Метод визначення учасників і кадру моменту дорожньо- транспортної пригоди за вхідним відеопотоком на основі машинного навчання

dc.contributor.advisorМусієнко, Андрій Петрович
dc.contributor.authorЧовган, Іванна Олександрівна
dc.date.accessioned2024-02-12T09:12:22Z
dc.date.available2024-02-12T09:12:22Z
dc.date.issued2024
dc.description.abstractСтруктура і обсяг кваліфікаційної роботи. Магістерська дисертація складається зі вступу, п’яти розділів, висновків та 2 додатків. Робота містить посилання на 23 джерела, 18 рисунків та 9 таблиць. Основна частина роботи викладена на 76 сторінках. Актуальність. Дорожньо-транспортні пригоди становлять серйозну проблему для суспільства та економіки, що призводить до великих людських та матеріальних втрат. Сучасні технології можуть бути використані для зменшення кількості дорожньо-транспортних пригод та поліпшення безпеки на дорозі. Одним із способів досягнення цієї мети є використання технологій машинного навчання для виявлення та аналізування відеозаписів з камер спостереження. Дослідження методу визначення учасників та кадру моменту дорожньо-транспортної пригоди на основі машинного навчання має велику актуальність у зв'язку зі зростанням кількості транспортних пригод на дорогах. Використання вхідного відеопотоку може значно спростити процес визначення учасників та кадру моменту пригоди, що може збільшити швидкість реакції служб аварійної допомоги і поліції. Мета роботи і завдання дослідження. Метою роботи є розробка методу визначення учасників і кадру моменту дорожньо-транспортної пригоди за вхідним відеопотоком на основі машинного навчання. Завдання наукового дослідження: – провести пошук та аналіз вихідних матеріалів; – виявити існуючі системи з подібним функціоналом; – провести пошук засобів розробки; – розробити структуру програмного продукту та спланувати взаємодію користувача з системою; – розробити програмний продукт, який буде відповідати вимогам; – провести тестування програмного продукту та перевірити його на працездатність. Об’єктом дослідження є використання технологій машинного навчання, зокрема глибинного навчання та нейромереж, для розв'язання задачі визначення учасників та кадру моменту пригоди. Предметом дослідження є метод на основі машинного навчання для задачі визначення учасників і кадру моменту дорожньо-транспортної пригоди за вхідним відеопотоком. Методи дослідження. У магістерській дисертації розглядається використання передових методів машинного навчання та обробки відеоданих для ідентифікації учасників і визначення моментів дорожньо-транспортних пригод. Особливий акцент робиться на застосуванні глибоких нейронних мереж, зокрема конволюційних нейронних мереж, а також інших алгоритмів машинного навчання, використовуючи програмні мови та інструменти, як-от Python, Keras, а також використання веб-фреймворків для реалізації інтерфейсу користувача. Практичне значення одержаних результатів у цій магістерській дисертації полягає у створенні інноваційного інструменту, який може бути застосований для поліпшення дорожньої безпеки та ефективності розслідувань ДТП. Розроблений метод ідентифікації учасників і визначення моментів аварій через аналіз відеопотоків забезпечує швидше та точніше виявлення обставин пригоди, що важливо для правоохоронних органів та служб екстреної допомоги. Також цей підхід може бути використаний у системах моніторингу дорожнього руху, сприяючи профілактиці аварій та підвищенню безпеки на дорогах. Ключові слова: CNN, нейронні мережі, веб-застосунок, штучний інтелект, дорожньо-транспортні пригоди, класифікація, відеопотік.
dc.description.abstractotherThe structure and scope of the qualification thesis. The master's thesis comprises an introduction, five chapters, conclusions, and 2 appendices. The work references 23 sources, includes 18 figures, and 9 tables. The main part of the work is presented on 76 pages. The relevance of the topic. Road traffic accidents present a serious issue for society and the economy, leading to significant human and material losses. Modern technologies can be used to decrease the number of road traffic accidents and enhance road safety. One of the methods to achieve this goal is utilizing machine learning technologies to detect and analyze video recordings from surveillance cameras. The research on the method of determining participants and the frame of the moment of a road traffic accident based on machine learning is highly relevant due to the increasing number of traffic accidents on the roads. Utilizing the input video stream can significantly simplify the process of determining participants and the frame of the accident moment, potentially increasing the response speed of emergency services and the police. The purpose of the work and the tasks of the research. The aim of the work is to develop a method for determining participants and the frame of the moment of a road traffic accident based on the input video stream using machine learning. Research tasks: – conduct a search and analysis of primary materials; – identify existing systems with similar functionalities; – search for development tools; – develop the structure of the software product and plan user interaction with the system; – develop a software product that meets the requirements; – conduct testing of the software product and verify its operability. The object of the study is the use of machine learning technologies, especially deep learning and neural networks, for solving the task of determining participants and the frame of the accident moment. The subject of the study is a machine learning-based method for determining participants and the frame of the moment of a road traffic accident using the input video stream. Research methods. The master's thesis examines the use of advanced machine learning methods and video data processing for identifying participants and determining moments of road traffic accidents. A special focus is placed on the application of deep neural networks, particularly convolutional neural networks, and other machine learning algorithms, using programming languages and tools such as Python, Keras, as well as web frameworks for user interface implementation. The practical significance of the obtained results in this master's thesis lies in creating an innovative tool that can be applied to improve road safety and the efficiency of traffic accident investigations. The developed method for identifying participants and determining the moments of accidents through video stream analysis ensures faster and more accurate detection of accident circumstances, important for law enforcement and emergency services. This approach can also be used in road traffic monitoring systems, contributing to the prevention of accidents and enhancing road safety.
dc.format.extent101 c.uk
dc.identifier.citationЧовган, І. О. Метод визначення учасників і кадру моменту дорожньо-транспортної пригоди за вхідним відеопотоком на основі машинного навчання : магістерська дис. : 121 Інженерія програмного забезпечення / Човган Іванна Олександрівна. – Київ, 2024. – 101 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/64427
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectCNNuk
dc.subjectнейронні мережіuk
dc.subjectвеб-застосунокuk
dc.subjectштучний інтелектuk
dc.subjectдорожньо-транспортні пригодиuk
dc.subjectкласифікаціяuk
dc.subjectвідеопотікuk
dc.subject.udc004.4
dc.titleМетод визначення учасників і кадру моменту дорожньо- транспортної пригоди за вхідним відеопотоком на основі машинного навчанняuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
Chovgan_magistr.pdf
Розмір:
2.33 MB
Формат:
Adobe Portable Document Format
Опис:
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис: