Тип работы:
Предмет:
Язык работы:


РАЗРАБОТКА ПРАКТИЧЕСКИХ РЕКОМЕНДАЦИЙ И ПУТЕЙ РАЗВИТИЯ ВИДЕОАНАЛИТИКИ

Работа №33303

Тип работы

Дипломные работы, ВКР

Предмет

физика

Объем работы57
Год сдачи2019
Стоимость6500 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
657
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 3
1 ЭФФЕКТИВНОСТЬ И ОБЛАСТИ ПРИМЕНЕНИЯ СИСТЕМ ВИДЕОНАБЛЮДЕНИЯ 6
1.1 История перехода к современным системам видеонаблюдения 6
1.2 Современные алгоритмы обработки видео 14
2. АНАЛИЗ РЫНКА СИСТЕМ ВИДЕОНАБЛЮДЕНИЯ 22
2.1 Изучение существующих компаний на российском рынке 22
2.2 Synesis, обзор технологий и предоставляемых решений 27
3. ИЗУЧЕНИЕ ТРЕНДОВ И РАЗРАБОТКА НОВЫХ ФУНКЦИЙ ДЛЯ
СИСТЕМ ВИДЕОНАБЛЮДЕНИЯ 32
3.1 Тренды и пути развития облачных платформ аналитики видео 32
3.2 Модернизация системы Kipod 34
3.3 Создание новых модулей обработки данных 41
3.4 Создание сети камер, возможности коммерциализации
проекта «Умный город» 44
ЗАКЛЮЧЕНИЕ 47
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Безопасность всегда будет одним из первостепенных факторов в жизни человека. Сегодня, благодаря развитию и доступности современных видеотехнологий и методов анализа данных, многие люди не замечают, что год за годом создаются новые, более эффективные и автономные подходы к контролю и наблюдению за безопасностью городской среды, крупных производств и предприятий.
Тенденции мирового рынка показывают, что спрос на оборудование видеонаблюдения обладает устойчивым ростом. В качестве примера можно привести исследование, проводившееся в Катаре, в котором отмечается устойчивый рост IP-видеонаблюдения, порядка 14 % в год за период 2016 - 2021 гг. [1]. Также, при анализе мирового рынка интеллектуальных камер, регистрирующих номерные знаки, аналитики прогнозируют, что к 2022 году доход от их использования увеличится на 16.4 % [2]. Так как значительную долю российского рынка составляет импорт, а мировые тенденции, зачастую, становятся актуальными со временем, то можно предположить, что разработки на рынке систем видеонаблюдения и анализа данных имеют большой потенциал.
В наши дни все больше и больше организаций, частных и муниципальных, начинают использовать системы слежения и видеоконтроля в своей деятельности, тем самым не только предоставляя более высокий уровень безопасности, но и повышая эффективность выполняемой ими работы. Используемые системы имеют достаточно сложную структуру управления и взаимодействия, но зачастую наблюдается недостаток единых подходов и регламентов внешнего и внутреннего управления, использования централизованных систем. То есть, при улучшении технической оснащенности оборудования и увеличения качества видеопотока, создается проблема в подходах анализа и обработки получаемых данных. Также, при увеличении количества информации - создаются новые возможности реализации обрабатываемых данных. Стоит также отметить, что из-за отсутствия глобальных производителей-монополистов (олигополии) - существует проблема дискретности программного обеспечения, используемых стандартов оборудования, а также подходов к обработке видеоряда, что препятствует созданию эффективной и взаимосвязанной городской сети видеонаблюдения.
К наиболее перспективному способу организации видеосистем умного города можно отнести создание виртуальной технологической платформы (далее - платформа), которая сочетает в себе взаимодействие данных от различных компаний, являющихся пользователями данной системы. Каждый из участников обладает определенным, выборочным доступом ко всем данным платформы, но с ограничением доступа и функционала.
Первые шаги в разработке и реализации такого проекта уже ведутся, так, к примеру, существует программно-аппаратный комплекс «AxxonNext», функционал которого «...позволяет оператору работать с системой максимально эффективно и в считанные минуты найти нужную информацию...» [3]. Однако данная организация является частной, и не может быстро и развернуто соединить крупные города в единую сеть, с общей обучающейся и пополняющейся базой.
Таким образом, объектом исследования моей работы являются современные системы видеонаблюдения, а предметом исследования - методы анализа и структурирования комплексной информационной системы в масштабах города.
Целью моей работы является проведение маркетингового исследования рынка систем видеонаблюдения и аналитики, а также разработка практических рекомендаций по улучшению существующих решений и предложение новых подходов к видеоаналитике.
Для успешного выполнения данной цели, мною были поставлены следующие задачи:
1. Изучение путей развития систем видеонаблюдения;
2. Исследование существующих подходов к видеонаблюдению;
3. Анализ рынка систем видеонаблюдения и аналитики;
4. Определение трендов и перспективных направлений развития;
5. Создание рекомендаций на основе развивающейся компании.
Платформа создает определенное поле взаимодействия для участников системы, а также четкий регламент процессов интеграции данных, аналогично корпоративным системам управления. Для устройств, которые по техническим причинам не могут поддерживать связь с современными средствами, или используют свои собственные разработки и ПО - возможно написание эмуляторов, если данное действие будет экономически обосновано.
