Please use this identifier to cite or link to this item: http://elartu.tntu.edu.ua/handle/lib/48125
Title: Методи та засоби виявлення небезпечних ситуацій для людей комп’ютеризованою системою відеонагляду
Other Titles: Methods and tools for detecting dangerous situations for people using a computerized video surveillance system
Authors: Величко, Діана Вадимівна
Velychko, Diana
Affiliation: Тернопільський національний технічний університет імені Івана Пулюя
Ternopil Ivan Puluj National Technical University
Bibliographic description (Ukraine): Величко Д.В. Методи та засоби виявлення небезпечних ситуацій для людей комп’ютеризованою системою відеонагляду : кваліфікаційна робота на здобуття ступеня магістр: спец. 123 — комп’ютерна інженерія / наук.кер. Н.С. Луцик. Тернопіль: ТНТУ, 2024. 84 с.
Bibliographic description (International): Velychko D. Methods and tools for detecting dangerous situations for people using a computerized video surveillance system : Master Thesis „123 — Computer Engineering“ / Diana Velychko - Ternopil, TNTU, 2024 – 84 p.
Issue Date: 20-Dec-2024
Submitted date: 27-Jun-2024
Date of entry: 2-Feb-2025
Publisher: Тернопільський національний технічний університет імені Івана Пулюя
Country (code): UA
Place of the edition/event: Тернопільський національний технічний університет імені Івана Пулюя
Supervisor: Луцик, Надія Степанівна
Lutsyk, Nadiia
Committee members: Сверстюк, Андрій Степанович
Sverstiuk, Andriy
UDC: 004.89
Keywords: 123 комп’ютерна інженерія
розпізнавання пози
комп’ютеризована система відеонагляду
computerized video surveillance system
dangerous situation
pose recognition
YOLO model
небезпечна ситуація
модель YOLO
Number of pages: 84
Abstract: Кваліфікаційна робота присвячена дослідженню методів і засобів виявлення небезпечних ситуацій для людей комп’ютеризованою системою відеонагляду. Робота включає в себе аналіз методів і систем для виявлення небезпечних ситуацій, а також обґрунтування використання YOLO, як ефективного засобу для виявлення небезпечних ситуацій у системах відеонагляду завдяки їх здатності працювати в реальному часі та високій точності виявлення об'єктів. На основі експериментального дослідження та комплексного аналізу всіх характеристик встановлено, що модель YOLOv11s демонструє оптимальне співвідношення між точністю та швидкодією, маючи найменший час попереднього опрацювання (0.6 мс), високі показники точності (mAP50 = 0.992) та помірні вимоги до пам'яті (19.5 Мб). Тому для практичної реалізації системи виявлення небезпечних ситуацій рекомендовано використовувати модель YOLOv11s, що забезпечить оптимальний баланс між точністю розпізнавання та швидкодією системи в реальних умовах експлуатації.
The Master’s graduation thesis is dedicated to the exploration of methods and tools for detecting dangerous situations for people using a computerized video surveillance system. The work includes an analysis of methods and systems for detecting dangerous situations, as well as a justification for the use of YOLO as an effective means for detecting dangerous situations in video surveillance systems due to its ability to operate in real time with high object detection accuracy. Experimental research and a comprehensive analysis revealed that the YOLOv11s model demonstrates the optimal ratio between accuracy and speed, having the smallest pre-processing time (0.6 ms), high accuracy rates (mAP50 = 0.992) and moderate memory requirements (19.5 MB). Therefore, for the practical implementation of the dangerous situations detection system, it is recommended to use the YOLOv11s model, which will provide an optimal balance between recognition accuracy and system speed in real operating conditions.
