Метод визначення кінетичних параметрів руху автомобілів під час дорожньо-транспортної пригоди за вхідним відеопотоком на основі машинного навчання
dc.contributor.advisor | Мусієнко, Андрій Петрович | |
dc.contributor.author | Гнатюк, Євгеній Сергійович | |
dc.date.accessioned | 2024-02-08T10:16:00Z | |
dc.date.available | 2024-02-08T10:16:00Z | |
dc.date.issued | 2024 | |
dc.description.abstract | Структура і обсяг кваліфікаційної роботи. Магістерська дисертація складається зі вступу, п’яти розділів, висновків та 1 додатку. Робота містить посилання на 21 джерело, 16 рисунки та 7 таблиць. Основна частина роботи викладена на 84 сторінках. Актуальність. Дорожньо-транспортні пригоди (ДТП) продовжують залишатися однією з основних причин травматизму і смертності у світі. Ефективний аналіз таких пригод є ключовим для розуміння їх причин і запобігання подальшим інцидентам. У цьому контексті, точне визначення кінетичних параметрів руху автомобілів, які беруть участь в ДТП, є важливим для встановлення обставин аварії, визначення відповідальності та розробки заходів безпеки. Застосування методів машинного навчання для аналізу відеопотоків з місць ДТП надає нові можливості для об'єктивного та швидкого визначення цих параметрів. Такий підхід дозволяє автоматизувати процес обробки даних, мінімізувати помилки, пов'язані з людським фактором, і забезпечити більш точну реконструкцію подій. Це особливо важливо в умовах зростаючої кількості транспорту на дорогах та збільшення ризиків дорожнього руху. Крім того, розвиток та імплементація таких методів сприяє покращенню роботи служб аварійної допомоги та правоохоронних органів. Швидке та точне визначення обставин ДТП може значно прискорити процес розслідування та вирішення юридичних питань, а також надати цінну інформацію для подальших наукових досліджень у галузі безпеки дорожнього руху. Мета роботи і завдання дослідження. Метою дослідження є розробка та валідація ефективного методу визначення кінетичних параметрів руху автомобілів під час ДТП за вхідним відеопотоком на основі машинного навчання. Завдання наукового дослідження: – проаналізувати сучасні методи визначення кінетичних параметрів руху автомобілів під час ДТП; – вивчити існуючі технології та алгоритми машинного навчання для аналізу відеоданих; – розробити метод визначення кінетичних параметрів руху автомобілів на основі машинного навчання та вхідного відеопотоку; – провести валідацію розробленого методу на реальних відеоданих з ДТП. Об’єктом дослідження є процес визначення кінетичних параметрів руху автомобілів під час дорожньо-транспортної пригоди. Під цими параметрами маються на увазі швидкість, кут напрямку руху, прискорення та інші фізичні характеристики, які можуть бути виміряні та аналізовані за відеопотоком. Предметом дослідження є методики та алгоритми машинного навчання, які можуть бути використані для обробки вхідного відеопотоку та визначення кінетичних параметрів руху автомобілів. Методи дослідження. У даній дипломній роботі розглядається застосування передових методів машинного навчання та обробки відеоданих для точного визначення кінетичних параметрів руху автомобілів під час дорожньо-транспортної пригоди. Особлива увага приділяється використанню глибоких нейронних мереж, зокрема конволюційних, та інших алгоритмів машинного навчання. Використання програмних мов та інструментів, таких як Python і Pytorch, та створення інтерфейсу користувача за допомогою веб-фреймворків становить основу дослідження. Практичне значення одержаних результатів цієї магістерської дисертації полягають у відкритті нових перспектив для забезпечення безпеки дорожнього руху та оптимізації процесів розслідування ДТП. Розроблений підхід забезпечує більш точний та об'єктивний аналіз відеоданих, що дозволяє правоохоронним органам та експертам швидше та точніше встановлювати обставини пригод. Також, використання цього методу в системах моніторингу може сприяти профілактиці ДТП, підвищуючи рівень безпеки на дорогах. Окрім того, зібрані дані та аналітичні звіти можуть бути використані для подальших наукових досліджень та розвитку нових технологій в області автомобільної безпеки. | |
