CC BY
1
УДК 004.3
ОСОБЕННОСТИ ИСПОЛЬЗОВАНИЯ ВИДЕОКАМЕР В СИСТЕМАХ КОМПЬЮТЕРНОГО ЗРЕНИЯ
Р. В. Бакулин Научный руководитель - М. А. Рагозина
Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева
Российская Федерация, 660037, г. Красноярск, просп. им. газеты «Красноярский рабочий», 31
E-mail: starsintheam@gmail.com
Быстрое развитие технологии открывает возможности адаптации аналитических систем под любые задачи. Совершенствование технических средств позволяет уменьшать себестоимость современных информационных систем, и делать новые технологии доступнее для бизнеса.
Ключевые слова: компьютерное зрение, видеокамеры, технологии.
FEATURES OF USING VIDEO CAMERAS IN THE SYSTEMS OF COMPUTER VISION
R. V. Bakulin Scientific Supervisor - M. A. Ragozina
Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospekt, Krasnoyarsk, 660037, Russian Federation E-mail: starsintheam@gmail.com
Fast technology developing gives the opportunity of adaptation of analytic systems to any kind of tasks. Improving of technical devices allows to lower cost price of modern informational systems, and to make new technologies more available for business.
Keywords: computer vision, video cameras, technologies.
Современные технологии позволяют автоматизировать многие процессы, с каждым годом создавая все большие и большие производственные мощности на предприятиях. Города становятся умнее и безопаснее, внедряя новейшие технологии в большие автоматизированные системы. Так, одной из ярких технологий, способствующей повышению эффективности многих процессов, является компьютерное зрение. Молодая и только набирающая популярность в России технология в последние годы совершила большой рывок и более не является чем-то заоблачным и энергозатратным. Позволяя более эффективно решать задачи многих отраслей, имея большие возможности к модернизации и адаптации под конкретную задачу, такой метод обработки данных все чаще внедряется на предприятиях.
Однако, вопрос эффективности и целесообразности применения данной технологии часто ставится под вопрос по причине дорогостоящего оборудования, казалось бы, которое можно заменить значительно более дешевыми аналогами. Рассмотрение особенностей функционирования систем компьютерного зрения помогает аргументировать применение дорогостоящих технических средств в определенных ситуациях.
Актуальные проблемы авиации и космонавтики - 2020. Том 2
Принцип действия нейронной сети можно описать как разбиение изображения на участки определенного размера, которые являются «входом» в нейросеть. Сигналы с этих слоев передаются от уровня к уровню, увеличивая рассматриваемый фрагмент, пока не будет выполнено условие необходимого уровня распознавания. Система формирует геометрические фигуры, из которых складывается объект, после чего идентифицирует сам искомый объект. Такой порядок действий накладывает необходимость высокой детализации поступаемой визуальной информации. Так же для обучения нейросети необходимо хранить материал, с которым она будет сравнивать получаемые в реальном времени изображения. А получаемые изображения, нужно эффективно и быстро передавать от камеры к серверу обработки данных, что добавляет критериев, которые необходимо учитывать при выборе техники [1].
Одним из основных факторов являются алгоритмы сжатия, которые не позволяют ГР-камерам сравниться с промышленными. Дорогие промышленные камеры работают в среде с высокой пропускной способностью, они значительно повышают качество, но и требования к техническим характеристикам сетевых систем. Данные, передаваемые через алгоритмы сжатия, конечно, могут не терять исходное качество картинки с точки зрения восприятия человеком, однако нам важно именно количество исходного отсылаемого материала. Обработка несжатого изображения позволяет повысить точность результата работы алгоритмов компьютерного зрения, что является приоритетным показателем. Этот параметр является критичным при визуальном контроле качества поверхностей, сжатые данные значительно увеличивают шанс ошибочного результата. Так же, распознавание лица в классической технологии использует 20 точек, однако для распознавания такой биометрии, как радужная оболочка глаза, уже используется более 200 точек.
