ATTERN RECOGNITION WITH TRAFFIC CAMERA
Keywords:
artificial intelligence, pattern recognition, traffic accident, Traffic Laws, data processingAbstract
the article discusses the use of elements of artificial intelligence (AI), in the form of pattern recognition and assessment of their impact on the road transport situation in the Irkutsk region. With the increase in the number of cars in cities, there is a need to regulate traffic rules without using huge human resources. Cameras installed on the roads have a number of problems with correctly recognizing cars. Often the systems are stationary and are located at a great height from the road, which makes it possible for many drivers to avoid fixing the license plate number through various tricks. If a traffic violation is detected, the camera will not be able to identify the owner of the vehicle. Other shortcomings of systems based on artificial intelligence were also identified, and ways to improve them were proposed. AI allows you to process large flows of information that a specialist cannot analyze. The introduction of an image recognition system in the transport sector will significantly reduce the number of accidents and traffic violations.
References
А. Ю. Кручинин, Р. Р. Галимов ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ВИДЕОДАННЫХ ДЛЯ РАСПОЗНАВАНИЯ СИТУАЦИЙ УГОНА АВТОМОБИЛЯ НА ПАРКОВКЕ // Программные продукты и системы. 2020. — № 1. — С. 162-168. — ISSN 2311-2735. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/journal/issue/312298 (дата обращения: 13.10.2022). — Режим доступа: для авториз. пользователей. — С. 1.).
Селянкин В.В. Компьютерное зрение. Анализ и обработка изображения. 2021.С.152.
Ляшева М.А. Системы распознавания образов. 2021. С.128.
Росстат. [Электронный ресурс].https://rosstat.gov.ru/statistics/transport (Дата обращения 13.09.2022).
Распознавание образов при принятии решений в экспертных системах [Электронный ресурс]. https://ntv.ifmo.ru/ru/article/18788/raspoznavanie_obrazov_v_ekspertnyh_sistemah_prinyatiya_resheniy.html. (Дата обращения 13.09.2022).
"ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ" VS ЧЕЛОВЕЧЕСКИЙ РАЗУМ [Электронный ресурс]. https://elibrary.ru/item.asp?id=37314429. (Дата обращения 12.10.2022)
Печкин А.Д., Кириллова Т.К. Оценка и перспективы развития глубокого обучения искусственных нейронных сетей // Молодая наука Сибири. 2021. № 1 (11). С. 375-380.
Переберин П.Н. Распозование образов объектов // Антропоцентрические науки: инновационный взгляд на образование и развитие личности. Материалы VI Международной научно-практической конференции. Э.П. Комарова (ответственный редактор). 2017. С. 142-143.
Бобровский Г.А. Обучаемое устройство моделирующее восприятие и распознование образов характера движения объекта контроля// Вестник Луганского государственного университета имени Владимира Даля. 2022. № 5 (59). С. 180-184.
Круглов М.А., Андреянов Н.В., Сафина Д.Н. Распознавание образов с использованием контуров объектов // Научно-технический вестник Поволжья. 2022. № 8. С. 21-23.
Леонов С.Н., Головков В.В., Яковлев И.И. Распознавание неупорядоченных деталей на видеоряде с помощью интеллектуальных систем технического зрения // Евразийский союз ученых. 2016. № 5-2 (26). С. 50-52
Карлин А.К., Тимофеев Е.А., Маматов Ю.А., Штерн Г.П., Малков А.Н. Нейронные сети с потоковым представлением информации. Отчет о НИР № 97-01-00269. Российский фонд фундаментальных исследований. 1999.
Астанаева А. Обзор методов распознавания образов// Scientific Evolution. 2020. № 1 (1). С. 58-63.
Донец С.А. Перспективы применения нейросетей для идентификации лица человека на изображении //Актуальные проблемы деятельности подразделений УИС. Сборник материалов Всероссийской научно-практической конференции: в 2-х томах. Ответственный за выпуск Д. Г. Зыбин. 2020. С. 347-350.
Дидарханова Г.Д., Мукашев А.А. Современные методы и модели распознавания образов // SCIENCE, EDUCATION, INNOVATION. сборник статей Международной научно-практической конференции. Пенза, 2021. С. 35-38.
