Проєктування інформаційної системи засобів швидкої ідентифікації рухомих обʼєктів на основі інтелектуального аналізу
Автор: Гриців Діана Ростиславівна
Кваліфікаційний рівень: магістр
Спеціальність: Управління ІТ проектами
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: заочна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Технології розпізнавання номерних знаків транспортних засобів є критично важливими для забезпечення безпеки та ефективного управління дорожнім рухом у сучасних умовах. Стрімке зростання обсягу транспортних потоків, зокрема в містах, викликає підвищений попит на автоматизовані системи ідентифікації, що базуються на технологіях штучного інтелекту. Метою цієї роботи є створення ефективної системи розпізнавання номерних знаків на основі інтелектуального аналізу даних та комп’ютерного зору, яка б забезпечувала точність і швидкість ідентифікації транспортних засобів. Актуальність теми пов’язана з необхідністю швидкого та безперервного моніторингу транспортних потоків, підтриманням безпеки на дорогах, а також забезпеченням автоматизованого контролю доступу в обмежені зони. Використання таких систем є важливим не лише для правоохоронних органів, але й для операторів паркування, митних та прикордонних служб, а також у рамках інтелектуальних транспортних мереж, які сприяють розвитку концепції «розумного міста». Об’єкт дослідження – методи інтелектуального аналізу даних для ідентифікації рухомих об’єктів, зокрема транспортних засобів, у реальних умовах. Предмет дослідження – система розпізнавання транспортних засобів на основі аналізу відеоданих з використанням методів штучного інтелекту та обробки зображень. Мета дослідження – розробка ефективної системи ідентифікації номерних знаків транспортних засобів, що базується на алгоритмах штучного інтелекту, з метою підвищення точності, надійності та швидкості розпізнавання. Основними завданнями дослідження були: 1) провести огляд існуючих методів ідентифікації рухомих об’єктів на основі інтелектуального аналізу даних та обрати найефективніші для розпізнавання номерних знаків; 2) розробити методи обробки зображень, що покращують якість розпізнавання за умов поганого освітлення, великої швидкості руху об’єктів та при різних кутах огляду; 3) створити модель системи на основі згорткових нейронних мереж (CNN), що забезпечують високу точність розпізнавання; 4) впровадити алгоритми попередньої обробки зображень для поліпшення контрастності та видалення шуму; 5) провести тестування системи у реальних умовах та оцінити її ефективність. Для досягнення поставленої мети було застосовано згорткові нейронні мережі (CNN), які зарекомендували себе як ефективний метод для ідентифікації об’єктів на зображеннях завдяки можливості обробляти великі обсяги даних і розпізнавати різноманітні патерни. Крім того, використано технологію оптичного розпізнавання символів (OCR), що дозволяє ідентифікувати текстові символи на номерних знаках. Система була налаштована для роботи з українськими та міжнародними стандартами номерних знаків, що дозволяє адаптувати її для використання у різних країнах. Розроблена система враховує проблеми, пов’язані з низькою якістю зображень та різними кутами огляду, що може виникати при високій швидкості руху транспортних засобів. Для підвищення точності було використано методи попередньої обробки зображень, включаючи фільтрацію шумів, корекцію яскравості та контрастності, а також алгоритми корекції перспективи. Ці підходи дозволили підвищити точність розпізнавання на понад 10% у порівнянні з традиційними методами. Результати експериментального тестування показали, що розроблена система забезпечує високу точність ідентифікації номерних знаків навіть у складних умовах, таких як нічний час, сильний дощ чи висока швидкість руху транспортних засобів. Встановлено, що точність розпізнавання складає понад 92% при хороших умовах та до 85% у несприятливих. Це створює можливості для інтеграції системи в загальнодержавні бази даних, що значно підвищить ефективність контролю за дотриманням правил дорожнього руху та зменшить кількість порушень. Запропонована система також може використовуватися у сферах контролю доступу, автоматизації паркування, екологічного моніторингу та у проєктах «розумного міста». Інтеграція з іншими системами, такими як бази даних поліції, дозволяє здійснювати перехресну перевірку розпізнаних номерних знаків та оперативно реагувати на потенційно небезпечні ситуації, такі як рух транспортних засобів, що перебувають у розшуку. Це значно підвищує рівень громадської безпеки та полегшує роботу правоохоронних органів Розроблена система ідентифікації транспортних засобів на основі інтелектуального аналізу даних є перспективною для впровадження в Україні, оскільки може стати основою для побудови більш розвинених інтелектуальних транспортних мереж. Це дозволить значно покращити якість управління транспортними потоками, знизити рівень аварійності та зменшити вплив транспорту на екологічний стан міст. Враховуючи позитивний досвід країн ЄС у впровадженні подібних систем, запропоноване рішення є важливим кроком для забезпечення безпеки та оптимізації транспортної інфраструктури в Україні. Ключові слова: ідентифікація об’єктів, штучний інтелект, нейронні мережі, комп’ютерний зір, розпізнавання номерних знаків, автоматизація. Перелік використаних літературних джерел 1. Ammar A., Koubaa A., Ahmed M., Saad, A. Aerial Images Processing for Car Detection using Convolutional Neural Networks: Comparison between Faster R-CNN and YoloV3. 2019. 2. Markov E. Fractal methods for extracting artificial objects from the unmanned aerial vehicle images. Journal of Applied Remote Sensing, 10 (2), art. 25020. URL: https://doi.org/10.1117/1. JRS.10.025020. 3. Daradkeh Y., Tvoroshenko I., Gorokhovatskyi V., Latiff L., Ahmad, N. Development of Effective Methods for Structural Image Recognition Using the Principles of Data Granulation and Apparatus of Fuzzy Logic. IEEE Access. 2021. vol. 9. pp. 13417-13428. 4. Polyakova M. Classification of methods of the signal semantic wavelet transform for image contour segmentation / M. Polyakova, V. Krylov // Int. Journal of Computing/ 2008. Vol. 7/ Issue 1. Р. 51 – 57. 5. Ланде Д., Субач І., Бояринова Ю. Основи теорії і практики інтелектуального аналізу даних у сфері кібербезпеки: навч. посібник. Київ: ІСЗЗІ КПІ ім. Ігоря Сікорського, 2018. 297 с. Grytsiv D.R., Nazarkevych M.A. (supervisor). Designing an Information System for Fast Identification of Moving Objects Based on Intelligent Analysis. Master’s thesis – Lviv Polytechnic National University, Lviv, 2024.