Объектом исследования выступает информационная система анализа индивидуальных показателей пловцов в бассейне. Целью работы является создание прототипа информационной системы для обнаружения пловцов в бассейне, непрерывного определения их координат и скорость, и визуализация данных об их дистанции и скорость. Результатом работы является: 1) обученная модель для обнаружения пловцов на изображения, которая реализована как модель сверхточной нейронной сети с использование библиотеки Pytorch для языка программирования Python; 2) RESTful сервис на Python для обнаружения пловцов на изображении; 3) RESTful сервис для чтения видео потока, анализа параметров пловцов, сохранения данных в базу и визуализация параметров пловцов. Который написан на языке программирования Java и использует базу данных MongoDB. Разработанный прототип может развиваться в следующих направлениях: 1) увеличения объема данных для обучения модели обнаружения, для увеличения точности обнаружения; 2) использование системы камер, для того чтобы более точно снимать части бассейна, а не весь целиком; 3) сохранения видео в базу данных; 4) совершенствование подхода трансляции потокового видео.

The object of research is the information system for the analysis of individual indicators of swimmers in the pool. The aim of the work is to create a prototype information system for detecting swimmers in the pool, continuously determining their coordinates and speed and visualizing data on their distance and speed. The results of the work are: 1)a trained model for detecting swimmers in images, which is implemented as a model of a highly accurate neural network using the Pytorch library for the Python programming language; 2)RESTful service in Python to detect swimmers in the image; 3)RESTful service for reading the video stream, analyzing the parameters of swimmers, saving data to the database and visualizing the parameters of swimmers. Which is written in the Java programming language and uses the MongoDB database. The developed prototype can develop in the following areas: 1)increase the amount of data for training the detection model, to increase the accuracy of detection; 2)the use of a camera system in order to more accurately shoot parts of the pool, and not the whole; 3) save video to database; 4) improving the streaming video.