Проведено аналіз історії розвитку систем відеоспостереження, а також моделей, ме-
тодів та технічних засобів, що використовуються у сучасних системах та запропоно-
вано нові підходи для їх удосконалення. Проведено огляд існуючих рішень в області
систем відеоспостереження, а саме: технічного забезпечення, функцій, структури і
особливостей сучасних систем. Проаналізовані сучасні моделі та методи, що можуть
бути використані для відеаналітики в системах відеоспостереження, такі як: пошук
аномалій у відеоряді, глибині нейронні мережі для класифікації, локалізації, сегмен-
тації, виявлення, ідентифікації та трекінгу об’єктів у відеоряді. У наш час відеоспос-
тереження набуло широкого поширення у зв’язку з швидким розвитком як апаратно-
го забезпечення такого роду систем, так і різноманітних моделей і методів
комп’ютерного зору, методів штучного інтелекту, зокрема, машинного навчання на
основі глибинних моделей. Останнє дає змогу проводити більш якісну відеоаналіти-
ку і, таким чином, зменшити число помилкових спрацьовувань, як і в випадках, коли
не виявляються важливі об’єкти та події при відеоспостереженні, так і навпаки, коли
надаються помилкові сигнали тривоги. Отже треба модернізувати сучасні системи
відеоспостереження у зв’язку з новими можливостями. Запропоновано для аналізу
відеоряду з метою пошуку небезпечних/підозрілих подій використовуватися згортко-
ву нейронну мережу YOLO; щоб знизити навантаження на сервер від використання
нейронної мережі система аналізуватиме зміну поточного відеокадру по відношенню
до попереднього і для цього використовувати моделі і методи детектування аномалій,
а також принцип локальності. В результаті досліджень запропоновано вимоги до сис-
тем безпеки на основі відеоспостереження та підходи до їх розробки. Спроектована
клієнт-серверна структура і функції системи. Розроблено дві початкові версії системи
відеоспостереження, на основі яких далі можливо запроваджувати різні рішення і
проводити експерименти. Описані застосована апаратура, випробуване програмне за-
безпечення, результати роботи.
The history analysis of video surveillance systems, as well as models, methods and technic-
al means used in modern systems were carried out and was proposed new approaches to
improve them. A review of existing solutions in the field of video surveillance systems was
carried out, namely: hardware, functions, structure and features of modern systems. Modern
models and methods that can be used for video analytics in video surveillance systems are
analyzed, such as: anomalies detection, deep neural networks for classification, localiza-
tion, segmentation, detection, identification and tracking of objects in the video. Nowadays,
video surveillance has become widespread due to the rapid development of both hardware
and computer vision, methods of artificial intelligence, in particular, machine learning
based on deep models. These achievements can be used for better video analytics and thus
reduces the number of false alarms, as in cases where important objects and events are not
detected during video surveillance, and vice versa, when false alarms are given. Therefore,
modern video surveillance systems need to be modernized using new possibilities. It is pro-
posed to use the YOLO convolutional neural network to analyze the video in order to
search for dangerous / suspicious events; to reduce the load on the server from the use of
the neural network, the system will analyze the change of the current video frame compared
to the previous one and use models and methods to detect anomalies, as well as the prin-
ciple of locality. As a result of research, the requirements for security systems based on
video surveillance and approaches to their development are proposed. The client-server
structure and functions of the system are designed. Two initial versions of the video sur-
veillance system have been developed. On this basis it is possible to implement various so-
lutions and conduct experiments. The applied equipment, tested software, results of work
are described.
