Приложения для работы с большими данными занимают значтельную часть дискового пространства в промышленности и научных исследованиях.
Среди широко распространенных примеров больших данных роль видеопотоков с камер видеонаблюдения не менее важна, чем другие источники, такие как данные социальных сетей, данные датчиков, сельскохозяйственные данные, медицинские данные и данные, полученные в результате космических исследований.
Заказать установку камер видеонаблюдения можно тут — https://www.warnax.ru/mkd/
Биг дата
Видео наблюдения вносят большой вклад в неструктурированные большие данные. Камеры видеонаблюдения устанавливаются во всех местах, где безопасность имеет большое значение.
Ручное наблюдение кажется утомительным и трудоемким. Безопасность можно определить разными терминами в разных контекстах, таких как идентификация кражи, обнаружение насилия, вероятность взрыва и т. д. В многолюдных общественных местах термин безопасность охватывает почти все типы нештатных ситуаций.
Среди них с обнаружением насилия трудно справиться, поскольку оно связано с групповой деятельностью. Анализ аномальной или аномальной активности в массовых видеосценах очень сложен из-за нескольких ограничений реального мира. Документ включает глубоко укоренившийся обзор, который начинается с распознавания объектов, распознавания действий, анализа толпы и, наконец, обнаружения насилия в среде толпы.
Основное внимание в этом исследовании уделяется применению методов глубокого обучения для определения точного подсчета, вовлеченных лиц и произошедшей активности в большом скоплении людей при любых климатических условиях. В статье обсуждается базовая технология реализации глубокого обучения, используемая в различных методах анализа видео толпы.
Обработка в реалном времени
Обработка в реальном времени, важный вопрос, который еще предстоит изучить в этой области, также рассматривается. Существует не так много методов одновременного решения всех этих проблем. Выявляются и обобщаются проблемы, выявленные в существующих методах.
Также дается будущее направление для уменьшения выявленных препятствий. Обзор представляет собой библиографическое резюме статей из цифровой библиотеки ScienceDirect, IEEE Xplore и ACM.
