Проектирование умного доступа автомобилей на территорию университета «Туран»
DOI:
https://doi.org/10.26577/JMMCS.2020.v105.i1.16Кілттік сөздер:
автоматизированный доступ, компьютерное зрение, СКУД, машинное обучениеАннотация
С развитием общества все более важным становится проблема обеспечения безопасности жизнедеятельности человека во всех ее аспектах. В данной работе рассмотрены программные и технические средства для создания автоматического распознавания объектов, в частности автомобильных номеров. Цель работы. Разработка системы автоматического доступа транспортных средств на территорию парковки университета «Туран». Данная работа демонстрирует возможность использования обучаемых систем в контрольно пропускных пунктах, использую при этом микрокомпьютер RassberryPi 3 Model B, который отличается своей мобильностью и модульность. Областью исследования является компьютерное зрение и машинное обучение используемое средства математической статистики, численных методов, методов оптимизации. В результате работы создана модель демонстрирующая работоспособность системы. Система работает на мини компьютере, используя камеру Rassberry для распознавания номеров, сервопривод для демонстрации работы системы СКУД. При попадании в область видимости камеры, срабатывает системы считывание, при помощи алгоритмов происходит распознавание номера и проверка его по базе и в случае успешной проверки, происходит открытие шлагбаума. Данный компьютер имеет возможность обучаться дальше на реальном объекте.
Библиографиялық сілтемелер
2. Саймон М. Raspberry Pi. Сборник рецептов. Решение программных и аппаратных задач, O'Reilly, 2017. - С.354-368.
3. Cook M., Evans J., Craft B. Raspberry Pi Projects For Dummies, O'Reilly, 2015. - С.264-276.
4. Membrey P., Hows D. Learn Raspberry Pi 2 with Linux and Windows 10, O'Reilly , 2015. - V.3, - P. 125 - 167.
5. Старовойтов А.А. Настройка аппаратных средств в Linux, БХВ-Петербург, 2006. -Т.2, - С. 60-75
6. Hammell B. Arduino Meets Linux. The Users Guide to Arduino Yun Development, 2015. - P. 15 - 23.
7. Hertzog R., Mas R. The Debian Administrator's Handbook, Debian Jessie from Discovery to Mastery, Freexian, 2015. - P. 351 - 364.
8. Williams J.G. Debian GNU/Linux Desktop Survival Guide, Togaware, 2015. - P. 254 - 256.
9. Guido S., Muller A. Introduction to Machine Learning with Python. A Guide for Data Scientists, O'Reilly \& Associates, 2017. - T.1, - P. 59- 64.
10. Маккинни У. Python и анализ данных, ДМК Пресс, 2015. - Т.1 - С. 282-283.
11. Лутц М. Изучаем Python, Символ-Плюс, 2011. -Т.4, - С. 564-568
12. www.jetbrains.com/ru-ru/pycharm, Дата обращения: 15.08.2019
13. https://devpractice.ru/files/books/python/Python.Lessons.pdf, Дата обращения: 16.08.2019
14. Когаловский М.Р. Энциклопедия технологий баз данных, М.:Финансы и статистика, 2012. -Т.2, - С. 120-125
15. Мартишин С., Симонов В., Храпченко М. Базы данных. Практическое примечание СУБД SQL и NoSQL. Учебное пособие, Форум, Инфра-М, 2016. - С. 160-176
16. Guido S., Muller A. Learning OpenCV 3 Computer Vision with Python - Second Edition, O'Reilly Media, 2017. - V.2, - P. 564 - 570.
17. Beyeler M. Machine Learning for OpenCV: Intelligent image processing with Python, Packt Publishing, 2017. - P. 215 - 235.