Предлагается разработка определенных модулей, которые будут работать на уже существующих центрах данных. Данная система позволит использовать широкий спектр анализа и обработки получаемых метаданных. Такой подход создаст дополнительные возможности для улучшения работы и инструментов маркетинга, которые будут использованы как государственными (муниципальными), так и частными организациями.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В данной выпускной квалификационной работе были рассмотрены различные методы и подходы к использованию систем видеонаблюдения и обработки изображений начиная с истории создания таких систем и заканчивая перспективными современными тенденциями и разработками. На примере компании «Synesis» были созданы практические рекомендации для дальнейшего развития и улучшения позиций в отрасли и на рынке.
Подробное изучение перехода к созданию современных систем видеонаблюдения позволило понять как основные пути развития видеонаблюдения, так и ограничения, которые преодолеваются по мере развития технологий. Был сделан вывод, что современные системы, основанные на машинном/глубиииом обучении, полностью превосходят человека: по скорости реакции на происшествие, по количеству одновременно обрабатываемых данных и даже по точности распознавания объектов и слежения за ними.
Было выявлено, что основные разработки должны производиться по большей части для улучшения не аппаратной составляющей, а программных решений. Также был проведен анализ современного рынка систем видеоаналитики, рассмотрены основные компании и используемые ими методы, технологии, направления развития. Самыми перспективными и быстрорастущими оказались компании, которые предоставляют услуги, основанные на облачных технологиях, а также предлагают свой продукт по модели обслуживания «SaaS». Такая модель предоставляет клиентам готовое прикладное программное обеспечение, включающее в себя установку, обновление и поддержку работоспособности оборудования и разного рода утилит без необходимости в дополнительных тратах.
Были выявлены основные тренды в разработке новых продуктов и программных решений, а также основные негативные факторы, мешающие свободному развитию востребованных технологий. Были предложены решения по устранению данных проблем и увеличению выручки компании благодаря проведенному анализу и полученным из него выводам. Исследование производилось на основании данных о компании Synesis, однако полученные результаты будут полезны и применимы для различных подобных организаций, а также для отрасли в целом.
Были проанализированы основные траты компании и предложено решение для уменьшения издержек, связанных с хранением обработанного видеопотока. В связи с невозможностью раскрытия коммерческой тайны предприятия, часть данных была заменена аналогичными решениями в отрасли, которые были доступны из сторонних открытых источников. Полученные результаты превосходят имеющиеся решения по силе сжатия видеофайлов на 83%, что позволяет гораздо эффективнее использовать капитал и предоставлять более качественные услуги.
Также был проведен анализ существующих инструментов аналитики, предложены новые пути решения, заключающиеся в объединении существующих модулей аналитики в единые блоки. Данное направление особенно важно, так как крупные китайские компании производят камеры со встроенной аналитикой постоянно уменьшая цену, а так как большинство компаний отрасли (конкурентов) акцентируют свои вложения на программной части, нужно создавать уникальные продукты, мультимодульные решения. Такой подход позволит компании оставаться на лидирующей позиции рынка, создав уникальный облачный продукт, который может быть одновременно и более качественным, и более дешевым. В качестве примера проведены экономические расчеты по созданию модуля ритейл-аналитики, который, при благоприятных условиях выхода на рынок, окупается менее чем за год.
После суммарного анализа существующего рынка CCTV, было выявлено основное направление развития сегмента видеонаблюдения и видеоаналитики, которое представляет из себя масштабную платформу “Умный город”. Рассмотренные исследования и статистика - положительны и отмечают увеличение безопасности и общего уровня качества городской жизни. Однако, при реализации данного проекта, со стороны государства возможна коммерциализация отрасли видеоуслуг и сферы аналитики. Был разобран пример существующих услуг кооперирования данных и, на основании аналогии, предложены пути возможной коммерциализации. Данный проект имеет большой потенциал для развития, является долгосрочным и находится на начальной стадии своего развития. Из-за чего невозможно сделать точные оценки экономической эффективности подобной платформы, а также возможных сроков окончательной реализации.
Таким образом, поставленные в работе задачи были полностью выполнены и помогли достижению главной цели выпускной квалификационной работы, в ходе выполнения которой были улучшены навыки анализа, проведения маркетинговых исследований, достигнуто общее понимание современного рынка систем видеонаблюдения, а также более глубокое изучение заданной предметной области.



