Применение нейросетевых алгоритмов обработки информации в автономных системах видеомониторинга
Автор: Вахитов М.Г., Портнов А.В., Николаев А.Н.
Рубрика: Информатика и вычислительная техника
Статья в выпуске: 3 т.25, 2025 года.
Бесплатный доступ
Статья посвящена проблеме обработки видеоинформации с использованием нейросетей в автономных системах в условиях ограниченных вычислительных ресурсов. Цель исследования. Целью статьи является исследование алгоритмов обработки видеоинформации в автономных системах с ограниченными вычислительными ресурсами на основе двухэтапной обработки данных. На первом этапе проводится определение контуров наблюдаемых объектов с помощью традиционных методов выделения ключевых признаков. Второй этап включает обработку с использованием нейросетевых алгоритмов, нацеленных на классификацию и распознавание объектов. Благодаря первичной обработке видеопотока существенно снижается объем информации, обрабатываемой нейронной сетью. Материалы и методы. В статье предложен вариант алгоритма первичной обработки видеоинформации, основанный на методах определения контуров объектов. Методы выделения границ, основанные на пространственной фильтрации, могут применяться как к стационарным, так и к подвижным объектам. Вторичная обработка основана на применении сверточной нейронной сети, коэффициенты которой подвергались квантованию для снижения вычислительной нагрузки. Для обучения нейронной сети были сгенерированы два набора данных (датасеты) для обучения, валидации и тестирования. Первый датасет состоял из исходных изображений с каким-либо объектом, второй содержал идеальный контур объектов (маски). Проведено сравнение двух нейронных сетей, обученных на исходных изображениях и на контурных масках изображений. Рассмотрены особенности реализации нейронных сетей на ПЛИС и предложена структурная схема проведения вычислений. Показана возможность итерационных вычислений с повторным использованием вычислительных ресурсов на каждой итерации (слое нейронной сети). Результаты. Приведены результаты предварительных исследований по обучению нейронной сети и квантованию ее коэффициентов, рассмотрены особенности аппаратной реализации нейронных сетей на базе программируемых логических интегральных схем. Заключение. Двухэтапный подход к обработке видеоинформации демонстрирует высокую эффективность в автономных системах, где существуют ограничения по энергопотреблению и вычислительным ресурсам. Статья может быть полезна разработчикам автономных систем видеомониторинга, обнаружения и сопровождения объектов наземного и воздушного базирования.
Системы видеомониторинга, ПЛИС, нейронные сети, классификация изображений, обработка видеоинформации, первичная обработка видеоинформации
Короткий адрес: https://sciup.org/147251610
IDR: 147251610 | УДК: 004.93'12 | DOI: 10.14529/ctcr250301
Application of neural network algorithms information processing in autonomous video monitoring systems
The article is devoted to the problem of processing video information using neural networks in autonomous systems with limited computing resources. The purpose of the study. The purpose of the ar¬ticle is to study algorithms for processing video information in autonomous systems with limited computing resources based on two-stage data processing. At the first stage, the contours of the observed objects are determined using traditional methods of identifying key features. The second stage involves processing using neural network algorithms aimed at classifying and recognizing objects. Due to the primary processing of the video stream, the amount of information processed by the neural network is significantly reduced. Materials and methods. The article offers a variant of the algorithm for primary processing of video information based on methods for determining the contours of objects. Boundary allocation methods based on spatial filtering can be applied to both stationary and mobile objects. Secondary processing is based on the use of a convolutional neural network, the coefficients of which were quantized to reduce the computational load. To train the neural network, two datasets were generated for training, navigation, and testing. The first dataset consisted of initial images with an object, the second contained an ideal contour of objects (masks). A comparison of two neural networks trained on the source images and on contour masks of the images is carried out. The features of the implementation of neural networks on FPGAs are considered and a block diagram of the calculations is proposed. The possibility of iterative calculations with repeated use of computing resources at each iteration (neural network layer) is shown. Results. The results of preliminary studies on neural network training and quantization of its coefficients are presented, and the specifics of hardware implementation of neural networks based on programmable logic integrated circuits are considered. Conclusion. The two-stage approach to video information processing demonstrates high efficiency in autonomous systems where there are limitations on energy consumption and computing resources. The article may be useful to developers of autonomous video monitoring systems, detection and tracking of ground-based and air-based facilities.
