Методи та програмно-апаратні засоби автоматизованої ідентифікації і сортування медіаконтенту

Abstract

Кваліфікаційна робота присвячена розробці методів та програмних засобів для автоматизованої ідентифікації та сортування відеоконтенту. У роботі проведено аналіз сучасних алгоритмів комп’ютерного зору та стандартів компресії відеоданих для довготривалого зберігання. Розроблено програму мовою Python із використанням бібліотек OpenCV та Ultralytics. Основою системи ідентифікації обрано нейронну мережу архітектури YOLO11, яка забезпечує детекцію об'єктів у реальному часі. Реалізовано алгоритм логічного мапінгу для категоризації відео за змістом та підсистему автоматичного транскодування файлів у формати H.264/H.265 за допомогою FFmpeg. Результати роботи дозволяють автоматизувати процес впорядкування великих медіаархівів та суттєво зменшити обсяг займаного дискового простору без втрати візуальної якості.

The qualification paper is devoted to the development of methods and software tools for the automated identification and sorting of video content. The paper analyzes modern computer vision algorithms and video data compression standards for long-term storage. A software system was developed using the Python programming language and the OpenCV and Ultralytics libraries. The YOLO11 neural network architecture was selected as the core of the identification system, ensuring real-time object detection. A logical mapping algorithm for content-based video categorization and a subsystem for automatic file transcoding into H.264/H.265 formats using FFmpeg have been implemented. The results of the study allow for automating the organization of large media archives and significantly reducing disk space usage without compromising visual quality.