Программная система выявления нелегитимной активности на промышленных площадках

• Автор: Абрамов, Николай Александрович
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва
• Количество страниц: 113 с. : ил.

Оглавление
Введение

Глава 1.Обзор систем выявления нелегитимной активности

Эволюция систем видеонаблюдения

Сферы применения систем видеонаблюдения

Методики, применяемые в системах видеонаблюдения

Модуль выделения объектов

Распознавание объектов, отслеживание и оценка производительности

Поведенческий анализ

База данных
Специфика современных систем видеонаблюдения
Примеры систем видеонаблюдения
Уведомление о тревогах и будущее систем видеонаблюдения
Распознавание автомобильных номеров
Выводы по первой главе
Глава 2. Модель системы выявления нелегитимных действий
Контекст решаемой задачи
Выделение признаков нелегитимной активности
Формальная постановка задачи
Описание модели системы
Целевая функция
Входные данные
Выбор алгоритма классификации
Выбор и оценка эффективности алгоритма распознавания номеров
Структура модели
Выводы по второй главе
Глава 3. Реализация системы выявления нелегитимных действий
Общие требования к реализации

Архитектура предлагаемой системы и формулировка технических требований
Итоговое описание реализации
Потоки данных
Результаты эксплуатации
Выводы по третьей главе
Заключение
Литература
Приложения
Приложение А. Исходный код модуля поддержания работоспособности сервера
Приложение В. Исходный код модуля взаимодействия с ядром распознавания
Приложение С: Справка о внедрении системы

Введение
Актуальность темы. В настоящее время появились новые информационные технологии, связанные с бихевиористическим анализом деятельности различных объектов. Эти технологии требуют сложного математического и программного обеспечения. Одной из областей бихевиористического анализа является разработка математических моделей и соответствующего программного обеспечения для
компьютеризированных комплексов, предназначенных для
автоматизированного анализа поведения различных объектов в заданных средах.
Исключительно большой практический интерес в бихевиористическом анализе имеет задача обнаружения нелегитимной активности на промышленных объектах. В настоящее время уровень математического и программного обеспечения такого анализа недостаточен для успешного решения практических задач в данной области. Фактически, системы, используемых для выявления нелегитимной активности, не имеют математической и программной составляющих, и сводятся к неавтоматизированному видеоконтролю территорий предприятий. В связи с этим разработка математического и программного обеспечения указанных бихевиористических технологий является чрезвычайно актуальной.
Цель данного диссертационного исследования - разработка математического и программного обеспечения информационной технологии для бихевиористического анализа потоков транспорта на предприятии в режиме реального времени.
Для достижения поставленной цели диссертационного исследования были решены следующие задачи:
• Разработана математическая модель классификации автотранспортных средств, позволяющая на основе анализа потока
Как отмечено выше, обычно система распознавания текстовых меток функционируют в сложных и нестабильных условиях. Поэтому следующие факторы значительно влияют на работу подобной системы: осадки, посторонние объекты, блики, грязь на метках, низкое качество меток и т.д.
Это приводит к сложностям реализации
Наличие данных проблем приводит к тому, что задачи и понятия, возникающие при разработке алгоритмов система распознавания текстовых меток, являются трудно формализуемыми. Это приводит к применению специальных эвристических алгоритмов в составе таких систем. Такие алгоритмы получили большое распространение после появления и дальнейшего развития теории распознавания образов [14].
Таким образом, основными критериями корректной работы системы распознавания текстовых меток, являются некоторые вероятностные характеристики. Такие как:

• вероятность правильного распознавания метки П8Ш,
• вероятность неправильного распознания метки ,
• вероятность ложного распознавания на неинформативном

видеоизображении ракс.
Оценка значений указанных вероятностных критериев выполняется на основе статистики. Для этого используется обучающая последовательность, которая представляет собой набор видеоизображений и соответствующих им текстовых меток.
Не следует забывать про такую важную характеристику как быстродействие, поскольку обычно система распознавания должна работать в режиме реального времени. Поэтому одним из критериев эффективности всей системы является задержка времени, вызванная временем распознавания отельного кадра.
Сведем воедино все критерии эффективности работы системы: