moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2026.58.7.007 2299 Методика построения комплексной логической модели детектирования потенциально опасных ситуаций с применением технологий компьютерного зрения Methodology for building a comprehensive logical model for detecting potentially dangerous situations using computer vision technologies 0009-0004-6726-9853 Досалиева Айриза Фаридовна Dosalieva Airiza Faridovna dosalieva_a8@mail.ru aff-1 0009-0009-1615-5641 Демина Раиса Юрьевна Demina Raisa Yurievna raisa.demina.91@mail.ru aff-2 Астраханский государственный технический университет Astrakhan State Technical University Астраханский государственный технический университет Astrakhan State Technical University 01 01 2026 1 1 10.26102/2310-6018/2026.58.7.007 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Актуальность исследования обусловлена необходимостью преодоления фрагментарности существующих систем видеодетектирования опасных ситуаций, которые разрабатываются как узкоспециализированные решения под конкретные сценарии, что затрудняет их масштабирование и адаптацию к изменяющимся требованиям безопасности. В связи с этим цель работы заключается в разработке единого методологического подхода к созданию универсальной системы автоматизированного распознавания угроз на основе компьютерного зрения. Ведущим методом исследования выступило концептуальное моделирование: на основе анализа типовых нарушений (от правил дорожного движения до промышленных регламентов) методом абстрагирования и группировки был выделен ограниченный набор базовых визуальных концептов («Человек», «Опасный периметр», «Механизм», «Сигнализирующее устройство», «Средство индивидуальной защиты») и их состояний. Для формализации взаимосвязей между концептами введена матрица отношений, а логика детектирования опасных ситуаций описывается посредством составления формальных логических формул, охватывающих две зоны анализа: статическую, оперирующую мгновенными булевыми признаками, и динамическую, применяющую темпоральную логику для предсказания развития событий. В результате исследования создана концептуальная модель, включающая универсальный формальный аппарат, который позволяет описывать широкий спектр угроз в виде системы логических правил, настраиваемых под конкретные сценарии. В связи с актуальностью задачи цифровизации в сфере промышленной безопасности материалы статьи приобретают практическую ценность для разработчиков программного обеспечения в сфере охраны труда. Подход, который предлагается в работе, позволяет масштабировать и гибко настраивать системы мониторинга под конкретные объекты.

The relevance of the study stems from the need to overcome the fragmentation of existing video-based hazard detection systems, which are designed as highly specialized solutions for specific scenarios, thereby hindering their scalability and adaptation to evolving safety requirements. Accordingly, the aim of this work is to develop a unified methodological approach to building a universal computer vision system for automated threat recognition. The leading research method was conceptual modeling: by abstracting and grouping typical violations (ranging from traffic rules to industrial regulations), a limited set of basic visual concepts ("Human", "Danger Perimeter", "Mechanism", "Signaling Device", "Personal Protective Equipment") and their states was identified. To formalize the relationships between these concepts, a relation matrix was introduced, and the logic of hazard detection is described through formal logical formulas covering two analysis zones: a static zone that operates with instantaneous Boolean features, and a dynamic zone that applies temporal logic to predict the evolution of events. As a result, a conceptual model has been created that incorporates a universal formal apparatus capable of describing a wide spectrum of threats as a system of logical rules adjustable to specific scenarios. Given the urgency of digitalization in industrial safety, the materials of the paper are of practical value for software developers in the field of occupational safety. The approach proposed in this work enables scalable and flexible tuning of monitoring systems for specific facilities.

 компьютерное зрение охрана труда обнаружение опасных ситуаций логическая модель матрица отношений концепты computer vision occupational safety occupational safety logical model relationship matrix concepts Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Марьенков А.Н., Кузнецова В.Ю., Гелагаев Т.М. Применение технологий распознавания лиц в системах контроля и управления доступом. Прикаспийский журнал: управление и высокие технологии. 2021;(1):83–90. https://doi.org/10.21672/2074-1707.2021.53.1.083-090 Морозов А.А., Сушкова О.С. Анализ видеоизображений в реальном времени средствами языка Акторный Пролог. Компьютерная оптика. 2016;40(6):947–957. https://doi.org/10.18287/2412-6179-2016-40-6-947-957 Artikis A., Sergot M.J., Paliouras G. A Logic Programming Approach to Activity Recognition. In: Proceedings of the 2nd ACM International Workshop on Events in Multimedia (EIMM 2010), 25–29 October 2010, Firenze, Italy. New York: ACM; 2010. P. 3–8. https://doi.org/10.1145/1877937.1877941 Горяев В.М., Манкаева С.А., Сумьянова Е.В. и др. Оптимизация гибридной архитектуры долгосрочной рекуррентной свёрточной сети для Edge-распознавания насилия в системах видеонаблюдения. Современная наука и инновации. 2025;(3):30–38. https://doi.org/10.37493/2307-910X.2025.3.3 Леус А.В., Татаринова Е.А., Ефремов В.А. и др. Система многокамерной темпоральной идентификации и трекинга человека на предприятии. Правовая информатика. 2022;(3):31–39. https://doi.org/10.21681/1994-1404-2022-3-31-39 Сергеев Н.Е., Целых Ю.А. Использование темпоральных отношений при описании сложных сцен по видеоизображениям. Известия ЮФУ. Технические науки. 2009;(12):134–142. Barbosa F.G.O., Mourao G.L., Erazo J.J.M., et al. Dynamic risk management in office workspaces: Real-time analysis of staircase safety using computer vision and AI. Computers and Electrical Engineering. 2025;122(2):109902. https://doi.org/10.1016/j.compeleceng.2024.109902 Kashevnik A., Othman W., Ryabchikov I., et al. Estimation of motion and respiratory characteristics during the meditation practice based on video analysis. Sensors. 2021;21(11):3771. https://doi.org/10.3390/s21113771 Lee J., Lee S. Construction site safety management: A computer vision and deep learning approach. Sensors. 2023;23(2):944. https://doi.org/10.3390/s23020944 Чумаков К.В., Стрижак П.А., Кропотова С.С. Применение видеоаналитики для мониторинга и повышения безопасности технологических процессов. Безопасность труда в промышленности. 2025;(1):83–89. https://doi.org/10.24000/0409-2961-2025-1-83-89 Орлов А.А., Рыжкова М.Н., Мареев А.В. Методы локализации объектов в видеопотоке (обзор). Радиотехнические и телекоммуникационные системы. 2021;(3):48–60. Bouwmans Th. Traditional and recent approaches in background modeling for foreground detection: An overview. Computer Science Review. 2014;11–12:31–66. https://doi.org/10.1016/j.cosrev.2014.04.001 Досалиева А.Ф., Демина Р.Ю. Сравнительный анализ платформ для генерации синтетического видео: поиск оптимального решения для задач безопасности. В сборнике: Искусственный интеллект: научные достижения и прикладные задачи: Материалы II Всероссийской научно-практической конференции с международным участием, 04–05 декабря 2025 года, Ханты-Мансийск, Россия. Ханты-Мансийск: Югорский государственный университет; 2026. С. 26–32.

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