МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«САНКТ-ПЕТЕРБУРГСКИЙ УНИВЕРСИТЕТ АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»
(ГУАП)
КАФЕДРА № 41
ОТЧЕТ ЗАЩИЩЕН С ОЦЕНКОЙ
ПРЕПОДАВАТЕЛЬ
к.т.н., доцент |
|
|
|
А.В. Яковлев |
должность, уч. степень, звание |
|
подпись, дата |
|
инициалы, фамилия |
ОТЧЕТ О ПРАКТИЧЕСКОЙ РАБОТЕ № 2 |
Использование системного подхода и математических методов в формализации решения прикладных задач в области информационных процессов и систем (с использованием менеджера библиографий)
|
по курсу: ИНФОРМАТИЗАЦИЯ И АНАЛИЗ ИНФОРМАЦИОННЫХ РЕСУРСОВ ОБЩЕСТВА |
РАБОТУ ВЫПОЛНИЛ(А)
СТУДЕНТ(КА) ГР. № |
4117 |
|
|
|
А.В. Иванова |
|
|
|
подпись, дата |
|
инициалы, фамилия |
Санкт-Петербург, 2025 г.
A.V. Ivanova *
student
* St. Petersburg state University of aerospace instrumentation
FEATURES OF VIDEO DATA PROCESSING IN INFORMATIZING THE ENVIRONMENT IN DIFFICULT WEATHER CONDITIONS.
Abstract
The topical issue of using and collecting video data is described. The features of video data processing in informatization of car traffic in difficult weather conditions are considered. Examples of successful implementation of traffic analysis algorithms in bad weather are considered.
Keywords: video data processing, weather conditions, weather, motion recognition, road traffic, computer vision.
А.В. Иванова*
студент
*Санкт-Петербургский государственный университет аэрокосмического приборостроения
ОСОБЕННОСТИ ОБРАБОТКИ ВИДЕОДАННЫХ ПРИ ИНФОРМАТИЗАЦИИ движения автомобилей В СЛОЖНЫХ ПОГОДНЫХ УСЛОВИЯХ.
Аннотация
Описана актуальная тема использования и сбора видеоданных. Рассмотрены особенности обработки видеоданных при информатизации движения автомобилей в сложных погодных условиях. Рассмотрены примеры успешной реализации алгоритмов анализа дорожного движения при плохой погоде.
Ключевые слова: обработка видеоданных, погодные условия, погода, распознавание движения, дорожное движение, компьютерное зрение.
Введение
В условиях современного мира, где автомобили становятся неотъемлемой частью повседневной жизни, анализ видеоданных приобретает большую значимость, особенно в контексте информатизации движения автомобилей при сложных погодных условиях. Эффективное распознавание движения в таких условиях позволяет не только повысить безопасность на дорогах, но и оптимизировать транспортные потоки. Например, анализ видеоданных может помочь в выявлении нарушений правил дорожного движения, а также в оценке состояния дорожной инфраструктуры в условиях дождя, снега или тумана.
Системы видеонаблюдения, установленные на дорогах современных городов, предоставляют огромные объемы данных, которые требуют тщательной обработки. Сложные погодные условия могут значительно ухудшать качество видеоматериала, что, в свою очередь, затрудняет работу алгоритмов распознавания движения. Поэтому особое внимание следует уделить методам обработки видеоданных, которые позволяют минимизировать влияние неблагоприятных факторов, таких как плохая видимость или отражения от мокрой дороги. Это обеспечит надежное и точное отслеживание движения автомобилей, что является ключевым аспектом для повышения безопасности и эффективности транспортных систем.
Применение компьютерного зрения для распознавания движения объектов
Компьютерное зрение является одной из ключевых технологий, лежащих в основе интеллектуальных транспортных систем. С его помощью возможно автоматическое извлечение, анализ и интерпретация информации из видеопотоков, что делает его незаменимым инструментом при мониторинге и управлении дорожным движением. В частности, компьютерное зрение активно используется для распознавания движения объектов, включая автомобили, пешеходов и другие участники дорожного движения. Современные алгоритмы компьютерного зрения основываются на методах машинного обучения и нейронных сетей, что позволяет достигать высокой точности даже в сложных сценариях. Например, методы оптического потока, сверточные нейронные сети (CNN), а также рекуррентные нейронные сети (RNN) широко применяются для анализа движения объектов на видеозаписях [Корчагин, Сердечный, 2024]. Такие подходы позволяют не только детектировать транспортные средства, но и определять направление и скорость их движения, а также прогнозировать дальнейшую траекторию.
Одним из важнейших аспектов применения компьютерного зрения является возможность реального времени обработки видеопотоков. Это особенно важно в условиях городской среды, где ситуация на дорогах меняется каждую секунду. Обработка данных в реальном времени позволяет быстро реагировать на дорожные инциденты, предотвращать пробки и повышать общую эффективность транспортной инфраструктуры. Кроме того, системы компьютерного зрения могут интегрироваться с другими источниками данных — такими как метеостанции, сенсоры на дорогах и GPS-устройства в автомобилях — для более комплексного анализа ситуации. В результате обеспечивается не только распознавание движения, но и оценка его контекста, что особенно ценно в условиях изменяющейся погодной обстановки.
Применение компьютерного зрения для распознавания движения объектов открывает широкие возможности для построения интеллектуальных систем управления дорожным движением. Особенно актуальной данная технология становится при необходимости обеспечения безопасности и устойчивости транспортных потоков в неблагоприятных погодных условиях.