Дисертація присвячена розробленню методів і засобів розпізнавання рухомих об’єктів в телекомунікаційних системах в реальному масштабі часу. В першому розділі «Проблемні питання та аналіз технологій побудови систем відеоспостереження» описано особливості побудови та функціонування як звичайних систем відеоспостереження так і систем із застосуванням функцій відеоаналітики. Проведено оглядовий аналіз алгоритмів виявлення об’єктів та алгоритмів супроводження об’єктів, в результаті якого запропоновано спосіб класифікації алгоритмів супроводження об’єктів.В другому розділі «Розроблення методів та моделей розпізнавання облич та стискання трафіку з застосуванням алгоритму віднімання фону для стаціонарних систем відеоспостереження» запропоновано ефективний алгоритм віднімання фону на основі ViBE для складного фону. Він поєднує в собі вдосконалений ViBE, який використовує кумулятивне середнє значення та механізм підрахунку пікселів для швидкого усунення привидів, і адаптивний ViBE, який обчислює адаптивний радіус залежно від зміни фону.Запропоновано алгоритм для стиснення відео, знятих камерами з обмеженим ресурсом, який використовує аналіз руху для видалення небажаних пікселів і кадрів зображення. Запропоновано метод розпізнавання обличчя, заснована на виявленні руху. Цей метод зосереджується не лише на етапах виявлення та розпізнавання облич, але включає виявлення рухомих об’єктів, що зменшує обсяг даних, які потрібно обробити. Розроблено програмну модель обробки даних в системах відеонагляду. Доведено ефективність використання технології Spark. Ця технологія забезпечує швидку роботу алгоритмів навіть при збільшенні обсягів даних завдяки оптимізації обчислень.В третьому розділі «Дослідження розроблених методів та моделей розпізнавання облич та стискання трафіку з застосуванням алгоритму віднімання фону» проведено дослідження створеного алгоритму віднімання фону на основі ViBE для складного фону.Досліджено створений метод для стиснення відео, знятих камерами з обмеженим ресурсом, який використовує аналіз руху для видалення небажаних пікселів і кадрів зображення. Аналізуючи відеокадри піксель за пікселем, метод досяг середнього стиснення тестових даних на 30%, зберігаючи при цьому всю інформацію, важливу для аналізу поведінки рухомих об’єктів. Це значне зменшення розміру файлу значно розширює можливості моніторингу за рахунок мінімізації вимог до пропускної здатності та полегшення ефективної передачі даних із пристроїв з обмеженими ресурсами. Розгортання цього методу на камерах має потенціал для значного просування моніторингу та збереження за рахунок оптимізації можливостей існуючих систем. Досліджено запропонований метод розпізнавання обличчя, заснована на виявленні руху. Цей підхід має ряд переваг, таких як: зменшення обсягу даних, підвищення швидкості, зниження споживання енергії, універсальність, покращення продуктивності. Виявлення рухомих об'єктів дозволяє обробляти лише ті частини зображення, де відбуваються зміни, що значно зменшує обсяг даних, які потребують обробки. Система може обробляти зображення значно швидше, що робить її більш придатною для задач реального часу. Обробка меншого обсягу даних потребує менше енергії, що робить цю модель більш енергоефективною. Модель може бути адаптована до різних середовищ та умов освітлення. Завдяки поєднанню виявлення руху з методами розпізнавання облич, модель може підвищити точність за допомогою використання додаткової інформації про рух може допомогти усунути помилки, пов'язані з шумом та складними фоновими зображеннями. Зменшити кількість помилкових спрацювань за рахунок реагування лише на ті об'єкти, які дійсно рухаються, що мінімізує ймовірність помилкового розпізнавання облич.
В четвертому розділі «Програмна реалізація моделі розпізнавання облич на основі алгоритму віднімання фону» для створення застосунку була використані мови програмування Python разом з бібліотеками OpenCV, TensorFlow, pickle. З їх допомогою були створені частини системи, які можуть зменшити навантаження на телекомунікаційну мережу та підвищити ефективність розпізнавання та ідентифікації облич.
