The quarantine restrictions introduced during COVID-19 are necessary to minimize the spread of coronavirus disease. These measures include a fixed number of people in the room, social distance, wearing protective equipment. These restrictions are achieved by the work of technological control workers and the police. However, people are not ideal creatures, quite often the human factor makes its adjustments.
Мета роботи полягає у розробці автоматизованої вимірювальної системи в механічному гірокомпасі за допомогою спеціально розробленого апаратного та програмного забезпечення для того, щоб полегшити експлуатацію приладу та мінімізувати похибки спостерігача. Розроблений комплекс передбачає автоматизацію лише для часового методу, так як для методу поворотної точки необхідно постійно контактувати з навідним гвинтом тахеометра.
This paper examines the main methods and principles of image formation, display of the sign language recognition algorithm using computer vision to improve communication between people with hearing and speech impairments. This algorithm allows to effectively recognize gestures and display information in the form of labels. A system that includes the main modules for implementing this algorithm has been designed.
Завдання виявлення об’єктів на відеозображеннях характерна для сучасних систем технічого зору (СТЗ), орієнтованих на різні функціональні застосування. Виявляти об`єкти можна як на статичних відеозображеннях, так і на виділених з відеопотоку кадрах. За своєю суттю виявлення об’єктів на відеозображенні, як правило, означає виявлення яскравісних чи кольорових неоднорідностей, які на подальших етапах можна трактувати як фізичні об`єкти.
Запропоновано структуру спецпроцесора реалізації алгоритму визначення характерних ознак відеооб’єкта на основі алгоритму SURF для спеціалізованої системи технічного зору.
We consider a microcontroller implementation of an algorithm for extracting SURF features of an object in a video stream to be used in a specialized computer vision system.
Розроблено новий підхід до детектування полум’я на зображеннях, який ґрунтується на використанні згорткових нейронних мереж. Запропоновано структуру реалізації каскадного підходу до детектування вогню, яка забезпечує покращену ефективність розпізнавання на зображеннях з низькою роздільною здатністю, та об’єктів, які можуть візуально нагадувати полум’я. Проведено експерименти з дослідження запропонованого методу порівняно з сучасним методом детектування об’єктів Faster R-CNN. У результаті проведених експериментів було виявлено покращення показника ефективності в середньому на 20 %.
Розглянуто вирішення вказаних задач за допомогою сплайнів. Із застосуванням сплайнів отримано єдину модель для усіх трьох задач й поєднано простоту розрахунків із гнучкістю моделі. Для фільтрації та сегментації акустичних сигналів застосовуються сплайн-фільтри, аналогічні фільтрам Савицького–Голея. Різна ширина фрагментів сплайна дає змогу досягти різного згладжування й відповідно виділення фрагментів різної деталізації. Інструментом виділення тонів серця є частотно-часовий LSS-аналіз, де розклад відбувається завдяки різномасштабній апроксимації сплайнами за методом найменших квадратів.
Запропоновано метод BOX перетворення, що відображає прямі на растрових зображеннях за точками перетину описаного навколо зображення квадрата. Відображення здійснюється за парами точок, через які проходять прямі, і має складність N2 . Число пар точок, що лежать на одній прямій, акумулюється в одній точці відображення. Це дає змогу виконати селекцію прямих за числом точок на них та фільтрувати окремі точки. Показано алгоритми прямого та оберненого перетворень та приклади перетворення зображень.
Розглянуто реалізацію алгоритму визначення координат об`єкта у монохромному відеопотоці на основі методу аналізу гістограми відеозображення з використанням мікроконтролера з ядром DSP.