Система віддаленого керування відеокамерами для ОС Windows

Размещено на http://www.allbest.ru/

Система віддаленого керування відеокамерами для ОС Windows

Васьків Сергій, здобувач ОКР молодшого спеціаліста IV курсу

спеціальності «Комп'ютерні науки» науковий керівник канд. техн. наук, доцент Івасьєв С.В.

Камери відеоспостереження з'явилися на початку 20 століття, але з цих пір їхнє використання значно зросло. Зараз камери відеоспостереження використовуються в різних місцях, включаючи банки, торгові центри, медичні заклади, школи та інші місця громадського користування. Також вони використовуються в поліцейських департаментах та розвідувальних органах для збору доказів у кримінальних справах. У цій роботі розглянемо технології камер відеоспостереження, їх застосування та етичні питання. Діаграма DFD, що приведена на рисунку 1, демонструє як працює запис відео та його подальша обробка.

Рисунок 1 - Діаграма потоків даних процесу запису відео

Камери відеоспостереження можуть бути звичайними або з високим розділенням. Звичайні камери можуть передавати зображення з обмеженими характеристиками, такими як розширення та якість зображення. Камери з високою роздільною здатністю можуть збирати високоякісні зображення, що дозволяє розпізнавати обличчя та інші деталі.

Також камери відеоспостереження можуть бути з'єднані зі спеціальним програмним забезпеченням, яке дозволяє збирати та аналізувати дані. Ці дані можуть бути використані для здійснення різних дій, наприклад, виявлення інцидентів або встановлення ідентичності злочинця.

Камери відеоспостереження використовуються для забезпечення безпеки в громадських місцях, такі як урядових, так і приватних будівлях. Вони можуть допомогти у запобіганні злочинів, ідентифікації злочинців та допомогти в розслідуванні кримінальних справ. Крім того, вони можуть забезпечити захист помешкання та приватної власності.

Камери відеоспостереження також можуть бути використані в медичних закладах, де вони допомагають у нагляді за пацієнтами, що перебувають у критичному стані, або відвідувачами, що перебувають в палатах [1].

Зараз камери відеоспостереження використовуються в школах, щоб забезпечити безпеку учнів, персоналу та відвідувачів. Вони можуть також використовуватись для контролю дисципліни та виявлення нетипової поведінки учнів. Крім того, камери відеоспостереження використовуються в громадському транспорті, щоб забезпечити безпеку пасажирів та контролювати дотримання правил безпеки.

З камерами відеоспостереження пов'язані різні етичні питання. Для багатьох людей, встановлення камер відеоспостереження є порушенням приватності, адже вони можуть записувати особисті розмови, поведінку та дії людей. Іншими етичними питаннями пов'язаними з камерами відеоспостереження є збір, зберігання та використання даних, що були зібрані за допомогою камер відеоспостереження. Наприклад, якщо камери відеоспостереження збирають і зберігають біометричні дані, то це може призвести до порушення приватності та порушення чинного законодавства. Крім того, зберігання цих даних може стати потенційною загрозою для кібербезпеки.

Ще одним етичним питанням є можливість зловживання камерами відеоспостереження з боку працівників, які відповідають за їх обслуговування. Наприклад, працівник може зловживати камерою відеоспостереження, щоб отримати доступ до конфіденційної інформації про людей або для здійснення протиправних дій [2]. Діаграма прецедентів для використання камер та їх встановлення приведена на рисунку 2.

Рисунок 2 - Діаграма прецедентів використання системи відеоспостереження

Існує багато програмних аналогів програм для систем відеоспостереження. Однак, деякі з них заслуговують більшої уваги і аналізу. Першою такою із них слід виділити Xeoma, головне вікно якої приведене на рисунку 3.

Дана програма працює на таких платформах як: Windows, macOS, Linux, iOS, Android.

Найпопулярніше програмне забезпечення (ПЗ) для організації відеоспостереження, яке працює з усіма існуючими камерами. Xeoma запускається на різнотипних комп'ютерах і навіть не вимагає установки.

Рисунок 3 - Головний інтерфейс програмного засобу Xeoma

Програмний засіб має ряд недоліків, серед яких: платні функції, неможливість переорієнтувати програмний засіб на розпізнавання необхідних дій та відсутність можливості надсилати повідомлення про спрацювання тригеру.

При проектуванні програмного засобу були використані технології нейронних мереж. Зв'язок між нейронними мережами та системами відеоспостереження полягає в тому, що нейронні мережі можуть бути використані для автоматичного аналізу відеоданих, зокрема для виявлення об'єктів та подій на відео. Одним з основних застосувань нейронних мереж в системах відеоспостереження є виявлення об'єктів. Наприклад, нейронні мережі можуть використовуватися для виявлення людей, транспортних засобів, тварин або різних типів об'єктів на відео. Це може бути корисно для відслідковування руху об'єктів на відео та виявлення небезпечних ситуацій.

Крім того, нейронні мережі можуть бути використані для виявлення подій на відео. Наприклад, система відеоспостереження може використовувати нейронні мережі для виявлення пожежі, вибуху, незвичайного руху або інших небезпечних ситуацій. Це може допомогти операторам систем відеоспостереження швидко виявляти небезпеку та приймати відповідні заходи.

Нейронні мережі також можуть бути використані для аналізу поведінки об'єктів на відео. Наприклад, система відеоспостереження може використовувати нейронну мережу для виявлення небезпечної поведінки людей на відео, такої як випадання з висоти або біг після автомобільної аварії.

Загалом, нейронні мережі можуть бути використані для різних завдань в системах відеоспостереження, що допомагає забезпечувати більш ефективну та безпечну охорону промислових та комерційних об' єктів.

Було зпроектовано систему для відеоспостереження з використанням тригерів та можливістю запуску скрипта при спрацюванні. Розроблену діаграму класів, що відповідає за обробку відео потоку приведено на рисунку 4.

відеокамера запис розпізнавання обличчя

Рисунок 4 - Діаграма класів обробки відеоданних

Після огляду на схожу програму було створено власну за схожим типом та виявлено і справлено усі помилки та створено програмний засіб, головне вікно якого на рисунку 5.

Ефективні системи розпізнавання обличчя використовуються в багатьох галузях, включаючи безпеку, медицину та маркетинг. Основними компонентами систем розпізнавання обличчя є вихідні дані, алгоритми розпізнавання, моделів нейронних мереж та бази даних.

Рисунок 6 - Розроблений програмний засіб

Один з найбільш ефективних методів розпізнавання обличчя - це використання нейронних мереж для виявлення та визначення рис обличчя. Нейронні мережі використовуються для зчитування великої кількості даних про обличчя, навчання на цих даних та побудови моделі, яка може розпізнати обличчя на нових зображеннях. Для цього використовуються такі типи нейронних мереж, як згорткові нейронні мережі (Convolutional Neural Networks) та рекурентні нейронні мережі (Recurrent Neural Networks).

Камери відеоспостереження можуть забезпечити значний внесок у безпеку та захист власності, але вони також мають потенційні етичні та правові наслідки.

Список використаних джерел

Мирошниченко В.О. Стосовно технічних рішень для автоматичної відеофіксації порушень правил дорожнього руху. Економічна та інформаційна безпека: проблеми та перспективи: матеріали Міжнародної науково-практичної конференції м. Дніпро. 27 квітня 2018 р. С. 144-146.

Мирошниченко В.О. Аналіз біометричних систем ідентифікації особи. Матеріали науково-практичного семінару 1 грудня 2006 р. Львів: ЛьвДУВС. 2006. С.82-93.

Размещено на Allbest.ru/