izvestswsuИзвестия Юго-Западного государственного университетаProceedings of the Southwest State University2223-15602686-6757ЮЗГУ10.21869/2223-1560-2024-28-3-201-213izvestswsu-1336Research ArticleИнформатика, вычислительная техника и управлениеComputer science, computer engineering and IT managmentСовершенствование математических методов обеспечения безопасности на основе анализа видеоряда в реальном времениImprovement of mathematical methods for ensuring security based on real-time video sequence analysisАбрамовМ. В.AbramovM. V,

Абрамов Максим Витальевич,

пр. Станке Димитрова, д. 3, г. Брянск 241037.

Maxim V. Abramov,

3, ave. S. Dimitrova, Bryansk 241037.

brusnikin1994@gmail.comhttps://orcid.org/0000-0003-0196-1332АверченковА. В.AverchenkovA. V.

Аверченков Андрей Владимирович, ведущий научный сотрудник,

Вадковский пер., д. 18, стр. 1А, г. Москва 127005. 

Andrey V. Averchenkov, Leading Researcher,

18, building. 1A, Vadkovsky Lane, Moscow 127005.

mahar@mail.ruБрянский государственный инженерно-технологический университетBryansk State University of Engineering and TechnologyИнститут конструкторско-технологической информатики РАНInstitute of Design and Technological Informatics of the Russian Academy of Sciences202415122024283201213Copyright © Абрамов М.В., Аверченков А.В., 20242024Абрамов М.В., Аверченков А.В.Abramov M.V., Averchenkov A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://izvestswsu.elpub.ru/jour/article/view/1336Цель исследования

Цель исследования. В настоящее время математические методы анализа видеоряда представляют собой структурированную совокупность подходов к распознаванию изображений на основе разности свечения различных областей изображений. Множество данных значений описываются с применением математических зависимостей, однако существующие подходы работают только для стандартных изображений, полученных при обработке видеоданных. Целью настоящего исследования является разработка нового подхода к анализу изображений, полученных, в том числе, с применением терагерцевого излучения, имеющего специфические характеристики, как физические, так и математические.

Методы

Методы. В настоящем исследовании применялись следующие теоретические и эмпирические научные методы: анализ (проведен анализ существующих на сегодняшний день известных математических методов обработки изображений с целью распознания образов); синтез (предложен принципиально новый подход к системам безопасности, представляющий собой единую систему, состоящую из отдельных взаимосвязанных подсистем); моделирование (разработана информационная модель системы безопасности на базе СКУД с применением системы анализа и распознавания потенциально опасных предметов на основе видеопотока в реальном времени); математизация (система анализа изображений описана языком математических законов и формул).

Результаты

Результаты. В результате исследования на основе анализа современных материалов, в перспективе предлагается концепция системы обеспечения безопасности на основе анализа видеоряда в реальном времени с применением перспективных технологий сканирования объектов. В качестве основного новшества предлагается усовершенствованный метод анализа изображений Виолы-Джонса с применением дополнительного множества, характеризующего признаковое пространство объектов в терагерцевом диапазоне излучения.

Заключение

Заключение. Применение технологий высокочастотного сканирования с интеллектуальными системами распознавания образов объектов в режиме реального времени позволит в существенной мере снизить риски проникновения злоумышленников на охраняемые объекты, а также повысить безопасность граждан при сравнительно малых затратах на разработку и внедрение модернизированных систем безопасности.

Purpose of research

Purpose of research. Currently, mathematical methods of video sequence analysis represent a structured set of approaches to image recognition based on the difference in the glow of different image areas. Many of these values are described using mathematical dependencies, however, existing approaches work only for standard images obtained during video data processing. The purpose of this study is to develop a new approach to analyzing images obtained, including those using terahertz radiation, which has specific characteristics, both physical and mathematical.

Methods

Methods. The following theoretical and empirical scientific methods were used in this study. Analysis (the analysis of the currently known mathematical methods of image processing in order to recognize images is carried out). Synthesis (a fundamentally new approach to security systems is proposed, which is a single system consisting of separate interconnected subsystems). Modeling (an information model of a security system based on ACS has been developed using a system for analyzing and recognizing potentially dangerous objects based on a real-time video stream).

Mathematization (the image analysis system is described in the language of mathematical laws and formulas).