[1] Qatar CCTV Market By Туре [Электронный ресурс] // TechSci Research. -
2016. - №1. — Режим доступа:
https://www.techsciresearch.com/report/qatar-cctv-market-by-type-analog-cctv-and-i p-cctv-by-application-residential-industrial-commercial-govemment-and-public-infra stmcture-competition-forecast-and-opportunities-2011 -2021/706.html
[2] Anna S. Global intelligent ANPR camera market [Электронный ресурс] // IHS Markit. - 2018. - №1. — Режим доступа:
https://technology.ihs.com/608229/global-intelligent-anpr-camera-market-to-grow-at- 164-percent-cagr-through-2022
[3] Дятлов Е.И. Машинное зрение (аналитический обзор) [Электронный ресурс] // Математические машины и системы. - 2013. - №2. — Режим доступа: https://cyber1eninka.m/artic1e/n/mashinnoe-zrenie-analiticheskiy-obzor
[4] Auge tiber der Kreuzung // Der Spiegel. - 1956. - №23. — C. 42-44
[5] Dietmar K. Police use of public video surveillance in Germany [Электронный ресурс] // Surveillance & Society. - 2009. - №6 (1). — Режим доступа: ojs.library.queensu.ca/index.php/surveillance-and-society/article/view/3403/3366
[6] Birken P. Der Einsatz von Industrie-Fernsehanlagen zu den Industrie-Messen in Hannover // Polizei, Technik, Verkehr. - 1962. - №4. — C. 161-164
[7] Kistler J. Police use of public video surveillance in Germany from 1956: management of traffic, repression of flows, persuasion of offenders [Электронный ресурс] // ResearchGate. - 1965. — C. 168
https://www.researchgate.net/publication/242782941_Research_Note_Police_use_of
_public_video_surveillance_in_Germany_from_1956_management_of_traffic_repres
sion_of_flows_persuasion_of_offenders
[8] Cf. “BuBe mit Bild”// Der Spiegel - 1973. - №2. — C. 47
[9] Хаустов С.Н. Современные системы видеонаблюдения, этапы развития [Электронный ресурс] // Вестник Воронежского института МВД России. - 2008 - №1. — Режим доступа:
cyberleninka.m/article/v/sovremennye-sistemy-videonablyudeniya-etapy-razvitiya
[10] Владо Дамьяновски. CCTV. Библия видеонаблюдения. Цифровые и сетевые технологии // Пер. с англ. - М.: ООО «Ай-Эс-ЭсПресс», 2006. — 480 с.
[11] Аналоговые системы видеонаблюдения [Электронный ресурс] // Системы безопасности Secprice. - 2010. - №1. — Режим доступа: https://www.secprice.m/article/analogovye-sistemy-videonabljudenija/
[12] An Incredibly Unboring History of IP Cameras [Электронный ресурс] // ProtectAmerica. - 2016. - №1. — Режим доступа:
https://www.protectamerica.com/home-security-blog/tecli-tips/draft-an-incredibly-un boring-history-of-ip-cameras-draft_l 1713
[13] Muhammad Fayaz. An Effective Control Method of IP Camera Based on Fuzzy
Logic and Statistical Moments [Электронный ресурс] // International Journal of Control and Automation. - 2017. - №10 (4). — Режим доступа:
www.researchgate.net/publication/317245901_An_Effective_Control_Method_of_IP _Camera_Based_on_Fuzzy_Logic_and_Statistical_Moments/citation/download
[14] Тельный A.B. Инженерно-техническая защита информации. Системы охранного телевидения. Учебное пособие. — Владимир: Владимирский государственный университет, 2013. — 144 с.
[15] Litwiller D. CCD vs. CMOS: facts and fiction // Photonics Spectra. - 2001. - C. 154-158
[16] Magnan P. Detection of visible photons in CCD and CMOS: A comparative view // ScienceDirect. - 2003. — Режим доступа:
https://www.sciencedirect.com/science/article/pii/S01689002030Q79277via%3Dihub
[17] Samuel A. How Does A 48-Megapixel Smartphone Camera Work?
[Электронный ресурс] // Techlector. - 2019. — Режим доступа:
https://techlector.com/how-does-a-48-megapixel-smartphone-camera-work/
