UNI-Video recording traffic

Создание программного решения по автоматизированной обработке материалов видеофиксации транспортных потоков с использованием искусственного интеллекта

Описание

Данное программное решение разработано для автоматизированной обработки видеоматериалов, полученных с камер видеофиксации транспортных потоков, с целью подсчёта количества транспорта и определения его классов (автомобиль, грузовик, автобус, другое) с применением искусственного интеллекта. Это позволяет включить полученные данные в систему сводных расчетов загрязнения атмосферного воздуха, в том числе выбросов автомобильного транспорта.

Скринкаст

Архитектура решения

Используемые технологии

Для разработки данного программного решения используются следующие технологии:

• Python: мощный и универсальный язык программирования, который обладает богатой экосистемой для разработки приложений и обработки данных.
• YOLOv8: эффективная архитектура нейронной сети для обнаружения объектов на изображениях и видео.
• PyTorch: фреймворк для глубокого обучения, предоставляющий широкий набор инструментов и алгоритмов для создания и обучения нейронных сетей.

Описание программного решения

Программное решение включает в себя следующие этапы:

1. Обработка видео: извлечение кадров из видеопотока с помощью библиотеки OpenCV, предварительная обработка изображений для улучшения качества и снижения шума.
2. Обнаружение и классификация транспортных средств: применение архитектуры YOLOv8 для обнаружения и классификации транспортных средств на кадрах видео.
3. Подсчёт количества транспорта: анализ обнаруженных объектов для определения количества автомобилей, грузовиков, автобусов и других транспортных средств.
4. Оценка выбросов: использование полученных данных для оценки выбросов загрязняющих веществ в атмосферный воздух.

Установка и использование

Для установки и использования программного решения необходимо:

1. Установить Python и необходимые зависимости с помощью системы управления пакетами, например, pip.
2. Загрузить и установить архитектуру YOLOv8 и фреймворк PyTorch.
3. Запустить программное решение, подав на вход видеоматериалы и получив результаты по подсчёту количества транспорта и его классификации.

Лицензия

Данное программное решение распространяется по лицензии MIT.

Авторы

Проект разработан командой разработчиков:

• Левин Илья - Full-stack C# developer
• Фарафонов Андрей - Full-stack developer, ML engineer
• Меркулов Андрей - Python developer
• Паневин Даниил - Product Designer, Manager