ДИНАМІЧНА ВІДЕОФІКСАЦІЯ ТРАНСПОРТНИХ ЗАСОБІВ ДЛЯ СИСТЕМИ МОНІТОРИНГУ ДОРОЖНЬОГО РУХУ У МЕГАПОЛІСІ
Ключові слова:
дорожній рух, транспортний засіб, відеофіксація, мегаполіс
Анотація
На сьогодні для системи моніторингу дорожнього руху у мегаполісі необхідні компоненти проведення класифікації транспортних засобів, що можуть функціонувати у режимі реального часу. Однак дане завдання суттєво залежить від характеристик та можливостей програми динамічної відеофіксації транспортних засобів. Тому метою даної статті є розробка програми швидкої динамічної відеофіксації транспортних засобів, яка дозволить запустити в режимі реального часу компонент класифікації рухомих засобів системи моніторингу дорожнього руху у мегаполісі. Предметом досліджень статті є методи динамічної фіксації транспортних засобів. Об’єктом дослідження є процес дорожнього руху у мегаполісі. Для досягнення мети вирішені такі завдання дослідження: проведений аналіз технічного забезпечення, що використовується для фіксації об’єктів дорожнього руху, вибрані потрібні програмні засоби та розроблена відповідна програма у обраному середовищі. Висновок. Запропонований у статті програмний комплекс динамічної відеофіксації транспортних засобів при дорожньому русі у мегаполісі дозволить проводити їх ідентифікацію у режимі реального часу.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Інтелектуальна система моніторингу дорожнього руху. Київ : НАУ, 2021. URL: https://nau.edu.ua/ua/menu/science/naukovi-rozrobki/intelektualna-sistema-monitoringu-dorozhnogo-ruxu.html
2. Matheus S Quessada, Rickson S Pereira, William Revejes (2020), ITSMEI: An intelligent transport system for monitoring traffic and event information, International Journal of Distributed Sensor Networks, Vol. 16 (10), pp. 1-13, DOI: https://doi.org/10.1177/1550147720963751
3. Myounggyu, Won (2020), “Intelligent Traffic Monitoring Systems for Vehicle Classification: A Survey”, IEEE Access, Vol. 8, pp. 73.340 –73.358, DOI: https://doi.org/10.1109/ACCESS.2020.2987634
4. Гороховатський, В., & Власенко, Н. (2021). Редукція опису зображення у складі множини дескрипторів на основі метричного критерію інформативності. Сучасні інформаційні системи, 5(4), 10–16. DOI: https://doi.org/10.20998/2522-9052.2021.4.02
5. Гороховатський, В., Стяглик, Н., & Жадан, О. (2022). Застосування багатокомпонентної моделі даних для описів класів у задачі класифікації зображень. Сучасні інформаційні системи, Vol. 6(1), pp. 5–11. DOI: https://doi.org/10.20998/2522-9052.2022.1.01
6. Svyrydov, A., Kuchuk, H., Tsiapa, O. (2018), “Improving efficienty of image recognition process: Approach and case study”, Proceedings of 2018 IEEE 9th International Conference on Dependable Systems, Services and Technologies, DESSERT 2018, pp. 593-597, DOI: http://dx.doi.org/10.1109/DESSERT.2018.8409201
7. Худов В.Г., Кучук Г.А., Маковейчук О.М., Крижний А.В. Аналіз відомих методів сегментування зображень, що отримані з бортових систем оптикоелектронного спостереження. Системи обробки інформації. 2016. Вип. 9 (146). С. 77-80.
8. Кір'янов О. Ф., Мороз М. М., Бойко Ю. О. Інформаційні технології на автомобільному транспорті : навч. посіб., Кременчуцький нац. ун-т ім. Михайла Остроградського. Харків : Дркарня Мадрид, 2015. 270 с.
2. Matheus S Quessada, Rickson S Pereira, William Revejes (2020), ITSMEI: An intelligent transport system for monitoring traffic and event information, International Journal of Distributed Sensor Networks, Vol. 16 (10), pp. 1-13, DOI: https://doi.org/10.1177/1550147720963751
3. Myounggyu, Won (2020), “Intelligent Traffic Monitoring Systems for Vehicle Classification: A Survey”, IEEE Access, Vol. 8, pp. 73.340 –73.358, DOI: https://doi.org/10.1109/ACCESS.2020.2987634
4. Гороховатський, В., & Власенко, Н. (2021). Редукція опису зображення у складі множини дескрипторів на основі метричного критерію інформативності. Сучасні інформаційні системи, 5(4), 10–16. DOI: https://doi.org/10.20998/2522-9052.2021.4.02
5. Гороховатський, В., Стяглик, Н., & Жадан, О. (2022). Застосування багатокомпонентної моделі даних для описів класів у задачі класифікації зображень. Сучасні інформаційні системи, Vol. 6(1), pp. 5–11. DOI: https://doi.org/10.20998/2522-9052.2022.1.01
6. Svyrydov, A., Kuchuk, H., Tsiapa, O. (2018), “Improving efficienty of image recognition process: Approach and case study”, Proceedings of 2018 IEEE 9th International Conference on Dependable Systems, Services and Technologies, DESSERT 2018, pp. 593-597, DOI: http://dx.doi.org/10.1109/DESSERT.2018.8409201
7. Худов В.Г., Кучук Г.А., Маковейчук О.М., Крижний А.В. Аналіз відомих методів сегментування зображень, що отримані з бортових систем оптикоелектронного спостереження. Системи обробки інформації. 2016. Вип. 9 (146). С. 77-80.
8. Кір'янов О. Ф., Мороз М. М., Бойко Ю. О. Інформаційні технології на автомобільному транспорті : навч. посіб., Кременчуцький нац. ун-т ім. Михайла Остроградського. Харків : Дркарня Мадрид, 2015. 270 с.
Опубліковано
2022-06-07
Як цитувати
Kuchuk N. Динамічна відеофіксація транспортних засобів для системи моніторингу дорожнього руху у мегаполісі / N. Kuchuk, MikhalО., A. Shiman, M. Naumenko // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2022. – Т. 2 (68). – С. 55-58. – doi:https://doi.org/10.26906/SUNZ.2022.2.055.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
