moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2020.29.2.010 792 Интеллектуальный анализ видеоданных в системе контроля соблюдения правил промышленной безопасности Intelligent analysis of video data in system for monitoring compliance with industrial safety rules 0000-0002-9358-0651 Вульфин Алексей Михайлович Vulfin Aleksey Mikhailovich vulfin.alexey@gmail.com aff-1 Уфимский государственный авиационный технический университет Ufa State Aviation Technical University 01 01 2026 1 1 10.26102/2310-6018/2020.29.2.010 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Использование интеллектуальных камер и датчиков в системах видеоаналитики в сочетании с человеком-оператором, с которого снята большая часть аналитической и зрительной нагрузки, позволяет увеличить эффективность видеонаблюдения и, как результат, повысить безопасность и результативность труда на производстве в целом. Анализ существующих методов обработки данных в системах видеонаблюдения промышленного объекта показал, что применение бесконтактных способ анализа позы и действий человека в поле зрения камеры встречается редко, однако может иметь критическое значение в определенных ситуациях (человек в спецодежде лежит в зоне видимости камеры, но система на него не реагирует, ведь он находится не в запрещенной зоне). Рассмотрено совершенствование алгоритмов интеллектуального анализа видеоданных в системе контроля соблюдения правил промышленной безопасности (анализ типа динамики и контроль «свой-чужой») за счет использования нейросетевых технологий обработки. Оценка эффективности программной реализации алгоритмов анализа натурных видеоданных показала корректность классификации в 97 % случаев. Оценка эффективности классификации 5 субъектов на два класса «свой» и «чужой» производилась методом перекрестной проверки и показала точность 99 % на тестовой выборке.

The use of intelligent cameras and sensors, in combination with the human operator in video analytics systems, from which most of the analytical and visual load has been removed, allows you to increase the efficiency of video surveillance and, as a result, increase the safety and productivity of work in production as a whole. Analysis of the existing data processing methods in the video surveillance systems of industrial facility showed that the use of a non-contact method for analyzing person’s posture and actions in the camera’s field of vision is rare, but it can be critical in certain situations (person in overalls is in the camera’s field of view, but the system is on him does not respond, because he is not in the forbidden zone). The improvement of algorithms for the intellectual analysis of video data in the system for monitoring compliance with industrial safety rules (analysis of the type of dynamics and control "friend or foe") using neural network processing technologies is considered. Effectiveness evaluation of algorithms for analyzing full-scale video data software implementation showed the correctness of classification in 97% of cases. Effectiveness evaluation of the 5 subjects into two classes of “own” and “alien” classification was carried out by cross-validation and showed an accuracy of 99% on the test sample.

 видеоаналитика интеллектуальный анализ распознавание типа динамики нейронная сеть классификатор определение позы video analytics intelligent analysis dynamics type recognition neural network classifier pose determination Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Жукова П.Н., Насонова В.А., Прокопенко А.Н. Обеспечение безопасности на объектах транспортной инфраструктуры посредством использования систем видеонаблюдения и видеоаналитики. Проблемы правоохранительной деятельности. 2015;4:91-96. Забашта А.Ю., Скорикова С.А. Функции видеоаналитики, анализ архитектур систем видеоаналитики. Ростовский научный журнал. 2017;7:194-200. Центр 2М – российский информационный оператор [Электронный ресурс]. URL: https://center2m.ru/ (дата обращения: 01.04.2020). ISS – Интеллектуальные Системы Безопасности [Электронный ресурс]. URL: https://iss.ru/ (дата обращения: 01.04.2020). Automated Detection and Alerting in Seconds with Visual Confirmation of Events [Электронный ресурс]. URL: https://intelliviewtech.com/solutions/video-analytics/ (дата обращения: 01.04.2020). Марр Д. Зрение: Информационный подход к изучению представления и обработки зрительных образов. М.: «Радио и связь». 1987:2. Toshev A., Szegedy C. Deeppose: Human pose estimation via deep neural networks. Proceedings of the IEEE conference on computer vision and pattern recognition. 2014:1653-1660. Bulat A., Tzimiropoulos G. Human pose estimation via convolutional part heatmap regression. European Conference on Computer Vision. Springer, Cham. 2016:717-732. Krizhevsky A., Sutskever I., Hinton G. E. Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems. 2012:1097-1105. Ofli F. et al. Berkeley mhad: A comprehensive multimodal human action database. 2013 IEEE Workshop on Applications of Computer Vision (WACV). IEEE. 2013:53-60. Greff K. et al. LSTM: A search space odyssey. IEEE transactions on neural networks and learning systems. 2016;28(10):2222-2232. Cao Z. et al. OpenPose: realtime multi-person 2D pose estimation using Part Affinity Fields. arXiv preprint arXiv:1812.08008. 2018. Буй Т.Т.Ч., Фан Н.Х., Спицын В.Г. Распознавание лиц на основе применения метода Виолы-Джонса, вейвлет-преобразования и метода главных компонент. Известия Томского политехнического университета. 2012;320(5):54-59. Чуйков А.В., Вульфин А.М., Васильев В.И. Нейросетевая система преобразования биометрических признаков пользователя в криптографический ключ. Доклады ТУСУР. 2018;21(3):35-41. Чуйков А.В., Вульфин А.М. Система распознавания жестов на основе нейросетевых технологий. Вестник Уфимского государственного авиационного технического университета. 2017;21(3 (77)):113-122.

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