Presence detection of people in video stream

Abstract

Одной из самых распространенных задач в компьютерном зрении является детектирование людей на изображении или в видеопотоке. Алгоритмы, решающие данную задачу, могут быть применены в самых разных областях и, в частности, широко используются в системах видеонаблюдения. Основными сложностями в данной задаче являются большая разнообразность внешности людей и влияние на них среды, в которой они находятся. Также, с ростом количества видеокамер особенно значимой становится вычислительная сложность алгоритма. В данной работе рассматривалась задача отслеживания появления людей в интересующей зоне на видео.

Для решения этой задачи были рассмотрены существующие алгоритмы для детектирования объектов на изображении. Был разработан алгоритм для детектирования людей в видеопотоке с использованием детектора движения и сверточной нейронной сети, а также была произведена модификация существующего метода YOLOv4-tiny для улучшения точности в задаче детектирования людей. После, полученные результаты были проанализированы и выбран наиболее подходящий под поставленную задачу метод, который в дальнейшем использовался для реализации системы отслеживания присутствия людей в интересующей области.

One of the most common tasks in computer vision is people detection from image or video stream. Algorithms that solve this problem can be applied in a wide range of areas, including video surveillance systems. The main challenges of this task are the great diversity of the appearance of people and the influence of the surroundings in which they are located. Also, with an increase in the number of video cameras, the computational complexity of the algorithm becomes especially significant. In this research work, the problem of detection presence of people in the area of interest on the video was considered.

To solve this problem, existing algorithms for detecting objects in the image were considered. An algorithm for detection people on the video stream, that used motion detection and convolutional neural network, was developed. Also, the existing YOLOv4-tiny method was modified in order to improve the accuracy of human detection. After that, the results were analyzed and the method most suitable for the task was selected and used to implement a system for detection presence of people in the area of interest on the video.