Разрешение изображения с камеры прямо пропорционально площади, с которой ей приходится взаимодействовать. Камеры 4К необходимы для работы с пространствами, такими, как стадионы или подобные по размеру открытые участки местности. В помещениях для низкоуровневых задач будет эффективнее применять меньшее изображение, с целью экономии как средств, так и носителей данных. Так же использование одной камеры может уменьшить затраты на установку и обслуживание, а при применении определенных кодеков так же уменьшается нагрузка на каналы передачи данных.
Преимуществом дорогих промышленных камер так же является возможность обработки данных. Такая камера может обладать встроенными функциями видеоаналитики. Решение с применением такого источника позволяет значительно снизить нагрузку на каналы передачи данных, что понижает технические требования к сетевой инфраструктуре. Так же важным параметром таких камер является возможность генерирования сигналов ввода-вывода при необходимости [2].
Большинство ГР-камер не предусматривают работу в режиме реального времени, так как при работе с необходимыми высокими разрешениями их скорость сьемки может снижаться до 10-15 кадров в секунду. Промышленные камеры могут иметь значение параметра в 1001400 кадров в секунду, что позволяет исключить шанс потери информации при высокой скорости объектов [3].
Таким образом, аналитика на основе систем компьютерного зрения является крайне гибкой, и может подстроиться под бюджет и задачи конкретного заказчика. ГР-камеры могут эффективно применяться в помещениях или пространствах малой площади при низком бюджете. Также они эффективно подключаются в единые многокамерные системы, что является плюсом при проектировании больших информационных сетей. Видеонаблюдение на транспорте или системы помощи водителю, все это реализуется на подобных камерах с сохранением функциональности. На больших пространствах с высокими требованиями к детализации и задачей минимизации погрешностей анализа целесообразно применять промышленные камеры. В медицине, сканировании обработки поверхностей, где важен
анализ всех данных, поступающих на матрицу камеры, дорогостоящее оборудование позволит в полной мере оказать человеку помощь при решении важнейших задач.
Покупка дорогостоящего технического оборудования зачастую непосредственно связана со специфическими условиями эксплуатации при выполнении сложных аналитических задач. Во избежание возможного возникновения погрешностей, которые могут негативно сказаться на итоговом аналитическом продукте, требуется использование специализированных информационных технических средств. Стоимость оборудования полностью окупает себя той эффективностью, с которой оно может выполнять задачи на предприятии и повышать уровень безопасности рабочего персонала. Однако, уже сейчас технология компьютерного и машинного зрения становится доступнее с каждым годом, что позволит в будущем проектировать системы с более низкой себестоимостью под аналогичные задачи.
Развитие и внедрение систем компьютерного зрения помогает решать огромный спектр задач аналитики и управления. Применение технологии возможно для: обеспечения безопасности и контроль выполнения требований безопасности и зонирования на предприятиях; управления робототехническими и беспилотными комплексами; контроля качества поверхностей после обработки; биометрии, системы допуска и защиты информации; контроля и управления запасами, ведения аналитических баз данных; системы помощи водителям и безопасности транспортных средств. Это лишь малая часть возможного применения искусственного интеллекта в сочетании с получаемыми видеоданными, открывающиеся возможности полностью оправдывают затрачиваемые ресурсы на создание системы.
Таким образом, проведенный анализ показал следующее. Российский рынок компьютерного зрения достаточно мал, и выход на него новых компаний, работающих над данной технологией и предоставляющих услуги обработки видеоданных, позволит развивать технологию на территории страны. Улучшит ситуацию с внедрением технологий «умных городов» и крупных систем дорожной безопасности, что повысит уровень безопасности на улицах населенных пунктов. Все больше предприятий смогут более эффективно решать поставленные задачи, что положительно скажется на их экономических показателях в целом. У крупных мероприятий появится возможность быстро получать необходимые статистические данные.
Библиографические ссылки
1. Хабр. Сообщество IT специалистов. [Электронный ресурс] URL: https://habr.com/ (дата обращения: 10.04.2020).
2. Tadviser. Государство, бизнес, IT. [Электронный ресурс] URL: http://www.tadviser.ru/ (дата обращения: 09.04.2020).
3. Видео-практик. Инженерно-технические системы и оборудование. [Электронный ресурс] URL: https://video-praktik.ru/ (дата обращения: 10.04.2020).
© Бакулин Р. В., 2020
