностью математической модели является возможность учитывать и распознавать штатные и нештатные ситуации на охраняемом объекте и вырабатывать управляющие воздействия
2. Предложен вычислительный метод распознавания образов в непрерывном видеопотоке, отражающий все этапы решения задачи с использованием глубоких НС, отличительной особенностью которого является использование композиции традиционных методов обработки изображений и глубоких НС для классификации объектов и ситуаций.
3. Разработан алгоритм распознавания технических объектов по номерному знаку на основе вычислительного метода с использованием традиционных методов обработки и модифицированной архитектуры сверточной НС MobileNet, отличающийся возможностью работать в РВ за счет использования глубокой и поточечной свертки. Точность алгоритма составила 96% на тестирующей выборке из 2453 видеофрагментов, полученных с КПП ФГБОУ ВО «КнАГУ», при времени обработки кадра 0,09 с.
4. Разработан алгоритм распознавания физических объектов по лицу на основе вычислительного метода с использованием традиционных методов обработки изображений и оригинальной дуальной сети для идентификации человека, которая в отличие от классической сиамской сети позволяет использовать большее количество признаков. Точность алгоритма составила 93% на тестирующем наборе данных LFW, при времени обработки кадра 0,05
с.
5. Разработан алгоритм обнаружения и классификации нештатных событий в непрерывном видеопотоке на основе вычислительного метода с использованием традиционных метод обработки и оригинальной архитектуры глубокой нейросети для задачи классификации событий в видеопотоке, построенной комбинациями слоев свертки и независимых рекуррентных слоев, позволяющие с высокой точностью при низких вычислительных затратах распознавать ситуацию в режиме РВ. Точность алгоритма для бинарной классификации составила 80% при времени обработки 690 кадров 1,43 с.
6. Разработан алгоритм локализации человека в кадре видеопотока с помощью растущего нейронного газа, нечеткого вывода и признакового описания на основе гистограмм ориентированных градиентов и его модификация, отличающаяся использованием двухпроходного обучения с нечеткой перемаркировкой классов и построением тепловой карты. Точность алгоритма составила 93,2% на тестирующем выборке, полученной с камеры наблюдения ФГБОУ ВО «КнАГУ».
7. Продемонстрировано применение вычислительного метода распознавания образов в различных предметных областях в режиме РВ, в частности для распознавания критических ситуаций в транспортных системах по видеоизображениям, поступающим с камер беспилотного автомобиля.
8. Реализованы программные комплексы для СКУД с использованием предложенных алгоритмов.
Основные результаты диссертационной работы представлены публикациями в журналах, рецензируемых ВАК, и в журналах и сборниках международных и всероссийских конференций