Создание многозадачной системы распознавания

Большинство имеющихся программных продуктов для распознавания образов в видеопотоках или на стационарных изображениях ориентировано на распознавание конкретных объектов (только людей, только машин, и т.д.), причем в них, как правило, заложен только один метод распознавания. Поэтому каждая такая система решает одну конкретную задачу методом, заложенным в базу моделей системы на этапе ее создания.

Основным отличием предлагаемой архитектуры является ее гибкость в том смысле, что она позволяет использовать эту систему в качестве конструктора различных систем распознавания для бизнеса и охраны объектов, причем в базу моделей этой системы пользователем могут добавляться новые методы.

Цель работы – разработать многозадачную систему распознавания.

Предмет изучения настоящей работы – обнаружение и распознавание объекта на определённой области исследования.

Объекты изучения работы – все (или часть объектов согласно установленным пользователем опциям) объекты, которые может распознавать библиотека ImageAI.

Требования к проектируемой системе:

1)               удобный и функциональный интерфейс, позволяющий пользователю без труда выполнить поставленную ему задачу;

2)              наглядность представления имеющейся информации;

3)              быстрая скорость работы алгоритмов;

4)              динамичность и интерактивность.

Для   достижения   заданной  цели   необходимо                   выполнение следующих задач:

1)   проектирование интерфейса пользовательской формы и логики работы системы;

2)   осуществление программирования модулей;

3)   создание метода вырезки области на изображении и видео-потоке;

4)   создание метода улучшения качество получаемого изображения;

5)   реализация условий наблюдения и сигнализации;

6)   реализация   метода   распознавания   на   всем                     получаемом изображении и на выделенной пользователем области;

7)   реализация отчета о распознавании;

8)   тестирование системы и последующий анализ результатов. Основные   средства   –   Python  3.11,   библиотеки:                   PyQt6,

OpenCV(cv2), torch, numpy [5].

ВВЕДЕНИЕ..................................................................................................... 3

1. Современные библиотеки распознавания объектов на Python.................. 6

1.1 Основные библиотеки и используемые методы Python........................... 6

1.2 Выбор метода распознавания объектов................................................... 8

2.  Существующие системы распознавания объектов в бизнесе................... 11

2.1 Системы распознавания в маркетинге.................................................... 11

2.2 Системы распознавания в биологии....................................................... 13

2.3 Система распознавания для парковок.................................................... 14

3. Создание многозадачной системы распознавания................................... 16

3.1 Описание интерфейса программы.......................................................... 19

3.2 База данных............................................................................................. 19

3.3 Блок фильтрации изображения............................................................... 21

3.4 Форма выбора объекта обнаружения.................................................... 26

3.5 Форма выбора условия обнаружения.................................................... 29

3.6 Отчёт о ходе выполненного анализа...................................................... 30

3.7 Вырезка фрагмента изображения.......................................................... 31

3.8 Функция перехода между изображениями............................................. 31

4.  Демонстрация работы многозадачной системы распознавания............. 33

ЗАКЛЮЧЕНИЕ............................................................................................. 37

СПИСОК ЛИТЕРАТУРЫ............................................................................. 40

ПРИЛОЖЕНИЯ............................................................................................. 42

Приложение 1. Метод проверки распознанных объектов........................... 42

Приложение 2. Метод отработки кадра,фильтрация.................................. 43

Приложение 3. Метод работы с изображением........................................... 45

Приложение 4. Метод отрисовки границ объектов..................................... 50

Приложение 5. Метод обработки видеопотока................................................. 51

1)   Селянкин, В.В. Компьютерное зрение. Анализ и обработка изображений / В.В. Селянкин. – Санкт-Петербург : Лань, 2019. – 152 с. – ISBN 978-5-8114-3368-1.

2)     Коул, А Искусственный интеллект и компьютерное зрение. Реальные проекты на Python, Keras и TensorFlow / А Коул, К Мехер, Г Сиддха. – Санкт-Петербург : Питер, 2023. – 624 с.

3)     Шустова Е.П., Введение в анализ изображений на Python;

URL:https://kpfu.ru//staff_files/F_733916448/EOR_Vveden_v_AI.pdf (дата обращения: 31.03.2023).

4)   

Справочное руководство по PyQt6 [Электронный ресурс].-2023- URL-https://www.riverbankcomputing.com/static/Docs/PyQt6/             (дата обращения 11.05.2023)

5)   Прохоренок, Н OpenCV и Java. Обработка изображений и компьютерное зрение / Н Прохоренок. – Санкт-Петербург : БХВ- Петербург, 2018. – 312 с. – ISBN 978-5-9775-3955-5.

6)   Аверин, В.Н. Компьютерная графика. Учебник / В.Н. Аверин. – Санкт-Петербург : Академия, 2020. – 256 с.

7)   Брэдски Г. , Келер А. Изучение OpenCV// O'Reilly Media, Inc.– 2008. – № 6-1. – С. 67-73;

8)   Малявкина Л.И., Меньшова М.В. Системы видеоанализа в розничной торговле // Научные записки орелгиэт. 2015. Вып. 6. C. 7-12.

9)   Михайлов В.В., Колпащиков Л.А., Соболевский В.А., Соловьев Н.В., Якушев Г.К. Методологические подходы и алгоритмы распознавания и подсчета животных на аэрофотоснимках // Информационно- управляющие системы. 2021. №5 (114). С. 20-32.

10)                     Щукин С.А. Анализ методов распознавания свободных парковочных мест на основе распознавания графических образов // Научные записки орелгиэт. 2015. Вып. 6. C. 7-12.

11)                     Шустова Е.П., Шустова К.П. Архитектура многозадачной системы распознавания с помощью ImageAI и пользовательскими методами распознавания// Современные наукоемкие технологии. – 2022. –

№ 12-1. – С. 88-93; URL: https://top-technologies.ru/ru/article/view?id=39442 (дата обращения: 31.03.2023).