СИСТЕМА РОЗПІЗНАВАННЯ ТА ТРЕКІНГУ ОБ’ЄКТІВ НА ВІДЕО
CREATION OF OBJECT RECOGNITION AND TRACKING SYSTEM
Сторінки: 61–65. Номер: №3, 2022 (309) 
Автори:
КРИВЕНЧУК Ю. П.
Національний університет “Львівська політехніка”
https://orcid.org/0000-0002-2504-5833
e-mail: Yurii.P.Kryvenchuk@lpnu.ua
МАРКО О. М.
Національний університет “Львівська політехніка”
e-mail: oleksandramarko@gmail.com
Yurii KRYVENCHUK, Oleksandra MARKO
Lviv Polytechnic National University
DOI: https://www.doi.org/10.31891/2307-5732-2022-309-3-61-65
Анотація мовою оригіналу
В роботі проаналізовано та наведено результати дослідження теми розпізнавання об’єктів на відео, а також здійснений опис запропонованих раніше методологій, з метою виявлення параметрів, які можна вдосконалити та в подальшому застосувати оптимізовані методи для створення та поширення аналогічних систем в проекті DRINMIX (автоматизована система обслуговування клієнтів), а також у наближених сферах. Виділено та описано такі основні етапи, як розпізнавання об’єкту, відслідковування об’єкту, класифікація об’єкту. Аналіз результатів підтвердив актуальність тематики та доцільність створення системи розпізнавання та трекінгу об’єктів на відео, на основі проробленої роботи зроблений висновок, що найбільш ефективним інтструментом для виконання цієї роботи стане використання методів глибинного навчання.
Ключові слова: об’єкт, відео, розпізнавання об’єктів, трекінг об’єктів, згорткова нейронна мережа.
Розширена анотація англійською мовою
In modern society, video recording systems have become widespread, allowing them to recognize objects, their absence, and changes in position. In the vast majority of intelligent systems for video monitoring and determining objects through their image, such objects as human faces, printed publications, and state registration numbers are taken into consideration. At the same time, the circumstances for accepting an image are quite strict, since there is a limit on illumination, background, location relative to the lens, and so on. All this significantly facilitates the joint work of a person with a computer, and creates the prerequisites for using all kinds of systems of artificial origin of the mind. The primary goal in the development of a method and software for the automatic design of a video surveillance system is the purpose of recognize an object whose image is transmitted through the camera. Since the image of any object depends on many moments of its direction about the video camera, illumination, characteristics of the recorder, static and dynamic characteristics of the object, it is rather difficult to arrange and present a picture in the guise of a specific mathematical model. As a result, the methods for implementing a computer representation are significantly dependent on the goals being solved and are occasionally inferior to generalization. As a result, the bulk of these methods is considered non-linear. This affects the need to accumulate the calculation of computer power and the difficulty of algorithms for work acquired through the technical channels of the resulting image. In addition to technical indicators that distort the quality of a digital image, several external moments are considered, and these are: lighting around the scene, moving objects within it, etc. As a result, to obtain the best accuracy of character recognition, it is necessary to take into account all the details. The aim of this work is to study the topic of object recognition in images and video, in order to further use the results of work in creating a system for object recognition in images and video.
Keywords: image, video, object, object detection, object tracking, convolutional neural network.
Література
- Zhu H., Wei H., Li B., Yuan X., Kehtarnavaz N. A Review of Video Object Detection: Datasets, Metrics, and Methods. Applied Sciences. 04, 2020;10(21):7834.
- Arulprakash E., Aruldoss M. A study on generic object detection with emphasis on future research directions. Journal of King Saud University – Computer and Information Sciences. 2021. URL: https://www.sciencedirect.com/science/article/pii/S1319157821002020
- Tamilselvan L., Ravichandran M. A STUDY ON OBJECT DETECTION. 2016.
- Chahal K.S., Dey K. A Survey of Modern Object Detection Literature using Deep Learning. arXiv:180807256. 22, 2018. URL: http://arxiv.org/abs/1808.07256
- Howard A.G., Zhu M., Chen B., Kalenichenko D., Wang W., Weyand T., et al. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. arXiv:170404861. 2017. URL: http://arxiv.org/abs/1704.04861
- Wu J., Peng B., Huang Z., Xie J. Research on Computer Vision-Based Object Detection and Classification. В: Li D., Chen Y. Computer and Computing Technologies in Agriculture VI. Berlin, Heidelberg: Springer; 2013. p. 183–8. (IFIP Advances in Information and Communication Technology).
- Irram S., Ahmad S.F. Research on Object Detection in Video Streaming Using Deep Learning. 10.
- Ahmed M., Hashmi K.A., Pagani A., Liwicki M., Stricker D., Afzal M.Z. Survey and Performance Analysis of Deep Learning Based Object Detection in Challenging Environments. Sensors. 2021; 21(15):5116.
