Разработка системы распознавания бесхозных предметов, несущих угрозу, с использованием нейронных сетей

-

Весь текст будет доступен после покупки

В современных условиях актуальность обеспечения безопасности в общественных пространствах (таких как транспортные узлы, стадионы, торгово-развлекательные центры, вокзалы и аэропорты) приобретает первостепенное значение. Одной из наиболее сложных и труднорешаемых задач в этой сфере является оперативное выявление бесхозных предметов, которые потенциально могут содержать опасные вещества или устройства. Традиционные подходы, основанные на физическом досмотре, наблюдении операторов и рутинных патрулях, обладают рядом существенных недостатков: высокой долей человеческого фактора, ограниченным вниманием персонала, запаздывающей реакцией и значительными затратами на масштабирование.
В этой связи разработка и внедрение интеллектуальных систем видеонаблюдения, способных в автоматическом режиме обнаруживать подозрительные объекты, становится стратегически важным направлением. Наиболее перспективной технологией для решения данной задачи являются методы компьютерного зрения и глубокого обучения. Сверточные нейронные сети (Convolutional Neural Networks, CNN) и более сложные архитектуры (например, YOLO, Faster R-CNN, EfficientDet) демонстрируют выдающиеся результаты в задачах детекции и классификации объектов на изображениях и видео в реальном времени.

Весь текст будет доступен после покупки

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ И ТЕХНОЛОГИЧЕСКИЕ ОСНОВЫ РАЗРАБОТКИ СИСТЕМЫ РАСПОЗНАВАНИЯ ОБЪЕКТОВ

1.1. Анализ проблемы обнаружения бесхозных предметов в системах безопасности
Обеспечение безопасности в местах массового скопления людей (таких как аэропорты, железнодорожные вокзалы, станции метро, торгово-развлекательные комплексы и стадионы) представляет собой одну из наиболее сложных и социально значимых задач современности. Динамичная обстановка, высокий трафик и постоянное движение создают среду, уязвимую для различных угроз, среди которых особую категорию составляют бесхозные предметы. Под бесхозным (оставленным) предметом понимается физический объект (сумка, рюкзак, чемодан, коробка, пакет), который был намеренно или случайно оставлен без видимого присмотра со стороны владельца на время, достаточное для возникновения обоснованных подозрений относительно его содержимого. Статистика правоохранительных органов и антитеррористических комитетов указывает на то, что подобные предметы могут содержать взрывчатые вещества, опасные химикаты, радиоактивные материалы или использоваться для сокрытия иных средств совершения диверсий, что делает их обнаружение критически важным элементом превентивной безопасности.
Традиционная парадигма обеспечения безопасности в таких зонах опирается на трех ключевых, но пассивных элементах:
Физическая охрана и патрулирование. Данный метод является ресурсоемким, требующим постоянного присутствия большого числа подготовленного персонала, и обладает ограниченным радиусом эффективного реагирования. Патрульный не может одновременно отслеживать все зоны ответственности, а его внимание подвержено селективности.

Системы стационарного видеонаблюдения (CCTV). Хотя камеры обеспечивают полное покрытие критических зон, анализ видеопотока в реальном времени, как правило, возлагается на человека-оператора. Многочисленные исследования в области эргономики и когнитивной психологии (например, явление «слепоты невнимания») демонстрируют, что даже высококвалифицированный оператор способен эффективно концентрироваться на одном или нескольких мониторах лишь в течение ограниченного периода (обычно не более 20-30 минут). После этого неизбежно наступает сенсорная перегрузка, ведущая к пропуску значимых событий. Более того, оператор вынужден одновременно отслеживать десятки видеоканалов, что делает ручной мониторинг в режиме 24/7 крайне ненадежным.

Весь текст будет доступен после покупки

1. Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. Advances in Neural Information Processing Systems.
2. Jocher, G., et al. (2023). YOLOv8: A State-of-the-Art Object Detection Model. Ultralytics. [Официальная документация и репозиторий].
3. Wojke, N., Bewley, A., & Paulus, D. (2017). Simple Online and Realtime Tracking with a Deep Association Metric. IEEE International Conference on Image Processing (ICIP).

Весь текст будет доступен после покупки