dc.description.abstractother | Structure and scope of the qualification work. The master's thesis consists of an introduction, five chapters, conclusions and 1 appendix. The work contains references to 21 sources, 16 figures and 7 tables. The main part of the work is presented on 84 pages. Relevance. Road traffic accidents (RTAs) continue to be one of the leading causes of injury and death in the world. Effective analysis of such accidents is key to understanding their causes and preventing further incidents. In this context, the accurate determination of the kinetic parameters of the vehicles involved in an accident is important for establishing the circumstances of the accident, determining liability, and developing safety measures. The use of machine learning methods to analyze video streams from road accidents provides new opportunities for objective and quick determination of these parameters. This approach allows automating the data processing process, minimizing human error, and providing a more accurate reconstruction of events. This is especially important in the context of a growing number of vehicles on the roads and increasing traffic risks. In addition, the development and implementation of such methods helps to improve the work of emergency services and law enforcement agencies. A quick and accurate determination of the circumstances of a road accident can significantly speed up the process of investigation and resolution of legal issues, as well as provide valuable information for further research in the field of road safety. Purpose and objectives of the study. The aim of the study is to develop and validate an effective method for determining the kinetic parameters of car movement during an accident from an incoming video stream based on machine learning. Objectives of the research: - to analyze modern methods for determining the kinetic parameters of car movement during an accident; - to study existing technologies and machine learning algorithms for analyzing video data; - to develop a method for determining the kinetic parameters of car movement based on machine learning and the input video stream; - to validate the developed method on real video data from road accidents. The object of research is the process of determining the kinetic parameters of car movement during a traffic accident. These parameters include speed, directional angle, acceleration, and other physical characteristics that can be measured and analyzed from a video stream. The subject of the study is machine learning techniques and algorithms that can be used to process the input video stream and determine the kinetic parameters of vehicle movement. Research methods. This thesis examines the application of advanced machine learning and video data processing methods to accurately determine the kinetic parameters of car movement during a traffic accident. Particular attention is paid to the use of deep neural networks, in particular convolutional networks, and other machine learning algorithms. The use of software languages and tools such as Python and Pytorch and the creation of a user interface using web frameworks form the basis of the research. The practical significance of the results of this master's thesis is to open up new perspectives for ensuring road safety and optimizing the processes of road accident investigation. The developed approach provides a more accurate and objective analysis of video data, which allows law enforcement agencies and experts to establish the circumstances of accidents faster and more accurately. In addition, the use of this method in monitoring systems can help prevent road accidents, increasing road safety. In addition, the collected data and analytical reports can be used for further research and development of new technologies in the field of automotive safety. | |
dc.format.extent | 121 с. | uk |
dc.identifier.citation | Гнатюк, Є. С. Метод визначення кінетичних параметрів руху автомобілів під час дорожньо-транспортної пригоди за вхідним відеопотоком на основі машинного навчання : магістерська дис. : 121 Інженерія програмного забезпечення / Гнатюк Євгеній Сергійович. – Київ, 2024. – 121 с. | |
dc.identifier.uri | https://ela.kpi.ua/handle/123456789/64399 | |
dc.language.iso | uk | uk |
dc.publisher | КПІ ім. Ігоря Сікорського | |
dc.publisher.place | Київ | |
dc.subject | CNN | uk |
dc.subject | кінетичні характеристики | uk |
dc.subject | згорткові нейронні мережі | uk |
dc.subject | штучний інтелект | uk |
dc.subject | дорожньо-транспортні пригоди | uk |
dc.subject | DeepSORT | uk |
dc.subject.udc | 004.4 | |
dc.title | Метод визначення кінетичних параметрів руху автомобілів під час дорожньо-транспортної пригоди за вхідним відеопотоком на основі машинного навчання | uk |
dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Gnatuk_magistr.pdf
- Розмір:
- 2.28 MB
- Формат:
- Adobe Portable Document Format
- Опис:
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 1.71 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: