Please use this identifier to cite or link to this item:
http://elartu.tntu.edu.ua/handle/lib/50610| Title: | Методи та засоби виявлення дорожно-транспортних пригод компʼютеризованими системами відео нагляду |
| Other Titles: | Methods and tools for detecting road traffic accidents with computerized video surveillance systems |
| Authors: | Кравчик, Вадим Олександрович Kravchyk, Vadym |
| Affiliation: | Тернопільський національний технічний університет імені Івана Пулюя Ternopil Ivan Puluj National Technical University |
| Bibliographic description (Ukraine): | Кравчик В.О. Методи та засоби виявлення дорожно-транспортних пригод компʼютеризованими системами відео нагляду : кваліфікаційна робота на здобуття ступеня магістр: спец. 123 — комп’ютерна інженерія / наук.кер. Г.М. Осухівська. — Тернопіль: ТНТУ, 2025. — 68 с. |
| Bibliographic description (International): | Kravchyk V. Methods and tools for detecting road traffic accidents with computerized video surveillance systems : Master Thesis „123 — Computer Engineering“ / Vadym Kravchyk - Ternopil, TNTU, 2025 – 68 p. |
| Issue Date: | 16-Dec-2025 |
| Submitted date: | 23-Jun-2025 |
| Date of entry: | 28-Dec-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: | Осухівська, Галина Михайлівна Osukhivska, Halyna |
| Committee members: | Сверстюк, Андрій Степанович Sverstyuk, Andriy |
| UDC: | 654.9:004.8 |
| Keywords: | 123 комп’ютерна інженерія компʼютеризована система штучний інтелект ДТП відеонагляд computer system artificial intelligence traffic accident video surveillance. |
| Number of pages: | 68 |
| Abstract: | Кваліфікаційна робота присвячена дослідженню методів і засобів моніторингу дорожно-транспортних пригод компʼютеризованими системами відеонагляду. Робота включає в себе аналіз існуючих досліджень у сфері виявлення дорожно-транспортних подій, а також акцентує увагу на можливостях автоматизації існуючих систем відеонагляду. В основі створення системи моніторингу використовується модель штучного інтелекту YOLOv11.
Отримані дані про виявлення надзвичайної ситуації на дорозі фіксуються, записуються в базу даних та передаються мережею до операторів звʼязку. Результати цього дослідження можуть мати практичне значення для покращення якості та швидкості реагування екстерних служб у випадку виявлення ДТП на дорозі. The Master’s graduation thesis is dedicated to the exploration of methods and tools of monitoring road accidents using computerized video surveillance systems. The work includes an analysis of existing research in the field of detecting road accidents, and also focuses on the possibilities of automating existing video surveillance systems. The monitoring system is based on the YOLOv11 artificial intelligence model. The obtained data on the detection of an emergency situation on the road are recorded, recorded in a database and transmitted via the network to communication operators. The results of this study may have practical significance for improving the quality and speed of response of external services in the event of a road accident. |
| Content: | ВСТУП 8 РОЗДІЛ 1 АНАЛІТИЧНА ЧАСТИНА 11 1.1. Сучасний стан та тенденції розвитку систем відеонагляду у транспортній сфері 11 1.2. Проблеми виявлення ДТП засобами компʼютерного зору 12 1.3. Методи виявлення аномалій та подій у відеопотоці 14 1.4. Огляд існуючих систем виявлення ДТП та їх порівняльний аналіз 19 1.5. Висновки до розділу 1 21 РОЗДІЛ 2 ТЕОРЕТИЧНА ЧАСТИНА 23 2.1. Архітектура комп’ютеризованих систем відеонагляду для виявлення ДТП 23 2.2. Технології комп’ютерного зору у задачах виявлення подій 26 2.3. Нейронні мережі та глибинні моделі для виявлення обʼктів та аномалій 28 2.4. Моделі прогнозування траєкторій та аналіз поведінки транспортних засобів 31 2.5. Висновки до розділу 2 34 РОЗДІЛ 3 ПРАКТИЧНА ЧАСТИНА 35 3.1. Принцип роботи системи виявлення ДТП. 35 3.2. Навчання та реалізація системи виявлення ДТП 39 3.3. Оцінка ефективності та точності системи 43 3.4. Висновки до розділу 3 48 РОЗДІЛ 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 50 4.1. Охорона праці 50 4.2. Безпека в надзвичайних ситуаціях 52 4.2.1. Стійкість роботи системи в умовах надзвичайних ситуацій 52 4.2.2. Заходи особистої кримінологічної безпеки 53 ВИСНОВКИ 56 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 57 Додаток A Тези конференцій Додаток Б Лістинг коду основного файлу системи |
| URI: | http://elartu.tntu.edu.ua/handle/lib/50610 |
| Copyright owner: | © Кравчик Вадим Олександрович, 2025 © Kravchyk Vadym, 2025 |