[18] India CCTV Market Overview 2017-2023 [Электронный ресурс] // PRNewswire - 2018 — Режим доступа:
https://www.pmewswire.com/news-releases/india-cctv-market-overview-2017-2023-
cp-plus-dominates-with-the-major-market-share-followed-by-hikvision-and-dahua-pa
nasonic-bosch-security-systems-and-honeywell-300603988.html
[19] Xiaogang Wang. Deep Learning in Video Surveillance [Электронный ресурс] // The Chinese University of Hong Kong. - 2015. — Режим доступа: http://www.ee.cuhk.edu.hk/~xgwang/MSF.pdf
[20] Thorat S.B., Nayak S.K., Dandale J.P. Facial Recognition Technology: An analysis with scope in India // International Journal of Computer Science and Information Security. - 2010 - Vol. 8, №1. — C. 329
[21] Kunihiko Fukushima. Neocognitron: A Hierarchical Neural Network Capable of Visual Pattern Recognition // Neural Networks. - 1988. - №1. — C. 119-130
[22] Каллан P. Основные концепции нейронных сетей // М.: Издательский дом «Вильямс», 2003. — 288 с.
[23] Muralidharan К., Mumgesan V., Prabha Р., Muralidharan К. Deep neural networks for video surveillance: a review // International Journal of Computer Science & Communication Networks. - 2017. - Vol 7(4). — C. 102-108
[24] Kulkarni M., Dhoot A. CS 386: Lab Assignment // Department of Computer Science and Engineering. - 2017. - №3.
[25] Dan Xu, Elisa Ricci, Yan Yan, Jingkuan Song and Nicu Sebe. Learning Deep Representations of Appearance and Motion for Anomalous Event Detection [Электронный ресурс] // Cornell University. - 2015. - №1. — Режим доступа: https://arxiv.org/pdf/1510.01553.pdf
[26] Vincent Andrearczyk and Paul F. Whelan. Convolutional Neural Network on Three Orthogonal Planes for Dynamic Texture Classification [Электронный ресурс] // Cornell University. - 2017. - №1. — Режим доступа: https://arxiv.org/pdf/1703.0553Q.pdf
[27] Tao Zhou, Muhao Chen, Jie Yu and Demetri Terzopoulos. [Электронный ресурс] // Cornell University. - 2017. - №1. — Режим доступа: https://arxiv.org/pdf/1705.08923.pdf
[28] Shaoqing Ren, Kaiming He, Ross Girshick and Jian Sun. [Электронный ресурс] // Cornell University. - 2016. - №1. — Режим доступа: https://arxiv.org/pdf/1506.01497.pdf
[29] Ross Girshick. Fast R-CNN [Электронный ресурс] // Microsoft Research. -
2015. - №1. — Режим доступа: https://arxiv.org/pdf/1504.08Q83.pdf
[30] Hu Han, Anil K. Jain, Shiguang Shan and Xillin Chen. Heterogeneous Face Attribute Estimation: A Deep Multi-Task Learning Approach [Электронный ресурс] // Cornell University. - 2017. - №1. — Режим доступа: https://arxiv.org/pdf/1706.00906.pdf
[31] Mahdyar Ravanbakhsh, Enver Sangineto, Moin Nabi and Nicu Sebe. Training Adversarial Discriminators for Cross-Channel Abnormal Event Detection in Crowds [Электронный ресурс] // Cornell University. - 2017. - №1. — Режим доступа: https://arxiv.org/pdf/1706.0768Q.pdf
[32] Ishan Durugkar, Ian Gemp, Sridhar Mahadevan. Generative Multi-Adversarial Networks [Электронный ресурс] // College of Information and Computer Sciences, University of Massachusetts, Amherst. - 2017. - №1. — Режим доступа: https://arxiv.org/pdf/161E01673.pdf
[33] Ahsan Iqbal, Alexander Richard, Hilde Kuehne and Juergen Gall. Recurrent Residual Learning for Action Recognition [Электронный ресурс] // Cornell University. - 2017. - №1. — Режим доступа: https://arxiv.org/pdf/1706.088Q7.pdf
[34] M. J. Shafiee, Z. Azimifar and A. Wong. A Deep-Structured Conditional Random Field Model for Object Silhouette Tracking [Электронный ресурс] // PLoS One. - 2017. - №1. — Режим доступа: https://www.ncbi.n1m.nih.gov/pmc/articles/PMC4551676/
