Найти

Результаты поиска

• АЛГОРИТМ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ ОБНАРУЖЕНИЯ МАЛОРАЗМЕРНЫХ ОБРАЗОВ

  В. В. Ковалев , Н. Е. Сергеев

  2021-12-24

  Аннотация ▼

  Распознавание определенных образов в видеоизображениях, снятой камерой, осуще-
  ствляется с помощью методов обучения на основе сверточных нейронных сетей. Чем
  больше количество образов с множеством признаков и разнообразнее обучающая выборка
  видеоизображений, тем лучше сверточные нейронные сети извлекают признаки из после-
  довательности видеоизображений, которые не были включены в обучающую выборку. Это
  является следствием повышения точности обнаружения визуальных образов на видеоизоб-
  ражениях, содержащих признаки целевых образов. Однако, существуют ограничения в
  улучшении характеристик обнаружения, когда размеры образа, который нужно обнару-
  жить, значительно меньше, чем область фона или, когда образ описан малым количеством
  информации. Для решения проблем подобного рода авторами статьи разработан алго-
  ритм пространственно-временного комплексирования информации о движении динамиче-
  ских образов. Алгоритм обрабатывает фиксированное количество видеоизображений в
  определенные моменты времени и извлекает новые независимые признаки движения дина-
  мических образов на основе пространственно-временной обработки видеоизображений.
  Далее объединяет новые локальные признаки движения с исходными признакам видеоизоб-
  ражения. Это позволяет добавить признак движения динамических образов с сохранением
  исходных признаков изображения, описывающих статичные образы. Области видеоизоб-
  ражения, характеризующие признак движения, отображаются «цветным» кластером.
  Применение предварительной обработки направлено на повышение точности обнаруже-
  ния образов при условии наличия динамических визуальных образов на статичном заднем
  фоне. Если камера работает в режиме сканирования, то статичный задний фон можно
  обеспечить стабилизатором видеоизображений. Экспериментальным путем получены
  оценки интегральных критериев точности детекционных нейросетевых алгоритмов, пока-
  зывающие увеличение в точности обнаружения визуальных образов с применением алго-
  ритма пространственно-временного комплексирования информации о движении.

• СИСТЕМА АВТОМАТИЗАЦИИ ДОКУМЕНТООБОРОТА И МОНИТОРИНГА ИНЦИДЕНТОВ ЭКОНОМИЧЕСКОЙ БЕЗОПАСНОСТИ НА ОСНОВЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

  А.Е. Анпилогова , В.А. Анпилогов

  31-41

  2025-07-24

  Аннотация ▼

  Автоматизация документооборота - ключевой элемент оптимизации процессов и повышения эффективности. Автоматизация документооборота на базе искусственного интеллекта улучшает управление инцидентами экономической безопасности, оптимизируя рабочие процессы и снижая затраты. Переход на автоматизированный документооборот в России связан со сложной нормативно-правовой базой и масштабными затратами на внедрение на предприятиях. Автоматизация помогает соблюдать требования законодательства и снижает риски юридических и финансовых последствий. Интеграция цифровых подписей повышает эффективность утверждения документов. Внедрение систем автоматизации поддерживает национальные цели цифровой трансформации. Автоматизация документооборота сокращает зависимость от бумажных процессов и способствует созданию централизованных цифровых хранилищ. Внедрение систем автоматизации документооборота требует стратегического подхода и тщательного планирования. Автоматизация документооборота обеспечивает экономию времени, сокращение ошибок и повышение соответствия нормативным стандартам. В статье рассмотрены теоретические основы BPM, интеграция цифровых технологий и нормативные аспекты, специфичные для России. Предложенная система сочетает мониторинг с ИИ и IoT, обеспечивает обработку данных в реальном времени, автоматизирует создание юридических документов и отчетов. Система автоматизации рабочих процессов базируется на интеграции данных, технологиях искусственного интеллекта и seamless-решениях. Система объединяет технологии мониторинга, алгоритмы распознавания лиц и анализа поведения, централизованную базу данных и модуль связи. Система формирует отчеты и юридические документы, заверенные QES, и обеспечивает взаимодействие с правоохранительными органами и службами безопасности.  Результаты внедрения: снижение операционных расходов на 30–40% и уменьшение потерь на 50%. Система соответствует стандартам цифровой трансформации и поддерживает модернизацию национальной экономики

