Інтелектуалізація розпізнавання рухомих транспортних об’єктів
DOI:
https://doi.org/10.31866/2617-796X.5.2.2022.270147Ключові слова:
транспортні об’єкти, інтелектуальні технології, інтелектуалізація, нейронні мережі, методи розпізнавання, розпізнавання транспортних об’єктівАнотація
Метою статті є дослідження, аналіз і розгляд актуальних проблем і перспектив розробки програмного забезпечення для розпізнавання транспортних об’єктів на основі використання теорії розпізнавання образів, методів та засобів штучного інтелекту, різних типів нейромереж.
Методами дослідження є основні методології й алгоритми розпізнавання образів, методи та засоби штучного інтелекту й різних типів нейромереж.
У статті розглянуто основні проблеми інтелектуалізації процесів, що відбуваються на транспорті. Основну увагу приділено інтелектуалізації процесів розпізнавання транспортних об’єктів. Проаналізовано найбільш поширені методи розпізнавання. Досліджено ці методи та підходи до розпізнавання рухомих транспортних засобів. Визначено, які методи мають велику, а які малу обчислювальну складність. Серед розглянутих методів можна виділити такі, що розпізнають статичні транспортні об’єкти (насамперед об’єкти транспортної інфраструктури) за допомогою інтелектуальних технологій, статистичних, ймовірнісних й інших методів. Основну увагу приділено методам, що розпізнають динамічні транспортні об’єкти. Основою інтелектуалізації процесів розпізнавання цієї групи об’єктів є використання нейронних мереж, зокрема згорткових, рекурентних, нейронних мереж з довгою короткочасною пам’яттю (LSTM) тощо.
Новизною проведеного дослідження є аналіз сучасних методів розпізнавання рухомих транспортних об’єктів, результати якого можуть застосовуватися під час розробки власного програмного продукту. У статті наголошено на тому, що запропонований сучасний підхід до розпізнавання транспортних об’єктів (рухомих транспортних засобів і засобів транспортної інфраструктури) передбачає розв’язання широкого кола завдань на основі використання інтелектуальних технологій, зокрема нейронних мереж.
Висновки. У роботі досліджено та проаналізовано найбільш поширені методи розв’язання актуальних проблем розпізнавання транспортних об’єктів (транспортних засобів й об’єктів транспортної інфраструктури). На основі проведеного аналізу методів розпізнавання рухомих транспортних засобів визначено, які методи мають велику, а які малу обчислювальну складність. Основою інтелектуалізації процесів розпізнавання цієї групи транспортних об’єктів є використання різноманітних нейронних мереж.
Посилання
Ammar, A., Koubaa, A., Ahmed, M. and Saad, A., 2019. Aerial Images Processing for Car Detection using Convolutional Neural Networks: Comparison between Faster R-CNN and YoloV3. Preprints, [e-journal] 17 October. DOI: 10.20944/preprints201910.0195.v1.
Borysov, H.O., Humen, T.F. and Trapezon, K.O., 2020. Doslidzhennia prohramnykh osoblyvostei obiednannia Android things na osnovi kontseptsii Internetu rechei [Study of software features of Android things integration based on the Internet of Things concept]. Scientific notes of Taurida National V.I. Vernadsky University. Series: Technical Sciences, [e-journal] 31(70/1), pp.29–35. https://doi.org/10.32838/2663-5941/2020.1-1/0.
Introduction to computer vision: what it is and how it works, 2018. DataRobot, [online] 2 April. Available at: <https://www.datarobot.com/blog/introduction-to-computer-vision-what-it-is-and-how-it-works/> [Accessed 28 August 2022].
Kartashov, V.M., Oleynikov, V.N., Sheyko, S.A., Babkin, S.I., Koryttsev, I.V. and Zubkov, O.V., 2019. Peculiarities of Small Unmanned Aerial Vehicles Detection and Recognition. Telecommunications and Radio Engineering, [e-journal] 78 (9), pp.771–781. https://doi.org/10.1615/TelecomRadEng.v78.i9.30.
Markov, E., 2016. Fractal methods for extracting artificial objects from the unmanned aerial vehicle images. Journal of Applied Remote Sensing, [e-journal] 10 (2), art. 25020. https://doi.org/10.1117/1.JRS.10.025020.
Nechiporenko, A.S., Gubarenko, E.V. and Gubarenko, M.S., 2019. Authentication of users of mobile devices by their motor reactions. Telecommunications and Radio Engineering, [e-journal] 78 (11), pp.987–1003. https://doi.org/10.1615/TelecomRadEng.v78.i11.60.
Nidhi, G., 2017. The Incredible Future Of Public Transport With This Gyroscopic Vehicle Design. Industry Tap, [online] 26 August. Available at: <https://www.industrytap.com/incredible-future-public-transport-gyroscopic-vehicle-design/43587> [Accessed 31 August 2022].
Prakash, J., 2018. The intuition behind RetinaNet. Medium, [online] 23 March. Available at: <https://medium.com/@14prakash/the-intuition-behind-retinanet-eb636755607d> [Accessed 28 August 2022].
Redmon, J., Divvala, S., Girshick, R. and Farhadi, A., 2016. You Only Look Once: Unified, Real-Time Object Detection. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR), [e-journal] 27-30 June 2016. Institute of Electrical and Electronics Engineers. pp.779– 788. https://doi.org/10.1109/CVPR.2016.91.
Samaras, S., Diamantidou, E., Ataloglou, D., Sakellariou, N., Vafeiadis, A., Magoulianitis, V., Lalas, A., Dimou, A., Zarpalas, D., Votis, K., Daras, P. and Tzovaras, D., 2019. Deep Learning on Multi Sensor Data for Counter UAV Applications – A Systematic Review. Sensors, [e-journal] 19 (22), 4837. https://doi.org/10.3390/s19224837.
Svatiuk, D.R., Svatiuk, O.R. and Belei, O.I., 2020. Zastosuvannia zghortkovykh neironnykh merezh dlia bezpeky rozpiznavannia obiektiv u videopototsi [Application of convolutional neural networks for object recognition security in video stream]. Cybersecurity: Education, Science, Technique, [e-journal] 4(8), pp.97–112. https://doi.org/10.28925/26634023.2020.8.97112.
Tymoshyn, Yu.A. and Orlenko, S.P., 2018. Alhorytm rozpiznavannia oblychchia liudei na bazi zghortkovoi neironnoi merezhi [Human face recognition algorithm based on convolutional neural network]. Adaptyvni systemy avtomatychnoho upravlinnia, 1 (32), pp.166–173.
Yaacoub, J.-P., Noura, H., Salman, O. and Chehab, A., 2020. Security analysis of drones systems: Attacks, limitations, and recommendations. Internet of Things, [e-journal] 11, pp.1–39. https://doi.org/10.1016/j.iot.2020.100218.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Ольга Ткаченко, Дмитро Бабиченко
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори зберігають авторські права на статтю та одночасно надають журналу право його першої публікації на умовах ліцензії Creative Commons Attribution License, яка дозволяє іншим особам вільно поширювати опубліковану статтю з обов’язковим посиланням на її авторів та першу публікацію.
Журнал дозволяє авторам зберігати авторські права і права на публікації без обмежень.
Автор опублікованої статті має право поширювати інформацію про неї та розміщувати посилання на роботу в електронному репозитарії установи.
