Методи обробки зображень в IoT системах відеоспостереження

Abstract

У кваліфікаційній роботі досліджено алгоритми обробки зображень в IoT-системах відеоспостереження, що є актуальним напрямом у сфері інтелектуальної безпеки. Проаналізовано сучасну архітектуру таких систем, яка включає крайові пристрої, сенсори, камери, а також хмарні сервіси для глибокої аналітики. Особливу увагу приділено практичним реалізаціям на базі модулів ESP32-CAM, Raspberry Pi та NVIDIA Jetson, які є найпоширенішими платформами для відеоспостереження в IoT. На основі цього сформульовано мету та задачі дослідження, спрямовані на визначення ефективних підходів до обробки відеоконтенту з урахуванням обмежених обчислювальних ресурсів. У роботі розглянуто класичні методи комп’ютерного зору (фільтрація, детекція контурів) та сучасні підходи з використанням згорткових нейронних мереж, зокрема YOLO. Обґрунтовано вибір бібліотек OpenCV, ESP-IDF, Arduino IDE та протоколів MQTT. Запропоновано комбіновану архітектуру, де попередня обробка виконується на ESP32-CAM, а складніші моделі — на потужніших пристроях, з рекомендаціями щодо оптимізації алгоритмів під периферійні платформи.