Аннотация
ОГЛАВЛЕНИЕ
1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 8
1.1. Изучение предметной области 8
1.2. Обзор аналогов и существующих решений 8
1.3. Обзор готовых решений по созданию нейронный сетей 13
Выводы по первой главе 14
2. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 15
2.1. Сверточная нейронная сеть VGG16 15
2.2. Mask R-CNN 16
Выводы по второй главе 18
3. ПРОЕКТИРОВАНИЕ 19
3.1. Проектирование системы 19
3.2. Определение требований и построение диаграмм 21
3.2.1. Требования к системе 21
3.2.2. Варианты использования системы 21
3.2.3. Спецификация основных вариантов использования 22
3.2.4. Архитектура системы 24
3.2.4.1. Диаграмма компонентов 24
3.2.4.2. Диаграмма деятельности 25
Выводы по третьей главе 26
4. РЕАЛИЗАЦИЯ 27
4.1. Настройка и обучение нейронной сети 27
4.1.1. Подготовка данных 27
4.1.2. Настройка Mask R-CNN и обучение 28
4.2. Модуль по добавлению новой парковки в систему 29
4.3. Модуль детектирования свободных мест на парковках 32
4.4. Метрики программного кода 34
Выводы по четвертой главе 34
5. ТЕСТИРОВАНИЕ 35
5.1. Тестирование нейронной сети 35
5.2. Тестирование детектирования свободных мест 35
5.3. Функциональное тестирование 36
Выводы по пятой главе 37
ЗАКЛЮЧЕНИЕ 38
ЛИТЕРАТУРА 39
ПРИЛОЖЕНИЯ 42
Приложение 1 42
Приложение 2 44
Искусственная нейронная сеть - это набор нейронов, соединенных между собой. Как правило, передаточные функции всех нейронов в нейронной сети фиксированы, а веса являются параметрами нейронной сети и могут изменяться. Некоторые входы нейронов помечены как внешние входы нейронной сети, а некоторые выходы — как внешние выходы нейронной сети. Подавая любые числа на входы нейронной сети, получаем какой -то набор чисел на выходах. Таким образом, работа нейронной сети состоит в преобразовании входного вектора в выходной вектор, причем это преобразование задается весами нейронной сети. Нейронные сети могут менять свое поведение в зависимости от состояния окружающей их среды. После анализа входных сигналов (возможно, вместе с требуемыми выходными сигналами) они самонастраиваются и обучаются, чтобы обеспечить правильную реакцию. Обученная сеть может быть устойчивой к некоторым отклонениям входных данных, что позволяет ей правильно «видеть» образ, содержащий различные помехи и искажения .
Сверточная нейронная сеть - это весьма широкий класс архитектур, основная идея которых состоит в том, чтобы переиспользовать одни и те же части нейронной сети для работы с разными маленькими, локальными участками входов. Как и многие другие нейронные архитектуры, сверточные сети известны довольно давно, и в наши дни у них уже нашлось много самых разнообразных применений, но основным приложением, ради которого люди когда-то придумали сверточные сети, остается обработка изображений .
Сегментация изображения - это разделение изображения на несколько частей, внутри которых пикселы объединяются по некоторым признакам. Одной из областей применения сегментации является выделения объекта.
Разметка парковки - выделенная парковочная область на изображении (маска парковки), с рядами парковки.
Детальная разметка парковки - разметка, дополненная такими параметрами, как необходимое расстояние для свободного места в конкретной парковочной области, расположение ряда парковки на изображении (горизонтальный ряд или вертикальный).
АКТУАЛЬНОСТЬ ТЕМЫ ИССЛЕДОВАНИЯ
На сегодняшний день поиск свободного места на парковке в большом загруженном городе является достаточно сложной задачей для владельцев автомобилей. Особенно остро данная проблема проявляется у парковок возле крупных торгово-развлекательных центров, магазинов, больниц и других общественных мест. Многие водители вынуждены объезжать парковку несколько раз, чтобы найти свободное парковочное место, хотя его может и не быть в данной парковочной зоне. Как следствие, тратится много времени, водители создают препятствия на дороге в процессе поиска места для автомобиля, что влечет за собой пробки на дорогах, также происходит лишняя трата топлива и соответственно увеличение выброса выхлопных газов, что приводит к ухудшению экологической ситуации в городе.
Таким образом, поиск оптимального решения данной проблемы может позволить не только сэкономить время и деньги водителей, но и поспособствовать снижению уровня загрязнения окружающей среды.
Возможным решением данного вопроса, может стать установка камер видеонаблюдения на каждой парковке. При помощи данной системы можно будет получить изображение с парковочной зоны и с применением нейросетевых технологий узнать количество свободных мест на парковке и их расположение.
В рамках данной работы была разработана система определению свободных мест на парковках по фото и видео на основе нейросетевых технологий.
При этом были решены следующие задачи.
1. Проведен обзор аналогов и научной литературы.
2. Подготовлена обучающая и тестовая выборка.
3. Проведена настройка и обучение нейронной сети.
4. Реализован модуль добавления парковки в систему.
5. Реализован модуль детектирования свободных мест на парковках.
6. Проведено тестирование системы.
Работа апробирована на XIV Уральской выставке научно-технического творчества молодежи «Евразийские ворота России». Получила высокую оценку и диплом первой степени за лучшую творческую работу по информационным технологиям с вручением памятной медали с выставки. Также работа была отмечена «ЮЖНО-УРАЛЬСКОЙ ТОРГОВО-ПРОМЫШЛЕННОЙ ПАЛАТОЙ» благодарностью за активное участие в разработке высокотехнологичных проектов в области информационных технологий XIV Уральской выставки HTTM «Евразийские ворота России - Шаг в будущее». Диплом и благодарность представлены в приложении 2.
В будущем планируется провести работу по повышению точности распознавания, расширению набора данных и увеличению количества парковок в системе.
