Библиотека материалов по теме выпускной работы

    Собственные публикации и доклады

  1. Анализ методов детектирования и сопровождения потоков покупателей на основе видеоинформации

    Авторы: А.А. Велиева, Т.В. Мартыненко

    Описание: В данной работе приведено описание методов обработки видеоданных для получения аналитической информации о посещаемости центров розничной торговли. Рассмотрены такие этапы решения поставленной задачи, как выделение объектов в кадре и отслеживание объекта на последующих кадрах.

    Источник: Мир компьютерных технологий: Сборник статей всероссийской научно-технической конференции студентов, аспирантов и молодых ученых – г. Севастополь: СевГУ, 2019. – с.82–86, [Ссылка]

  2. Тематические статьи

  3. Система идентификации и отслеживания для анализа поведения посетителей розничного магазина на основе видеоданных

    Авторы: В.Е. Яблоков, Т.М. Волосатова

    Описание: В статье представлен прототип программно-аппаратного комплекса, предназначенного для получения аналитической информации о посещаемости магазинов розничной сети посетителями и перемещениях посетителей по торговому залу. Авторами дано описание основных подходов к анализу видеоизображения, использованных алгоритмов и математических методов.

    Источник: Интернет-журнал НАУКОВЕДЕНИЕ Том 9, №3 (2017) [Ссылка](доступ свободный). Загл. с экрана. Яз. рус., англ.

  4. Обнаружение транспортных средств на изображениях загородных шоссе на основе метода Single Shot Multibox Detector

    Авторы: Р.Ю. Чуйков, Д.А. Юдин

    Описание: В статье рассмотрено применение современного метода обнаружения объектов на изображении – Single Shot Multibox Detector. Осуществлено обучение свёрточной нейронной сети для обнаружения транспортных средств на выборке из 3000 изображений с размеченными областями расположения автомобилей.

    Источник: Научный результат. Информационные технологии. – г.Белгород, Т.2, №4, 2017 с.50–58, [Ссылка]

  5. Разработка алгоритма слежения за распознанными по видеопотоку объектами

    Авторы: А.А. Волков, А.А. Войцеховский, А.Ю. Зарницын, Б.И. Пякилля

    Описание: В статье рассматривается модификация существующих алгоритмов слежения, путем добавления модуля знаний об объекте слежения.Модуль знаний будет представлять собой искусственную нейронную сеть, которая будет обучена классифицировать объекты на кадрах видеопотока и корректировать работу алгоритма слежения.

    Источник: Молодежь и современные информационные технологии: сборник трудов XV Международной научно-практической конференции студентов, аспирантов и молодых ученых – г. Томск: ТПУ, 2017. – с.132–133,[Ссылка]

  6. Нейросетевая система отслеживания и распознавания объектов в видеопотоке

    Авторы: М.В. Ляшов, А.Н. Береза, А.М. Бабаев, С.А. Коцюбинская

    Описание: Данная статья посвящена разработанной нейросетевой системе отслеживания объектов в видеопотоке. Предлагаемый алгоритм позволяет в режиме реального времени определять местоположение целевого объекта в текущем кадре видеопотока. Для отслеживания системе достаточно предоставить текущий и предыдущий кадры видео, а также положение целевого объекта на предыдущем кадре.

    Источник: Современные наукоемкие технологии. – 2018. – № 12 (часть 1) – С. 102–107,[Ссылка]

  7. Применение методов глубокого обучения в системе видеонаблюдения

    Авторы: М.С. Егорова, Т.В. Мартыненко, И.В. Ченгарь

    Описание: Рассматривается вопрос об актуальности и важности исследований в области компьютерного зрения. Описаны наиболее популярные модели глубокого обучения. Сделан вывод о перспективности применения подобных решений в области систем безопасности и видеонаблюдения, в частности.

    Источник: Материалы IX Международной научно-технической конференции Информатика, управляющие системы, математическое и компьютерное моделирование (ИУСМКМ-2018). – Донецк: ДонНТУ, 2018. – 172–176 с, [Ссылка]

  8. Разработка системы распознавания пешеходов в режиме реального времени для ее применения в концепции Умного города

    Авторы: Я.С. Якселяйнен, А.А. Хакимов, М.С.А. Мутана, А.С.А. Мутханна, Р.В. Киричёк

    Описание: Статья посвящена краткому анализу существующих систем обнаружения пешеходов, с последующей разработкой собственной системы на основе изученных, и ее дальнейшему внедрению на микрокомпьютер Raspberry Pi.

    Источник: Информационные технологии и телекоммуникации. Санкт-Петербург: СПбГУТ, 2018. Том 6. № 3. С. 123–136.,[Ссылка]

  9. Распределённый алгоритм сопровождения людей в видео

    Авторы: Д.А. Купляков, Е.В. Шальнов, В.С. Конушин, А.С. Конушин

    Описание: В работе рассматривается задача сопровождения людей в видеопотоке с целью их подсчёта. Использование современных методов, разрабатываемых для работы на одном компьютере с дорогим графическим ускорителем, не является экономически целесообразным для систем подобного масштаба. В работе предлагается распределённый алгоритм сопровождения.

    Источник: Труды 28-й Международной конференции по компьютерной графике и машинному зрению. – GraphiCon. – Нац. исслед. Том. политех. ун-т Томск, 2018. – С. 208–213, [Ссылка]

  10. Simple online and realtime tracking

    Авторы: Alex Bewley, Zongyuan Ge, Lionel Ott, Fabio Ramos, Ben Upcroft

    Описание: В статье рассматривается подход к отслеживанию нескольких объектов, где основной задачей является эффективное сопоставление объектов для онлайн-приложений и приложений реального времени.

    Источник: 2016 IEEE International Conference on Image Processing (ICIP),25–28 Sept. 2016. Queensland University of Technology, University of Sydney,[Ссылка]

  11. Переводы статей

  12. Обнаружение и отслеживание пешеходов в режиме реального времени на CCTV с использованием глубоких сверточных нейронных сетей

    Авторы: Debaditya Acharya, Kourosh Khoshelham, Stephan Winter

    Автор перервода: А.А. Велиева

    Описание: Статья посвящена применению глубоких свёрточных нейронных сетей в задаче обнаржуения и отслеживания пешеходов. Разработан алгоритм позволяющий решать такие проблемы при обработке видеопотока, как изменение освещения, теней и отражений, изменение внешности а также частичные оклюзии.

    Источник(англ.): Conference: Proc. of the 4th Annual Conference of Research@Locate, At Sydney, Australia, Volume: 1913/Infrastructure Engineering, The University of Melbourne/April 2017, 31–36 [Ссылка]