Results

Results. As a result of the research based on the analysis of modern materials, the concept of a security system based on real-time video sequence analysis with the use of advanced object scanning technologies is proposed in the future. As the main innovation, an improved Viola-Jones image analysis method is proposed using an additional set characterizing the feature space of objects in the terahertz radiation range.

Conclusion

Conclusion. The use of high-frequency scanning technologies with intelligent object image recognition systems in real time will significantly reduce the risks of intruders entering protected facilities, as well as increase the safety of citizens with relatively low costs for the development and implementation of upgraded security systems.

анализ данных в реальном времениСКУДсистема распознавания образовискусственный интеллекттерагерцевое излучениеметод Виолы-Джонсасистемный анализматематическое моделированиеreal-time data analysisACSpattern recognition systemartificial intelligenceterahertz radiationViola-Jones methodsystem analysismathematical modelingReferencesTiwari S., Singh A., Shukla V. Statistical moments based noise classification using feed forward back propagation neural network // Int. J. of Computer Applications. 2011. Vol. 18, № 2. P. 36-40.Tiwari S., Singh A., Shukla V. Statistical moments based noise classification using feed forward back propagation neural network. Int. J. of Computer Applications. 2011; 18 (2): 36-40.Нейрокомпьютеры. От программной к аппаратной реализации / М. А. Аляутдинов, А. И. Галушкин, П. А. Казанцев, Г. П. Остапенко. М., 2016. 152 c.Alyautdinov M. A., Galushkin A. I., Kazantsev P. A., Ostapenko G. P. Neurocomputers. From software to hardware implementation. Moscow; 2016. 152 p. (In Russ.)Беллман Р., Дрейфус С. Прикладные задачи динамического программирования. М.: Главная редакция физико-математической литературы издательства «Наука», 2016. 458 c.Bellman R., Dreyfus S. Applied problems of dynamic programming. Moscow: Nauka; 2016. 458 p. (In Russ.)Бродецкий Г.Л. Системный анализ в логистике. Выбор при многих критериях. М.: Academia, 2015. 224 c.Brodetsky G.L. System analysis in logistics. The choice under many criteria. Moscow: Academia; 2015. 224 p. (In Russ.)Буй Тхи Тху Чанг, Фан Нгок Хоанг, Спицын В.Г. Распознавание лиц на основе применения метода Виолы–Джонса, Вейвлет-преобразования и метода главных компонент // Известия Томского политехнического университета. 2012. Т. 319, № 6. С. 54–59.Bui Thi Thu Chang, Phan Ngoc Hoang, Spitsyn V.G. Face recognition based on the Viola–Jones method. Wavelet transform and principal component method. Izvestiya Tomskogo politekhnicheskogo universiteta = Proceedings of Tomsk Polytechnic University. 2012; 319(6): 54-59 (In Russ.)Khan H, Yener B. Learning Filter Widths of Spectral Decompositions with Wavelets// Proc. of the NIPS Conf. 2018. P. 4601–4612.Khan H., Yener B. Learning Filter Widths of Spectral Decompositions with Wavelets. Proc. of the NIPS Conf. 2018: 4601-4612.Никитин А. А., Лиманова Н. И. Процесс распознавания изображения нейронной сетью // Молодой ученый. 2020. № 47 (337). С. 23-25.Nikitin A. A., Limanova N. I. The process of image recognition by a neural network. Text: direct. Molodoi uchenyi = Young Scientist, 2020; (47): 23-25. (In Russ.)Рекурсивный алгоритм формирования структурированных множеств информационных блоков для повышения скорости выполнения процедур определения их источника / М.О. Таныгин, Х.Я.А. Алшаиа, В.П. Добрица, О.Г. Добросердов // Известия Юго-Западного государственного университета. 2021. Т. 25, № 2. С. 51-64. https://doi.org/10.21869/2223-1560-2021-25-2-51-64.Tanygin M. O., Alshaea H. Y. A., Dobritsa V. P., Dobroserdov O. G. Recursive Algorithm for Forming Structured Sets of Information Blocks to Increase the Speed of Their Source Determination Procedures. