Отзыв научного руководителя на выпускную квалификационную работу студента 2 курса магистратуры кафедры теории управления СПбГУ Сахарова Алексея Александровича, обучающегося по направлению 01.04.02 «Прикладная математика и информатика» Магистерская программа ВМ.5517.2016 «Методы прикладной математики и информатики в задачах управления»  Тема выпускной квалификационной работы:  «Детекция и распознавание средств регулирования железнодорожного движения при помощи анализа видеопотока»  Тема, выбранная студентом к рассмотрению, имеет высокую актуальность, так как в ней рассматриваются вопросы повышения безопасности железнодорожного движения путем разработки дополнительных сенсоров предупреждения машиниста о знаках регулировки движения, а также автоматизации процессов диагностики расположения средств регулирования железнодорожного движения. Обе этих задачи позволяют повысить информированность машинистов и тем самым являются важным фактором в обеспечении безопасности железнодорожного движения. Полный список задач, поставленных перед студентом, следующий: •	Рассмотреть алгоритмы выделения объектов на изображении. •	Составить обучающий и тестовый наборы изображений для построения алгоритма выделения объектов интереса. •	Обучить и протестировать алгоритм выделения объектов на изображении. •	Рассмотреть алгоритмы определения расстояния до объекта на изображении. •	Рассмотреть вопрос оптимизации выбора области интереса, путем автоматизированного анализа расположения железнодорожной колеи. 	В ходе работы студент провел подробный анализ существующих подходов к решению данных задач, произвел модификацию алгоритмов для получения требуемых параметров работы, решил нетривиальную задачу поиска и сбора тестовых данных, провел апробацию алгоритмов на собранных тестовых данных, осуществил сравнение различных модификаций методов выделения контуров на изображении. В рамках работы реализованы и протестированы все этапы работы алгоритма. Продемонстрирована высокая точность и скорость работы на синтетических тестовых данных. При построении и тестировании алгоритма моделировались различные погодные условия, что позволило повысить качество и надежность работы алгоритма.  К недостаткам работы можно отнести отсутствие этапа тестирования полученного алгоритма на реальных видеозаписях, что обусловлено ограниченным их количеством в сравнении с примерами, которые можно найти при анализе автомобильного движения. Также встречаются опечатки. Выполненная работа заслуживает оценки «отлично».