Курсовая работа: Нейросетевая система отслеживания и распознания объектов в ви-деопотоке

СОДЕРЖАНИЕ

ВВЕДЕНИЕ 3
1 Анализ условия задачи и разработка алгоритма решения 5
2 Выбор языка программирования и его преимущества 7
3 Подготовка набора данных для обучения 8
4 Выбор архитектуры нейронной сети и её особенности 10
5 Программная формализация задачи 12
6 Тестирование системы на видеоданных 15
ЗАКЛЮЧЕНИЕ 17
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 18
ПРИЛОЖЕНИЕ А 19
ПРИЛОЖЕНИЕ B 21


ВВЕДЕНИЕ

В последние годы наблюдается значительный прогресс в области компьютерного зрения и глубокого обучения, что позволяет разрабатывать все более сложные и эффективные системы для решения разнообразных задач, связанных с анализом визуальной информации. Одной из таких задач является отслеживание и распознавание объектов в видеопотоке, что находит широкое применение в различных сферах, от спортивной аналитики до систем безопасности и автоматизации производственных процессов.
Объект исследования в данной работе — это процесс отслеживания и распознавания динамических объектов в видеопотоке.
Предмет исследования — нейросетевая система отслеживания и распознавания объектов, реализованная на основе архитектуры YOLOv8, с акцентом на наложение «скелета» на фигуриста в режиме реального времени.
Целью проекта является разработка и апробация нейросетевой систе-мы, способной в реальном времени отслеживать движения фигуриста в ви-деопотоке, распознавать характерные позы и движения, а в дальнейшем — оценивать их согласно заданным критериям.
Для достижения поставленной цели были определены следующие задачи:
1) Изучение существующих методов и архитектур нейронных сетей для отслеживания и распознавания объектов в видеопотоке.
2) Анализ возможностей архитектуры YOLOv8 для решения задачи наложения «скелета» на фигуриста в реальном времени.
3) Разработка методики для обучения нейронной сети с использованием инструмента разметки CVAT.
4) Реализация и тестирование нейросетевой системы на выбранном видеоматериале.
5) Оценка эффективности и точности работы разработанной системы.
В качестве методов исследования использовались методы машинного и глубокого обучения, анализ и синтез, методы компьютерного зрения, а также программирование и моделирование.
Теоретическая значимость работы заключается в исследовании применения нейронных сетей для отслеживания и распознавания движений объектов на видеопотоке.
Практическая значимость работы обусловлена возможностью приме-нения разработанной системы в области спортивной аналитики для оценки выступлений фигуристов, а также в других областях, где требуется анализ движений человека в реальном времени.
Полученные результаты могут быть использованы в области спорта для анализа техники движений фигуристов, тренерского процесса, а также для создания интерактивных тренировочных приложений. Разработанная система может быть также применена в системах видеонаблюдения с функцией распознавания действий человека, а также в образовательных курсах по компьютерному зрению и искусственному интеллекту.