1 of 10

Вебсистема моніторингу відеопотоку з визначенням параметрів руху об'єктів

Харківський національний університет радіоелектроніки

Керівники: Широкопетлєва М.С., ст. вик. каф. ПІ

Студент: Бут Р.С., гр. ПЗПІ-22-3

2 of 10

Актуальність, задача проєкту, час розробки

У сучасних умовах зростає потреба у системах автоматичного аналізу відеоданих, особливо у сфері транспортного моніторингу. Ручний аналіз відео є повільним, неточним та не дозволяє масштабувати рішення. Використання методів комп'ютерного зору дає змогу автоматизувати процес обробки відео та отримувати точні аналітичні дані в реальному часі.

Задачею проєкту є розробка веб-системи, яка дозволяє виконувати аналіз відеопотоків з камер або відеофайлів, визначати параметри руху об'єктів та надавати користувачу зручні інструменти для роботи з результатами.

Система повинна забезпечувати:

      • обробку відео у реальному часі та у вигляді файлів;
      • визначення та відстеження об'єктів;
      • розрахунок аналітичних показників;
      • візуалізацію та експорт результатів.

Час розробки: листопад 2025 — березень 2026

2

3 of 10

Use Case діаграма

Діаграма відображає ієрархію користувачів у системі та розподіл їхніх прав доступу. �Вона ілюструє ключові сценарії для кожної ролі: від глобального управління організаціями (Super Admin) до налаштування відеоджерел (Client Operator) та перегляду готової аналітики (Observer)

3

4 of 10

Діаграма розгортання

Діаграма демонструє багаторівневу структуру системи з розподіленим обчислювальним шаром.

Вона ілюструє суворий поділ відповідальності: від клієнтського інтерфейсу та API-маршрутизації до шару бізнес-логіки і бази даних. Виділення важких процесів комп'ютерного зору в окремий асинхронний шар (AI Worker) через брокер завдань гарантує відсутність блокувань основного веб-сервера та забезпечує високу продуктивність системи.

4

5 of 10

Діаграма активності

Діаграма описує покроковий бізнес-процес роботи Клієнтського Оператора. Вона відображає повний цикл підготовки системи до роботи: від авторизації та підключення камер до розмітки віртуальних зон (ROI), налаштування розкладу і запуску обробки відео.

5

6 of 10

Діаграма послідовності

Діаграма демонструє хронологічну взаємодію компонентів під час трансляції та аналізу відео.

Показано, як клієнтський інтерфейс, веб-сервер та модуль ШІ працюють асинхронно, забезпечуючи безперервний перегляд відеопотоку та паралельне збереження аналітичних подій у базу даних.

6

7 of 10

Використані технології

FastAPI

Серверна частина реалізована на FastAPI, що дозволяє ефективно обробляти асинхронні запити.

PostgreSQL + SQLModel

Для роботи з базою даних використовується PostgreSQL разом із SQLModel, а Alembic застосовується для управління міграціями.

PyTorch + Ultralytics (YOLO)

Модуль комп'ютерного зору базується на PyTorch та бібліотеці Ultralytics (YOLO), що забезпечує точну детекцію об'єктів.

OpenCV

Для обробки відео використовується OpenCV.

Celery + Redis

Асинхронна обробка задач реалізована за допомогою Celery та Redis, що дозволяє розподіляти навантаження між обчислювальними вузлами.

MediaMTX

Для трансляції відео використовується MediaMTX.

React

Користувацький інтерфейс розроблений із використанням React.

7

8 of 10

Веб-застосунок

8

9 of 10

Веб-застосунок

9

10 of 10

Висновки та перспективи розвитку

Було спроєктовано та реалізовано вебсистему, що дозволяє виконувати аналіз відеопотоків із використанням сучасних методів комп'ютерного зору.

Система демонструє можливість автоматичного визначення параметрів руху об'єктів та надає зручні інструменти для роботи з аналітичними даними.

До основних переваг системи можна віднести гнучку архітектуру, підтримку різних джерел відео та можливість масштабування.

У майбутньому планується:

      • оптимізація швидкодії AI-модулів;
      • підтримка більшої кількості одночасних потоків;
      • покращення візуалізації даних;
      • розширення аналітичних можливостей системи.

10