Розробка системи відеоспостереження з використанням OpenCV для ідентифікації об’єктів за допомогою контрольних точок
Автор: Демідов Андрій Володимирович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні технології проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Демідов А.В., Корпильов Д.В. (керівник). Розробка системи відеоспостереження з використанням OpenCV для ідентифікації об’єктів за допомогою контрольних точок. Магістерська кваліфікаційна робота – Національний університет «Львівська політехніка», Львів, 2024. Розширена анотація. В магістерська кваліфікаційна робота присвячена розробці системи відеоспостереження з використанням OpenCV для автоматичної ідентифікації об’єктів за допомогою контрольних точок. В основу системи покладено ESP32 Cam, яка забезпечує передачу відеопотоку для подальшої обробки зображень у Python. Завдяки інтеграції бібліотек OpenCV та MediaPipe реалізовано точне визначення та аналіз положень тіла в реальному часі, що значно підвищує ефективність моніторингу. Використання контрольних точок дозволяє зменшити залежність від людського контролю, роблячи систему надійною та зручною у використанні. Представлений підхід є універсальним і може бути адаптований для різних галузей, включаючи безпеку та автоматизацію. Актуальність дипломної роботи полягає у розробці підсистеми обробки зображень та розпізнавання, відеоспостереження об’єктів у реальному часі за допомогою відкритої бібліотеки OpenCV. В умовах сучасного розвитку технологій відеоспостереження, постійне зростання попиту на автоматизацію моніторингу об’єктів та ідентифікацію людей і предметів стає все більш актуальним. Це потребує системи, здатної ефективно та точно обробляти відеодані для покращення безпеки в різних сферах, таких як охорона територій, контроль доступу та моніторинг соціальних об’єктів. Програмні рішення на основі Python, OpenCV та MediaPipe відкривають нові можливості для створення адаптивних, інтелектуальних систем відеоаналізу завдяки їхній здатності працювати з орієнтирами людського тіла в реальному часі. Дослідження дозволить оцінити застосування комп’ютерного зору в задачах відеоспостереження, а також оптимальні методи ідентифікації об’єктів на основі аналізу контрольних точок, що є критично важливим для підвищення ефективності автоматизованих систем безпеки та моніторингу. Мета роботи. Створення інтелектуальної системи відеоспостереження, здатної виявляти та ідентифікувати об’єкти в режимі реального часу на основі аналізу контрольних точок. Система використовує бібліотеку OpenCV для забезпечення високої точності та швидкості обробки відеопотоку, а також для виявлення та ідентифікації об’єктів, таких як транспортні засоби, люди, товари тощо. Дипломна робота складається з трьох розділів, висновків та списку використаної літератури. Результат дослідження. Кінцевим результатом магістерської кваліфікаційної роботи є підсистема обробки і розпізнання об’єктів засобами OpenCV. Дипломна робота містить: 81 ст., __ рис., _ табл., 33 посилань на використані джерела. Ключові слова. Обробка зображень, машине навчання, машиний зір, розпізнання обличчя, мікроконтролер ESP32-CAM-MB, модуль відеопередачі WiFi. Перелік використаних літературних джерел: 1. Rosebrock A., Practical Python and OpenCV: An introduction, Example Guide to Image processing and Computer Vision. –PyImage Search,-2014 2. Alberto Fernandez Villan, Mastering OpenCV 4 with Python: A practical guide covering topics from image processing, augmented reality to deep learning with OpenCV 4 and Python 3.7, 2020 3. Dr. Menua Gevorgyan, Arsen Mamikonyan, Michael Beyeler OpenCV 4 with Python Blueprints: Second Edition, 2020 4."Learning OpenCV 4: Computer Vision with Python" by Adrian Kaehler and Gary Bradski 5."Programming Computer Vision with Python: Tools and algorithms for analyzing images" by Jan Erik Solem 6."Practical Python and OpenCV: An Introductory, Example Driven Guide to Image Processing and Computer Vision" by Adrian Rosebrock 7."ESP32 Development using the Arduino IDE" by Neil Kolban 8."Mastering OpenCV 4 with Python" by Alberto Fernandez Villan 9. Bradski, G. (2000). "The OpenCV Library." Intel Corporation. Офіційний документ про основи бібліотеки OpenCV, що описує її структуру, архітектуру та основні компоненти. 10. Shih, Y.-T. (2019). Learning OpenCV 4: Computer Vision with Python. O’Reilly Media. Книга, яка охоплює використання OpenCV для комп’ютерного зору, з акцентом на практичні приклади та програмування на Python. 11. Szeliski, R. (2010). Computer Vision: Algorithms and Applications. Springer. Класичний підручник з комп’ютерного зору, що описує різні алгоритми, багато з яких реалізовані в OpenCV. 12. Bebis, G., & Boyle, R. (2008). Computer Vision: A Reference Guide. Springer. Оглядна робота з основних технологій комп’ютерного зору, включаючи застосування OpenCV для обробки зображень. 13. Wang, L., & Zhang, X. (2018). Hands-On Computer Vision with TensorFlow 2. Packt Publishing. Використання OpenCV разом з TensorFlow для створення комп’ютерних зорових систем, включаючи обробку зображень та відео. 14. Rosebrock, A. (2016). PyImageSearch Gurus. PyImageSearch. Практичне керівництво по OpenCV і Python для розпізнавання об’єктів, детекції облич і інших застосувань. 15. Raj, P. (2015). Mastering OpenCV with Practical Computer Vision Projects. Packt Publishing.