Content: ВСТУП 7 РОЗДІЛ 1 АНАЛІТИЧНА ЧАСТИНА 10 1.1. Опис науково-технічної області досліджень 10 1.2. Огляд та аналіз методів і систем для виявлення небезпечних ситуацій 12 1.3. Архітектура комп'ютеризованої системи для виявлення небезпечних ситуацій 18 1.4. Висновки до розділу 1 21 РОЗДІЛ 2 ТЕОРЕТИЧНА ЧАСТИНА 22 2.1. Обґрунтування вибору типу моделі для виявлення небезпечних ситуацій 22 2.2. Модель YOLOv8 27 2.3. Модель YOLOv10 29 2.4. Модель YOLOv11 33 2.5. Висновки до розділу 2 37 РОЗДІЛ 3 ПРАКТИЧНА ЧАСТИНА 39 3.1. Формування набору даних 39 3.2. Отримання даних 41 3.3. Підключення датасету та YOLO для тренування та використання 42 3.4. Тренування моделей YOLOv8, YOLOv10, YOLOv11 45 3.5. Результати виявлення небезпечних ситуацій 48 3.6. Висновки до розділу 3 55 РОЗДІЛ 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 57 4.1. Охорона праці 57 4.2. Безпека в надзвичайних ситуаціях 60 4.3. Висновки до розділу 4 62 ВИСНОВКИ 63 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 65 ДОДАТКИ 69
URI: http://elartu.tntu.edu.ua/handle/lib/48125
Copyright owner: © Величко Діана Вадимівна, 2024
© Velychko Diana, 2024
References (Ukraine): D. Velychko, H. Osukhivska, Y. Palaniza, N. Lutsyk, Ł. Sobaszek. Artificial Intelligence Based Emergency Identification Computer System. Advances in Science and Technology Research Journal, 18(2), 2024. P.296-304. Величко Д. Аналіз систем виявлення екстрених ситуацій. Ⅵ Міжнародна студентська науково-технічна конференція „Природничі та гуманітарні науки. Актуальні питання “, Т.: ТНТУ, 2023. С. 116. (Інформаційні технології).
Величко Д. Алгоритм роботи комп’ютеризованої системи відеонагляду з функцією ідентифікації екстрених ситуацій. Матеріали ⅩⅠ науково-технічної конференції „Інформаційні моделі, системи та технології “, 2023. C.138.
O. Elharrouss, N. Almaadeed, S. Al-Maadeed. A review of video surveillance systems. Journal of Visual Communication and Image Representation, Volume 77, 2021, P. 103116. https://doi.org/10.1016/j.jvcir.2021.103116. (Last accessed: 10.12.2024).
P. Kuppusamy, V.C. Bharathi. Human abnormal behavior detection using CNNs in crowded and uncrowded surveillance – A survey, Measurement: Sensors, Volume 24, 2022, 100510, https://doi.org/10.1016/j.measen.2022.100510. (Last accessed: 16.12.2024).
Jang Sein, Battulga Lkhagvadorj, Nasridinov Aziz. Detection of Dangerous Situations using Deep Learning Model with Relational Inference. J Multimed Inf Syst 2020;7(3). P. 205-214. https://doi.org/10.33851/JMIS.2020.7.3.205. (Last accessed: 06.12.2024).
Y. Zhu, S. Newsam. Motion-aware function for improved video anomaly detection. Proceedings of British Machine Vision Conference (BMVC2019), September 9-12, Cardiff, UK, 2019. P. 1-12.
M. Chebiyyam, R. D. Reddy, D. P. Dogra, H. Bhaskar, L. Mihaylova. Motion anomaly detection and trajectory analysis in visual surveillance. Multimedia Tools and Applications, vol. 77, P. 16223-16248, 2018. https://doi.org/10.1007/s11042-017-5196-6. (Last accessed: 16.12.2024).
M. Nakib, R. T. Khan, M. S. Hasan, J. Uddin. Crime scene prediction by detecting threatening objects using convolutional neural network. Proceedings of the International Conference on Computer, Communication, Chemical, Material and Electronic Engineering, Rajshahi, Bangladesh. P. 1-4, 2018.
A. Singh, D. Patil, S. N. Omkar. Eye in the Sky: Real-time Drone Surveillance System (DSS) for Violent Individuals Identification using ScatterNet Hybrid Deep Learning Network. arXiv preprint arXiv:1806.00746. (Last accessed: 16.12.2024).
J. Huang, V. Rathod, C. Sun, M. Zhu, A. Korattikara, A. Fathi, I. Fischer, Z. Wojna, Y. Song, S. Guadarrama, K. Murphy. Speed/accuracy trade-offs for modern convolutional object detectors. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Honolulu, USA, 2017. P. 7310-7319.