• НЕЙРОСЕТЕВАЯ МЕТОДИКА ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО РИСУНКУ ВЕН ЛАДОНИ

  В.А. Частикова , С.А. Жерлицын

  2022-11-01

  Аннотация ▼

  Описывается работа по созданию нейросетевой методики идентификации лично-
  сти, основанной на механизме сканирования и анализа рисунка вен ладони, как биометриче-
  ского параметра. В рамках проведенного исследования описаны предпосылки, цели и причи-
  ны, по которым разработка надежной системы биометрической идентификации является
  важным и актуальным направлением деятельности. Сформулирован ряд проблем, прису-
  щих существующим методам решения поставленной задачи: графовому методу и методу,
  основанному на вычислении расстояния, выраженного в различных интервальных метри-
  ках. Приведено описание принципов их работы. Сформулированы задачи, решаемые систе-
  мами идентификации личности: сопоставление субъекта идентификации с его идентифи-
  катором, однозначно идентифицирующим этого субъекта в информационной системе.
  Описан механизм считывания рисунка вен с ладони, разработанный для анализа изобра-
  жения, полученного с восприимчивой к излучению инфракрасного диапазона цифровой ка-
  меры. При нахождении в кадре ладони, подсвечиваемой светом ближнего ИК-диапазона, на
  изображении, полученном с камеры, становится заметен рисунок пролегающих под кож-
  ным покровом вен, сосудов и капилляров. В зависимости от организации, система иденти-
  фикации может на основе предоставленного идентификатора определять соответс т-
  вующий субъект доступа или проверять принадлежность того же идентификатора
  предполагаемому субъекту. Приведены 3 метода дальнейшего анализа биометрических
  данных и идентификации личности: подходы, основанные на категориальной классифи-
  кации и бинарной классификации, а также комбинированный подход, при котором сн а-
  чала используется идентификация по первому способу, а затем, по второму, но уже для
  известного идентификатора доступа, определённого на первом этапе. Приведена р е-
  зультирующая архитектура нейросети для категориальной классификации рисунка вен,
  описан способ вычисления количества параметров модели в зависимости от числа заре-
  гистрированных субъектов. Представлены основные выводы и экспериментальные зам е-
  ры точности работы системы при реализации различных методов, а также диаграммы
  изменения точности моделей во время обучения. Выявлены основные преимущества и не-
  достатки приведённых методов.

• НАПРАВЛЕННЫЕ И ПОЛЯРИЗАЦИОННЫЕ СВОЙСТВА МИКРОПОЛОСКОВОЙ РЕКОНФИГУРИРУЕМОЙ АНТЕННЫ, ПЕРЕСТРАИВАЕМОЙ ПО ЧАСТОТЕ И ПОЛЯРИЗАЦИИ

  А. А. Ваганова , Н. Н. Кисель , А. И. Панычев

  2021-07-18

  Аннотация ▼

  Реконфигурируемой антенной называется антенна, параметры которой могут изме-
  няться в соответствии с требованиями, предъявляемыми конкретной ситуацией. Изменяе-
  мыми параметрами могут быть диапазон частот с наилучшим согласованием, диаграмма
  направленности, поляризация, а также различные комбинации этих параметров. В данной
  работе предложена конструкция реконфигурируемой микрополосковой антенны, перестраи-
  ваемой по частоте и поляризации, и исследованы ее диаграмма направленности и поляриза-
  ционнные свойства. Антенна имеет компактные размеры и может быть использована в бес-
  проводных системах связи, работающих в диапазоне 2–7 ГГц. В конструкции антенны име-
  ется 5 pin-диодов, в зависимости от состояния которых изменяется резонансная частота и
  поляризация излучения антенны. Выполнено моделирование предлагаемой антенны в про-
  грамме FEKO и получены ее основные параметры. Анализ результатов моделирования пока-
  зал, что для нижней части исследуемого диапазона частот (2,05, 2,45 и 3,7 ГГц) поляризация
  линейна. При работе в более высоком поддиапазоне (5,4, 5,6 и 5,75 ГГц) антенна имеет круговую
  поляризацию, направление вращения которой изменяется в зависимости от состояния диодов.
  Возможность переключения поляризации на ортогональную на одной и той же частоте позво-
  ляет улучшить условия приема сигнала в условиях многолучевого распространения.

• БЕСПРОВОДНЫЕ СЕНСОРНЫЕ СЕТИ В ЗАЩИЩАЕМЫХ ЗОНАХ

  Г.П. Виноградов , А.С. Емцев, И. С. Федотов

  2021-04-04

  Аннотация ▼

  В военных целях беспроводные сенсорные сети позволяют «связать автономные
  системы» в комплекс, обладающий свойством самоорганизации, когда объекты «умеют»
  сами находить друг друга и формировать сеть, а случае выхода из строя какого-либо из
  узлов могут устанавливать новые маршруты для передачи сообщений. Достичь желаемой
  эффективности подобных комплексов возможно, главным образом, путем совершенство-
  вания интеллектуальной составляющей их системы управления в целом и отдельным узлом
  в частности. Однако следует отметить, что подавляющее число исследований в этой
  области остается на теоретическом уровне. Цель состоит: 1) в исследовании и разработ-
  ке алгоритмов построения архитектуры сети с мобильными узлами и с возможными их
  отказами вследствие выполнения боевой задачи; 2) в исследовании и разработке использо-
  вания узла сенсорной сети для сбора, анализа, передачи данных об обстановке и принятия
  решения в зоне своей ответственности; 3) предложить в условиях ограничений по энерго-
  потреблению и быстродействию сравнительно простые алгоритмы для придания узлу
  сети свойства интеллектуального поведения. Показано, что требуемые алгоритмы можно
  разработать, если выявить классы типовых ситуаций и успешные способы действия в
  реальных условиях. На этой основе появляется возможность разработки формальных мо-
  делей (паттернов) для реализации в системе управления узлом. Предложена двухуровневая
  структура интеллектуальной системы управления сетью. Верхний уровень, реализуемый
  оператором, соответствует таким свойствам, как выживание, безопасность, выполнение
  обязательств согласно миссии, накопление и корректировка базы знаний в виде эффектив-
  ных паттернов поведения. Объектом управления для нее является сеть, рассматриваемая
  как некоторая функциональная система.