[35] [Электронный ресурс] // Федеральная служба государственной статистики — Режим доступа: http://www.gks.ru/
[36] [Электронный ресурс] // Vocord — Режим доступа: https://vocord.ru/
[37] Алена Сухаревская. Huawei купила технологии российской компании в области распознавания лиц [Электронный ресурс] // Ведомости. - 2019. — Режим доступа:
https://www.vedomosti.m/technology/articles/2019/06/02/803125-huawei-kupil
[38] [Электронный ресурс] // Hikvision — Режим доступа: httpsV/hikvisionт/
[39] Global Video Surveillance and Analytics Market Size, Status and Forecast 2019-2025 [Электронный ресурс] // Market Intelligence Data - 2019. — Режим доступа:
https://marketintelligencedata.com/2019/03/19/global-video-surveillance-and-analyti cs-market-size-status-and-forecast-2019-2025/
[40] Виталий Шустиков. Резидент «Сколково» включен в список крупнейших игроков на рынке систем интеллектуального видеонаблюдения. [Электронный ресурс] // Skolkovo - 2019. — Режим доступа:
sk.m/news/b/pressreleases/archive/2019/04/09/rezident-skolkovo-vklyuchen-v-spisok -krupnev shih-i grokov-na-rvnke- si stem-intellektualno go-videonablvudeniv a. aspx
[41] Report on the State of SaaS. [Электронный ресурс] // BetterBuys - 2016. — Режим доступа: https://www.betterbuys.com/the-state-of-saas/
[42] Технический паспорт изделия: сервер удаленного мониторинга
КРХ-SERVER-310. [Электронный ресурс] // Synesis - 2015. — Режим доступа: https://avtoritet.net/sites/default/files//obomdovanie/kpx-server-310_spec-m.pdf
[43] Система хранения данных DEPO Storage 4712G2 [Электронный ресурс] // Depo Computers - 2019. — Режим доступа:
https://www.depo.m/catalog/sistemy-khraneniya-dannykh/depo-storage-4000-san/dep o-storage-4712G2/
[44] Hikvision Н.265+ Технология кодирования [Электронный ресурс] // Hikvision - 2018. — Режим доступа:
https://hikvisionpro.ru/news/li265-plus-teklmologiya-kodirovaniya/
[45] Evaluation of High Efficiency Video Coding (HEVC) [Электронный ресурс] // Международный союз электросвязи - 2015. - С. 59-62 — Режим доступа: https://www.arib.or.jp/english/html/overview/doc/STD-T63V12_10/3_T12/ARIB-TR -T12/Rell3/26/A26906-d00.pdf
[46] Dajiang Zhou and others. An 8K H.265/HEVC Video Decoder Chip With a New System Pipeline Design. [Электронный ресурс] // IEEE Journal of Solid-State Circuits-2017.-C. 113-126 — Режим доступа: https://ieeexplore.ieee.org/document/7736091
[47] Платформа Kipod v.3 [Электронный ресурс] // Synesis - 2019. — Режим доступа: https://wiki.allprojects.info/pages/viewpage.action7pageIdM02796381
[48] Василий Еромов. Видеоаналитика в торговле: взгляд ритейлера.
[Электронный ресурс] // Retail.ru - 2017. — Режим доступа: https://www.retail.m/interviews/videoanalitika-v-torgovle-vzglyad-riteylera/
[49] Smart Cities: Digital Solution For a More Livable Future. [Электронный ресурс] // McKinsey & Company - 2018. — Режим доступа: https://www.mckinsey.eom/~/media/McKinsey/Industries/Capital%20Projects%20an d%20Infrastmcture/Our%20Insights/Smart%20cities%20Digital%20solutions%20for %20a%20more%201ivable%20future/MGI-Smart-Cities-Full-Report.ashx
[50] Teena Maddox. New forum seeks to unite 100 cities in standards to drive smart city innovation. [Электронный ресурс] // TechRepublic - 2016. — Режим доступа:
https://www.techrepublic.com/article/new-fomm-seeks-to-unite-100-cities-in-standar
ds-to-drive-smart-city-innovation/
[51] Безопасный двор. [Электронный ресурс] // Таттелеком — Режим доступа: https://tattelecom.ru/dvor


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