МЕТОД СПОСТЕРЕЖЕННЯ ЗА РУХОМИМИ ОБ'ЄКТАМИ
DOI:
https://doi.org/10.26906/SUNZ.2024.2.122Ключові слова:
стеження, рухомі об'єкти, розпізнавання образів, обчислювальна система, логічні блокиАнотація
У статті проведено аналіз відомих алгоритмів стеження рухомих об'єктів. На основі аналізу відомих алгоритмів відстеження рухомих об’єктів зроблено висновок, що найкраща якість відстеження в задачах із великою кількістю спостережуваних об’єктів досягається рішеннями, побудованими на основі імовірнісних та ієрархічних методів. Кожен з них має взаємодоповнюючі переваги, що створює перспективи для створення нових алгоритмічних рішень, побудованих на синергії цих підходів. Головне завдання перспективних методів стеження полягає в тому, що вони повинні забезпечувати простоту масштабування зі збільшенням кількості рухомих об'єктів, за якими необхідно стежити, здійснювати їх локалізацію об'єктів у тривимірному просторі, а також мати можливість роботи з різнорідними сенсорами. Такий підхід має як суто технічні переваги, так і пов’язані з доступністю компонентів мікроелектроніки в сучасних геополітичних реаліях.Завантаження
Посилання
Yaloveha, V., Hlavcheva, D. and Podorozhniak, A. (2019), “Usage of convolutional neural network for multispectral image processing applied to the problem of detecting fire hazardous forest areas”, Сучасні інформаційні системи, Vol. 3, No 1, pp. 116–120, DOI: https://doi.org/10.20998/2522-9052.2019.1.19
Kuchuk, H., Kovalenko, A., Ibrahim, B.F. and Ruban, I. (2019), “Adaptive compression method for video information”, International Journal of Advanced Trends in Computer Science and Engineering, 8(1), pp. 66-69, DOI: http://dx.doi.org/10.30534/ijatcse/2019/1181.22019
Datsenko, S., and Kuchuk, H. (2023), “Biometric authentication utilizing convolutional neural networks”, Advanced Information Systems, vol. 7, no. 2, pp. 67–73. Doi: https://doi.org/10.20998/2522-9052.2023.3.10
Hlavcheva, D., Yaloveha, V., Podorozhniak, A. and Kuchuk, H. (2021), “Comparison of CNNs for Lung Biopsy Images Classification”, 2021 IEEE 3rd Ukraine Conference on Electrical and Computer Engineering, UKRCON 2021 – Proceedings, pp. 1–5, doi: https://doi.org/10.1109/UKRCON53503.2021.9575305
Dun B., Zakovorotnyi, O. and Kuchuk, N. (2023), “Generating currency exchange rate data based on Quant-Gan model”, Advanced Information Systems, Vol. 7, no. 2, pp. 68–74, doi: http://dx.doi.org/10.20998/2522-9052.2023.2.10
Svyrydov, A., Kuchuk, H. and 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: https://doi.org/10.1109/DESSERT.2018.8409201·
Kovalenko, A. A. (2014), “Approaches to the synthesis of the technical structure of a computer system forming the control system of an object of critical application”, Collection of scientific works of Kharkiv National University of Air Forces, No. 1 (38), pp. 116-119.
Худов В. Г., Кучук Г. А., Маковейчук О. М., Крижний А. В. (2016), “Аналіз відомих методів сегментування зображень, що отримані з бортових систем оптикоелектронного спостереження”, Системи обробки інформації, Вип. 9 (146). С. 77-80.
Khizhnyak, І. (2019), “Applied Information Technology of Thematic Segmentation of Optical-Electronic Images from On-board Systems of Remote Sensing of the Earth”, Advanced Information Systems, vol. 3, no. 2, pp. 40–46, doi: https://doi.org/10.20998/2522-9052.2019.2.07
Al-Azawi, R. J., Al-Jubouri, Q. S. and Mohammed, Y. A. (2019), “Enhanced Algorithm of Superpixel Segmentation Using Simple Linear Iterative Clustering”, IEEE 12th International Conference on Developments in eSystems Engineering (DeSE), vol. 19568614, doi: https://doi.org/10.1109/DeSE.2019.00038
Ткачов В. М., Коваленко А. А., Кучук Г. А., Ні Я. С. Метод забезпечення живучості високомобільної комп'ютерної мережі. Сучасні інформаційні системи. 2021. Том 5, № 2. С. 159-165. DOI: https://doi.org/10.20998/2522-9052.2021.2.22
Pesaresi, M. and Benediktsson, J. A. (2001), “A new approach for the morphological segmentation of high-resolution satellite imagery”, IEEE Trans. on Geoscience and Remote Sensing, vol. 39 (2), pp. 309–320, doi: https://doi.org/10.1109/36.905239
Avenash, R. and Viswanath, P. (2019), “Semantic Segmentation of Satellite Images using a Modified CNN with Hard-Swish Activation Function”, 14th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISIGRAPP), pp. 413–420, doi: https://doi.org/10.5220/0007469604130420
Neupane, B., Horanont, Т. and Aryal, J. (2021), “Deep Learning-Based Semantic Segmentation of Urban Features in Satellite Images: A Review and Meta-Analysis”, Remote Sensing, vol. 13(4), 808, doi: https://doi.org/10.3390/rs13040808
Long, J., Shelhamer, E. and Darrell, T. (2015), “Fully convolutional networks for semantic segmentation”, IEEE Conference on Computer Vision and Pattern Recognition, pp. 3431–3440, doi: https://doi.org/10.1109/CVPR.2015.7298965
Lopez, J., Branch, J. W. and Chen, G. (2019), “Line-based image segmentation method: a new approach to segment VHSR remote sensing images automatically”, European Journal of Remote Sensing, vol. 52 (1), pp. 613–631, doi: https://doi.org/10.1080/22797254.2019.1699449
Hassanien, E. and Emary, E. (2016), “Swarm Intelligence Principles, Advances, and Applications”, CRC Press, 220 p., doi: https://doi.org/10.1201/9781315222455
Kovalenko, A.A. and Kuchuk, G.A. (2016), “Optimal traffic control of a multiservice network based on the methods of sequential improvement of solutions”, Systems of armament and military equipment, No. 3 (47), pp. 59-63.
Khudov, H., Makoveichuk, O., Khizhnyak, I., Glukhov, S.,, Shamrai, N., Rudnichenko, S., Husak, M. and Khudov, R, (2022), “The Choice of Quality Indicator for the Image Segmentation Evaluation”, International Journal of Emerging Technology and Advanced Engineering, No. 12 (10), pp. 95–103, doi: https://doi.org/10.46338/ijetae1022_11
