ВИЯВЛЕННЯ ОБ'ЄКТІВ ДОРОЖНЬОГО РУХУ З КАМЕР ВІДЕОСПОСТЕРЕЖЕННЯ

Анотація

 У статті досліджено задачу виявлення об’єктів дорожнього руху на основі даних із камер відеоспостереження. Проведено аналіз методів виявлення об’єктів: від класичних підходів, що використовують вручну створені ознаки (SIFT, HOG, LBP) і класифікатори SVM, до сучасних методів на основі одноетапних згорткових нейронних мереж YOLO та трансформерів. 
 Метою дослідження є оптимізація архітектури нейронної мережі YOLOv8 для розпізнавання об’єктів дорожнього руху, зокрема транспортних засобів, із камер відеоспостереження. Особливу увагу приділено забезпеченню високої якості виявлення в складних умовах, таких як нічний час або низька якість зображень. 
 Для оцінки ефективності запропонованого підходу створено набір даних із 1400 зображень, отриманих із відкритих джерел. Зображення охоплюють різні часи доби, несприятливі погодні умови та низьку якість, що відображає реальні сценарії роботи камер відеоспостереження. 
 Для оптимізації архітектури YOLOv8-nano запропоновано замінити окремі блоки C2f модулем C3Ghost у поєднанні з блоком уваги CBAM. Це забезпечило баланс між якістю виявлення та обчислювальною складністю моделі. У результаті оптимізації кількість параметрів зменшено на 26%, а обчислювальна складність (GFLOPS) — на 10%. При цьому якість виявлення залишилася порівнянною з базовою моделлю: за показником mAP@0.50:0.95 знизилася незначно — з 0.531 до 0.525. 
 Результати дослідження підтверджують перспективність використання модифікованої архітектури YOLOv8 nano для задач відеоспостереження в інтелектуальних транспортних системах.