Детальная информация

Выпускная квалификационная работа посвящена разработке модуля выявления правонарушений водителей электросамокатов с использованием технологий компьютерного зрения для систем видеонаблюдения на пешеходных переходах. Предметом исследования выступают алгоритмы и методы компьютерного зрения, применяемые для автоматического распознавания и фиксации нарушений ПДД водителями электросамокатов и СИМ на основе видеоматериалов. Целью является создание эффективной системы для своевременного выявления правонарушения в реальном времени и повышения безопасности дорожного движения. Методология включает анализ технологий, применяемых в задачах компьютерного зрения, основанных как на алгоритмических подходах, так и на нейросетевых моделях. Были выявлены их преимущества и недостатки, на основании которых выбрано оптимальное решение. Для обучения был сформирован датасет, содержащий записи с необходимым объектами и действиями, с которыми нейросети предстоит работать. Модуль был обучен и протестирован по необходимым показателям точности. Результаты работы модели демонстрируют высокую эффективность решения, позволяющего фиксировать в автоматическом режиме правонарушения, связанные со средствами индивидуальной мобильности. В дальнейшем планируется дообучить модель на новых данных, для большего охвата возможных объектов СИМ и ситуаций, связанных с ними. Это приведет к снижению количества ДТП, в том числе и с тяжелыми последствиями, что важно для повышения безопасности на дорогах.

The graduate qualification work is devoted to the development of a module for detecting offenses of electric scooter drivers using computer vision technologies for video surveillance systems at crosswalks. The subject of the research are algorithms and methods of computer vision used for automatic recognition and fixation of traffic violations by the drivers of electric scooters and SIMs based on video materials. The aim is to create an effective system for timely detection of offense in real time and improve traffic safety. The methodology includes the analysis of technologies used in computer vision tasks based on both algorithmic approaches and neural network models. Their advantages and disadvantages were identified, based on which the optimal solution was chosen. For training, a dataset was generated, containing records with the necessary objects and actions with which the neural network is to work. The module was trained and tested on the required accuracy metrics. The results of the models work demonstrate high efficiency of the solution, which allows to record in automatic mode offenses related to personal mobility aids. In the future, it is planned to further train the model on new data, to cover more possible SIM objects and situations related to them. This will lead to a reduction in the number of accidents, including those with severe consequences, which is important for improving road safety.