аспирант кафедры автоматических систем
Post-graduate Student of the Department of System Automatic
канд. техн. наук, доцент кафедры информатики
Candidate of Engineering Sciences, Associate Professor of the Department of Informatics
The article is devoted to the problem of detection and recognition of overwater objects from video surveillance data in poor visibility conditions, such as rain, snow, fog, twilight. Along with the problem of visibility degradation there are other factors that complicate the solution of this problem: changes in the shape and size of the image when changing the distance to the object of observation and the angle of view of the video camera. One of the approaches to the problem of video surveillance data processing is discussed – it consists in the joint application of two technologies: YOLO deep learning model and discrete wavelet image transformation. Experimental results show that the proposed algorithm achieves high accuracy and efficiency, which makes it suitable for application in drone video monitoring systems.
Статья посвящена задаче обнаружения и распознавания надводных объектов по данным видеонаблюдения в условиях плохой видимости, таких как дождь, снег, туман, сумерки. Наряду с проблемой ухудшения видимости имеются и другие факторы, затрудняющие решение этой задачи: изменение формы и размера изображения при изменении расстояния до объекта наблюдения и угла обзора видеокамеры. Обсуждается один из подходов к проблематике обработки данных видеонаблюдения – он состоит в совместном применении двух технологий: модели глубокого обучения YOLO и дискретного вейвлет-преобразования изображений. Экспериментальные результаты показывают, что предложенный алгоритм достигает высоких показателей точности, что делает его подходящим для применения в системах видеомониторинга беспилотниками.