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta = Proceedings of the Southwest State University. 2021; 25(2): 51-64 (In Russ.). https://doi.org/10.21869/2223-1560-2021-25-2-51-64.Трофимова Е. А., Плотников С. В., Гилев Д. В. Математические методы анализа / под общ. ред. Е. А . Трофимовой. Екатеринбург: Издательство Уральского университета, 2015. 272 с.Trofimova E. A., Plotnikov S. V., Gilev D. V. Mathematical methods of analysis. Yekaterinburg: Ural University Press; 2015. 272 p. (In Russ.)Конарев Д. И., Гуламов А. А. Синтез архитектуры нейронной сети для распознавания образов морских судов // Известия Юго-Западного государственного университета. 2020; 24(1): 130-143. https://doi.org/10.21869/2223-1560-2020-24-1-130-143.Konarev D. I., Gulamov A. A. Synthesis of Neural Network Architecture for Recognition of Sea-Going Ship Images. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta = Proceedings of the Southwest State University. 2020; 24(1): 130-143 (In Russ.). https://doi.org/10.21869/2223-1560-2020-24-1-130-143Вдовин В.М., Суркова Л.Е., Валентинов В.А. Теория систем и системный анализ. М.: Дашков и К, 2013. 644 c.Vdovin V.M., Surkova L.E., Valentinov V.A. Theory of systems and system analysis. Moscow: Dashkov and K; 2013. 644 p. (In Russ.)Numerical Removal of Water-Vapor Effects from Hz-TDS Measurements: Withawat Withayachumnankul, Bernd M. Fischer, Samuel P. Mickan, Member, IEEE, and Derek Abbott, Fellow, IEEE; Oct, 2007.Numerical Removal of Water-Vapor Effects from Hz-TDS Measurements: Withawat Withayachumnankul, Bernd M. Fischer, Samuel P. Mickan, Member, IEEE, and Derek Abbott, Fellow, IEEE; Oct, 2007.Архипов А. Е. Фильтрация сложных сигналов на основе двухуровневой нечетко-логической модели // Известия Юго-Западного государственного университета. 2023. Т. 27, № 2. С. 140-154. https://doi.org/10.21869/2223-1560-2023-27-2-140-154.Arkhipov A. E. Filtering of complex signals based on a two-level fuzzy-logic model. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta = Proceedings of the Southwest State University. 2023; 27(2): 140-154 (In Russ.). https://doi.org/10.21869/2223-1560-202327-2-140-154.T-Ray Imaging: Daniel M. Mittleman, Rune H. Jacobsen, and Martin C. Nuss, Member // IEEE; IEEE JOURNAL OF SELECTED TOPICS IN QUANTUM ELECTRONICS. September 1996. Vol. 2, № 3.T-Ray Imaging: Daniel M. Mittleman, Rune H. Jacobsen, and Martin C. Nuss, Member. IEEE; IEEE JOURNAL OF SELECTED TOPICS IN QUANTUM ELECTRONICS. September 1996; 2 (3).Агафонов В.А. Системный анализ в стратегическом управлении. М.: Русайнс, 2016. 48 c.Agafonov V.A. System analysis in strategic management. Moscow: Rusains; 2016. 48 p. (In Russ.)Белов П.Г. Управление рисками, системный анализ и моделирование: в 3 ч. Люберцы: Юрайт, 2016. Ч. 1. 211 c.Belov P.G. Risk management, system analysis and modeling]. Lyubertsy: Yurait; 2016. Part 1. 211 p. (In Russ.)Способ реализации адаптации робота к изменениям режима контактного взаимодействия с использованием глубоких полносвязных нейронных сетей / С.И. Савин, Л.Ю. Ворочаева, А.В. Мальчиков, А.М. Салихзянов, Э.М. Заляев // Известия ЮгоЗападного государственного университета. 2020; 24(1): 206-214. https://doi.org/10.21869/2223-1560-2020-24-1-206-214.Savin S.I., Vorochaeva L.Yu., Malchikov А. V., Salikhzyanov А.М., Zalyaev E.М. Implementation Method of the Robot Adaptation to Contact Interaction Mode Changes Using Deep Fully Connected Neural Networks. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta = Proceedings of the Southwest State University. 2020; 24(1): 206-214 (In Russ.). https://doi.org/10.21869/2223-1560-2020-24-1-206-214.

The authors declare that there are no conflicts of interest present.