A. Prati. An intelligent surveillance system for dangerous situation detection in home environments. Unipr, 2016. https://www.academia.edu/21940139/An_Intelligent_Surveillance_System_for_Dangerous_Situation_Detection_in_Home_Environments. (Last accessed: 18.12.2024).
A. Yadav, N. Thaker, D. Makwana, N. Waingankar, P. Upadhyay. Intruder Detection System: A Literature Review. Proceedings of the 4th International Conference on Advances in Science & Technology (ICAST2021), 2021. http://dx.doi.org/10.2139/ssrn.3866777. (Last accessed: 18.12.2024).
Ultralytics Docs. https://docs.ultralytics.com/ (Last accessed: 16.12.2024).
Mastering All YOLO Models from YOLOv1 to YOLOv9: Papers Explained (2024). https://learnopencv.com/mastering-all-yolo-models/ (Last accessed: 18.12.2024).
R. Khanam, M. Hussain. What is YOLOV5: A deep look into the internal features of the popular object detector. arXiv:2407.20892v1 [cs.CV] 30 Jul 2024. https://arxiv.org/pdf/2407.20892 (Last accessed: 17.12.2024).
Ao Wang, Hui Chen, Lihao Liu, Kai Chen, Zijia Lin, Jungong Han, Guiguang Ding, YOLOv10: Real-Time End-to-End Object Detection. arXiv:2405.14458v2 [cs.CV] 30 Oct 2024. https://arxiv.org/abs/2405.14458 (Last accessed: 17.12.2024).
A. Bochkovskiy, C.-Y. Wang, H.-Y. M. Liao. Yolov4: Optimal speed and accuracy of object detection. arXiv preprint arXiv:2004.10934, 2020. (Last accessed: 18.12.2024).
R. Khanam, M. Hussain. YOLOV11: An overview of the key architectural enhancements. arXiv:2410.17725v1 [cs.CV] 23 Oct 2024. https://arxiv.org/pdf/2410.17725 (Last accessed: 16.12.2024).
Qunmasj-Vision-Studio/Dynamite-Duele rs-Project201. https://github.com/Qunmasj-Vision-Studio/Dynamite-Duelers-Project201(Last accessed: 16.12.2024).
ДСанПіН 3.3.2.007-98. Державні санітарні правила і норми роботи з візуальними дисплейними терміналами електронно-обчислювальних машин.
НПАОП 0.00-7.15-18. Вимоги щодо безпеки та захисту здоров’я працівників під час роботи з екранними пристроями.
ДБН В.2.5-28-2018. Природне і штучне освітлення.
НПАОП 0.00-4.15-98. Положення про розробку інструкцій з охорони праці.
Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної та заочної (дистанційної) форм навчання «Безпека в надзвичайних ситуаціях» / В.С. Стручок –Тернопіль: ФОП Паляниця В. А. 156 с.
Навчальний посібник «Техноекологія та цивільна безпека. Частина «Цивільна безпека»» / автор-укладач В.С. Стручок– Тернопіль: ФОП Паляниця В. А. 156 с.
Луцик Н.С., Луцків А.М., Осухівська Г.М., Тиш Є.В. Програма та методичні рекомендації з проходження практики за тематикою кваліфікаційної роботи для студентів спеціальності 123 «Комп’ютерна інженерія» другого (магістерського) рівня вищої освіти усіх форм навчання. Тернопіль: ТНТУ. 2024. 45 с.
Луцик Н.С., Луцків А.М., Осухівська Г.М., Тиш Є.В. Методичні рекомендації до виконання кваліфікаційної роботи магістра для студентів спеціальності 123 «Комп’ютерна інженерія» другого (магістерського) рівня вищої освіти усіх форм навчання. Тернопіль. 2024. 44 с.
Варавін А.В., Лещишин Ю.З., Чайковський А.В. Методичні вказівки до виконання курсового проєкту з дисципліни «Дослідження і проєктування комп’ютерних систем та мереж» для здобувачів другого (магістерського) рівня вищої освіти спеціальності 123 «Комп’ютерна інженерія» усіх форм навчання. Тернопіль: ТНТУ, 2024. 32 с.
Content type: Master Thesis
Appears in Collections:123 — комп’ютерна інженерія

Files in This Item:
File Description SizeFormat 
Diana_Velychko.pdf5,98 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools