Руководство системного администратора

Данное руководство содержит перечень указаний, которые необходимо выполнить для введения разработанного программного комплекса в эксплуатацию.

К серверу, на котором планируется запуск и работа алгоритма распознавания, предъявляются следующие системные требования:

- операционная система Windows Server/XP/Vista/7/8/8.1;

- 32-разрядный (x86) или 64-разрядный (x64) процессор с тактовой частотой 1 ГГц или выше;

- 2 Гб или больше оперативной памяти (ОЗУ);

- 1 Гб свободного места на жестком диске;

- монитор и видеоадаптер;

- подключение к сети;

- клавиатура, мышь или другие совместимые устройства ввода.

К мобильному устройству, на котором планируется запуск и работа приложения, предъявляются следующие системные требования:

- операционная система Android версии 4.0 или выше;

- камера с качеством не менее 5 млн пикс;

- 5 Мб свободного места на жестком диске устройства;

- Wi-Fi интерфейс.

 

 

Научная новизна и практическая значимость работы

Разработано оригинальное программно техническое решение в виде комплекса клиент серверного приложения, состоящего из отдельного сервера, основными задачами которого являются распознавание изображений знаков безопасности и отправка результатов клиентскому приложению, и клиентского приложения, основная задача которого состоит в предоставлении информации об экспонатах в интерактивном виде.

Данное программное решение имеет практическую значимость. Разработан промышленный образец. Оценены основные характеристики: точность распознавания, быстродействие алгоритма, возможные погрешности.

К научным достижениям относится исследование работы метода "Bag of features" на сложных объектах (ёлочных игрушках). Основной особенностю является анализ применимости различных дескрипторов для метода особых точек.

В целом, разработаное программное обеспечение имеет как практическую, так и научную значимость.

 

 

Заключение

Выполнен обзор и анализ современных мультимедийных технологий применимых для описания экспонатов в музее «Фабрика знаков безопасности». Сделан вывод о том, что в качестве средства для мультимедийного описания будет использовано мобильное устройство с установленным программным обеспечением, которое распознаёт изображения знаков безопасности и выводит их описание на экран.

Проведен анализ применимости математических методов обработки изображений с целью распознавания фотографий знаков безопасности. Предлагается использовать методики на основе выделения особых точек, а в качестве алгоритма предлагается использовать «Bag of features».

Проведен обзор и анализ имеющихся програмно технических решений для распознавания знаков безопасности. Предлагается использовать пакет расширения системы матлаб - библиотеку имадж процесс тулбокс. Сформулирована постановка задачи, уточнены основные задачи, требующие решения.

Разработана модель интерактивного описания экспонатов. Предложено использовать клиент серверную архитектуру. Описаны основные шаги, необходимые для получения информации об экспонате.

Выполнена разработка алгоритма распознавания изображений знаков безопасности на базе алгоритма «Bag of features», описаны основные его шаги. Отмечены основные особенности работы алгоритма. Показано, что качество работы алгоритма во многом определяется дескрипторами. В качестве дескриптора предлагается использовать поверхностный SURF.

Проведено обоснование выбора инструментальных средств для реализации программного комплекса. В качестве модуля распознавания предлагается использовать алгоритм на основе “Bag of features”, реализованный в библиотеке Image Processing Toolbox, входящей в состав среды Matlab. В качестве серверного обеспечения предлагается использовать веб сервис Denwer. Для общения между сервером и клиентом предлагается использовать PHP-скрипты. В качестве клиентского обеспечения предлагается использовать мобильное приложение, написанное для платформы Android.

Описана структура разрабатываемого программного комплекса. Показаны ключевые особенности формирования обучающей выборки. Приводится описание основных алгоритмов работы ПО. Показано, что скорость работы приложения во многом определяется технологиями и аппаратным обеспечением.

Выполнено тесторование ПО, в результате чего выявлены зависимости скорости и точности распознавания от объёма обучающей выборки.