Тема: Методы обнаружения движения в помещении в среде Python

Задачи обнаружения движения в помещении встречаются на практике очень часто. На сегодняшний день обнаружение движения имеет большое значение в деле обеспечения безопасности и контроля на предприятиях разного масштаба.
Также в современных реалиях достаточно часто появляется необходимость в удаленном контроле сотрудников, детей или в охране своего имущества, так как современная скорость жизни не позволяет выделять много времени для этих целей. В связи с этим появляется необходимость разработки программного обеспечения для удаленного контроля за движением в помещении.
Решение данной проблемы достаточно важно при охране своего имущества, контроля качества работы сотрудников в той или иной компании. Данные приложения используются на производствах, в офисах, в домах и квартирах.
Целью выпускной работы является исследование методов обнаружения движения для установления наиболее оптимального алгоритма бля фиксации движения в различных ситуациях.
Для исследования выбраны три метода обнаружения движения, «Два Последних Кадра» (Метод 1), «Средняя Предыстория» (Метод 2), «История Рекурсии» (Метод 3). Все 3 метода программно реализованы на языке Python в среде программирования PyCharm. С целью исследования эффективности методов и сравнения их между собой программа была оттестирована в помещениях, с разным уровнем активности и света. Для удобства также были реализованы гистограммы, которые показывают эффективность обнаружения движения тремя алгоритмами в реальном времени.

Купить

В процессе написания дипломного проекта была проделана работа,
состоящая из четырёх этапов:
1. Изучение теоретических аспектов задачи обнаружения движения в
помещении
2. Подбор 3 методов обнаружения движения и подготовка к реализации
3. Разработка прикладного приложения для анализа трёх методов
обнаружения движения
4. Тестирование 3 методов и анализ полученных результатов
Исходя из результатов проведенного эксперимента, можно сделать вывод о
том, что метод №2 «Средняя предыстория» и метод №3 «История рекурсии»,
предельно эффективно определяют движение на камере. Лучше всего
адаптировался к освещенности алгоритм №2 «Средняя предыстория». Лучше
всего сглаживает шумы алгоритм №3 «История рекурсии». Наихудшим
образом показал себя алгоритм №1 «Два последних кадра», так как
относительно плохо адаптируется к освещенности и подавлению шума.
Купить