Метод виявлення та відстеження об’єктів у реальному часі для систем управління літальними апаратами
Анотація
У статті представлено метод виявлення та супроводу об’єктів у відеопотоках, орієнтований на застосування в бортових системах управління літальними апаратами. Запропонований підхід будується на аналізі міжкадрових змін та доповнений узгодженими механізмами обробки, що дозволяють забезпечити стійкість до завад, динамічних змін сцени та обмежених обчислювальних ресурсів. Метод враховує специфіку функціонування бортових систем, зокрема зміну освітлення, рух платформи, складну динаміку фону, часткову оклюзію об’єктів та необхідність роботи в режимі реального часу. Формалізацію алгоритму виконано як послідовність взаємопов’язаних етапів, що включають попередню обробку, компенсацію руху, міжкадровий аналіз, сегментацію, морфологічну фільтрацію, класифікацію об’єктів, їх супровід та інтеграцію результатів у контур управління. Розроблений алгоритм передбачає узгоджене налаштування параметрів обробки, використання нейромережевого класифікатора з урахуванням ресурсних обмежень, а також механізми стабілізації супроводу в умовах часткової втрати об’єкта. Проведено аналітичну оцінку обчислювальної складності та експериментальне дослідження продуктивності алгоритму. Обґрунтовано, що запропонований метод забезпечує ефективний баланс між точністю, стійкістю до завад та обчислювальною ефективністю в умовах змінного середовища.
Посилання
2. Ladonia M. S. Research on the impact of Non_Maximal Suppression threshold value on YOLO’s ability to recognize objects in low-quality images. Problems of Informatization and Control, vol. 2, no. 74, pp. 68–73, 2023. DOI: https://doi.org/10.18372/2073-4751.74.17884.
3. Sadovnykov B. I., Zhuchenko O. S. Mathematical model for object detection and recognition in video streams using inter-frame difference analysis. Science-Intensive Technologies, vol. 66, no. 2, pp. 181–189, 2025. DOI: https://doi.org/10.18372/2310-5461.66.20281.
4. Lebedeva O. Yu., Byrchenko T. O., Lebiha V. M. Development of an algorithm for object detection and tracking in video. Informatics and Mathematical Methods in Modeling, vol. 9, no. 1–2, pp. 59–68, 2019. URL: http://nbuv.gov.ua/UJRN/Itmm_2019_9_1-2_8.
5. Sadovnykov B., Lysechko V. Adaptive behaviour tuning of a neural network-based method for moving object recognition in video streams. Computer-Integrated Technologies: Education, Science, Production, no. 60, pp. 53–62, 2025. DOI: https://doi.org/10.36910/6775-2524-0560-2025-60-05




