Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/34626
Full metadata record
DC FieldValueLanguage
dc.contributor.authorKurachka, K.-
dc.contributor.authorNestsiarenia, I.-
dc.date.accessioned2019-03-11T12:41:05Z-
dc.date.available2019-03-11T12:41:05Z-
dc.date.issued2019-
dc.identifier.citationKurachka, K. Effective Algorithm for Object Detection in the Video Stream for ARM Architectures / K. Kurachka, I. Nestsiarenia // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2019) : материалы международной научно-технической конференции, Минск, 21 - 23 февраля 2019 г. / Белорусский государственный университет информатики и радиоэлектроники; редкол.: В. В. Голенков (гл. ред.) [и др.]. - Минск, 2019. - С. 273 - 276.ru_RU
dc.identifier.urihttps://libeldoc.bsuir.by/handle/123456789/34626-
dc.description.abstractAn algorithm is presented that allows detecting moving objects in a video stream at a fixed camera position. The algorithm is characterized by low resource consumption, what makes it possible to use it in ARM architectures [1] or for data pre-processing on client devices. The algorithm performs the following steps: image scaling, clipping background, and detection of objects. Prototype algorithm implemented in Python [2] using the OpenCV library. It was tested on a single-board computer Raspberry PI 3 [3], showed a performance of 20 FPS with an input stream frame size of 1920x1280 pixels.ru_RU
dc.language.isoenru_RU
dc.publisherБГУИРru_RU
dc.subjectматериалы конференцийru_RU
dc.subjectdetectionru_RU
dc.subjectvideo processingru_RU
dc.subjectclassificationru_RU
dc.titleEffective Algorithm for Object Detection in the Video Stream for ARM Architecturesru_RU
dc.title.alternativeЭффективный алгоритм детектирования объектов на видеопотоке адаптированный для ARM архитектурыru_RU
dc.typeСтатьяru_RU
local.description.annotationПредставлен алгоритм, позволяющий детектировать движущиеся объекты в видеопотоке при фиксированном положении камеры и отличающийся низкой ресурсоёмкостью, что позволяет его использовать в ARM архитектурах [1] или для предварительной обработки данных на конечных (клиентских) устройствах. Алгоритмреализуетследующиеэтапы:масштабирования изображения, отсечения фона, и детектирования объектов. Тестирование алгоритма, реализованного на языке Python [2] и с использованием библиотеки OpenCV, на одноплатном компьютере Raspberry PI 3 [3] показало производительность – 20 FPS при размере кадра входного потока 1920x1280 точек.-
Appears in Collections:OSTIS-2019

Files in This Item:
File Description SizeFormat 
Kurachka_Effective.PDF166.78 kBAdobe PDFView/Open
Show simple item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.