| References (Ukraine): | Луцик Н.С., Луцків А.М., Осухівська Г.М., Тиш Є.В. ПрЛуцик 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.ограма 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. 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. Кравчик В. Методи та засоби виявлення дорожньо-транспортних пригод компʼютеризованими системами відеонагляду. XIV Міжнародна науково-технічна конференція молодих учених та студентів «Актуальні задачі сучасних технологій», Т.: ТНТУ, 2025. С. 283. Кравчик В. Методи та засоби виявлення дорожньо-транспортних пригод компʼютеризованими системами відеонагляду. Матеріали ⅩIII науково-технічної конференції «Інформаційні моделі, системи та технології», 2025. C. 126. Golovin, Oleksandr. Алгоритмічно-програмні аспекти граничної відеоаналітики: від теорії до практичного впровадження. International Scientific Technical Journal «Problems of Control and Informatics», 2025. 70.4: С. 50-84. How long can CCTV operators concentrate for? URL: https://www.securitysa.com/8289a#:~:text=This%20is%20a%20frequently%20asked,which%20research%20you%20are%20reading (дата звернення: 29.11.2025). Управління системами відеоспостереження різних виробників VMS. URL: https://www.verna.ua/retail/video-surveillance-systems-vms (дата звернення: 01.12.2025). Методологічні основи проектування та функціонування інтелектуальних транспортних і виробничих систем : монографія / В. В. Аулін, А. В. Гриньків, А. О. Головатий [та ін.] ; під заг. ред. В. В. Ауліна. - Кропивницький : Лисенко В. Ф., 2020. - 428с. Zheng, Dingchao, Zhang, Yangzhi, Xiao, Zhijian, Deep Learning-Driven Gaussian Modeling and Improved Motion Detection Algorithm of the Three-Frame Difference Method, Mobile Information Systems, 2021, 9976623, 7 pages, 2021. Optical Flow – Everything You Need to Know. URL: https://viso.ai/deep-learning/optical-flow/ (дата звернення: 01.12.2025). Deng, M.; Li, S.; Jiang, X.; Li, X. Vehicle Trajectory Prediction Method Based on «Current» Statistical Model and Cubature Kalman Filter. Electronics 2023, 12, 2464. R-CNN Explained: Object Detection Overview | Ultralytics. URL: https://www.ultralytics.com/blog/what-is-r-cnn-a-quick-overview (дата звернення: 01.12.2025). A basic skeleton of a convolutional neural network CNN converts the image to a form good for analysis. URL: https://www.researchgate.net/figure/A-basic-skeleton-of-a-convolutional-neural-network-CNN-converts-the-image-to-a-form-good_fig3_346483632 (дата звернення: 02.12.2025). 3D Convolutional Neural Network (3D CNN) — A Guide for Engineers. URL: https://www.neuralconcept.com/post/3d-convolutional-neural-network-a-guide-for-engineers (дата звернення: 03.12.2025). Човган, І. О. Метод визначення учасників і кадру моменту дорожньо-транспортної пригоди за вхідним відеопотоком на основі машинного навчання. Магістерська дисертація. Київ: Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського». 2024.101с. Білінська, А., Біньковський, Я., Головатюк, А., Мельничук, Д., & Говорущенко, Т. Автоматичне виявлення автомобільних порушників за допомогою компʼютерного зору в рамках кіберфізичної системи запобігання аварійним ситуаціям. Вимірювальна та обчислювальна техніка в технологічних процесах, ХНУ (28 березня 2024). Хмельницький. 2024. С 176–185. AQQA, Miloud; MANTINI, Pranav; SHAH, Shishir K. Understanding How Video Quality Affects Object Detection Algorithms. In: VISIGRAPP (5: VISAPP). 2019. p. 96-104. Chung, Y.-L. Application of an Effective Hierarchical Deep-Learning-Based Object Detection Model Integrated with Image-Processing Techniques for Detecting Speed Limit Signs, Rockfalls, Potholes, and Car Crashes. Future Internet 2023, 15, 322. LIANG, Siyuan, et al. Edge YOLO: Real-time intelligent object detection system based on edge-cloud cooperation in autonomous vehicles. IEEE Transactions on Intelligent Transportation Systems, 2022, 23.12: 25345-25360. Introduction to Autoencoders: From The Basics to Advanced Applications in PyTorch. URL: https://www.datacamp.com/tutorial/introduction-to-autoencoders (дата звернення: 06.12.2025). Rahman, S.A., Adjeroh, D.A. Deep Learning using Convolutional LSTM estimates Biological Age from Physical Activity. Sci Rep 9, 11425 2019. URL: https://www.nature.com/articles/s41598-019-46850-0 (дата звернення: 04.12.2025). Roboflow: Computer vision tools for developers and enterprises. URL: https://roboflow.com/ (дата звернення: 04.12.2025). Закон України «Про охорону праці»: зі змінами і доповненнями. URL: https://zakon.rada.gov.ua/laws/show/2694-12 (дата звернення: 05.12.2025). Вимоги щодо безпеки та захисту здоров’я працівників під час роботи з екранними пристроями : НПАОП 0.00-7.15-18. Київ. Міністерство соціальної політики України, 2018. 20 с. Правила пожежної безпеки в Україні : НАПБ А.01.001-2014. Київ. ДСНС України, 2014. 54 с. Типове положення про систему управління охороною праці : НПАОП 0.00-4.21-04. Київ. Держгірпромнагляд України, 2004. 28 с. Стручок В.С. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної та заочної (дистанційної) форм навчання «Безпека в надзвичайних ситуаціях». Тернопіль. ФОП Паляниця В. А., 156 с. Стручок В.С. Навчальний посібник «Техноекологія та цивільна безпека. Частина «Цивільна безпека». Тернопіль: ФОП Паляниця В. А., 150 с. Кодекс цивільного захисту України. Офіційний вісник України, 2013, № 46. Київ: Видавництво «Парламентське видавництво». 345 с. ДСТУ 8820:2019. Безпека дорожнього руху. Система управління. Основні положення. 2019. Київ: ДП «УкрНДНЦ». 45 с. 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. |
| Content type: | Master Thesis |
| Appears in Collections: | 123 — комп’ютерна інженерія |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Vadym_Kravchyk.pdf | 10,91 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
Admin Tools