ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ СИСТЕМ ВІДЕОСПОСТЕРЕЖЕННЯ ЗА РАХУНОК ГІБРИДНОГО МЕТОДУ ВІДБОРУ КЛЮЧОВИХ КАДРІВ І ІНТЕРПРЕТАЦІЇ РІШЕНЬ

DOI: 10.31673/2412-4338.2025.038710

Анотація

Сучасні системи відеоспостереження генерують значні обсяги даних, що ускладнює їх ефективний аналіз у реальному часі. Існуючі методи автоматичного виявлення аномалій часто є обчислювальновимогливими та працюють за принципом "чорного ящика", що обмежує їх практичне застосування у критично важливих сферах, таких як охорона громадського порядку та публічна безпека. У цій статті запропоновано новий комбінований підхід, що вирішує дві ключові проблеми: неефективну обробку надлишкових даних та недостатню прозорість роботи алгоритмів штучного інтелекту. Метидика базується на поєднанні інноваційного методу відбору інформативних кадрів з подальшою їх обробкою інтерпретованою моделлю детекції. Перший етап передбачає оптимізацію вибору ознак за допомогою гібридного алгоритму, що поєднує згорткову нейромережу InceptionV3 з генетичним алгоритмом, що дозволяє зменшити обсяг даних на 70-85% зі збереженням показника повноти на рівні 98%. Другий етап забезпечує не лише класифікацію аномалій, але й генерацію зрозумілих для людини пояснень шляхом інтеграції методів пояснюваного ШІ (XAI), зокрема GradCAM та керованого зворотного поширення. Експериментальна перевірка на стандартних наборах даних демонструє переваги запропонованого підходу порівняно з сучасними аналогами. Отримані результати свідчать про можливість покращення точності класифікації на 3-5% при одночасному зменшенні обчислювального навантаження. Крім того, система надає візуальні пояснення прийнятих рішень у вигляді теплових карт, що підвищує довіру до її роботи. Запропонований підхід відкриває перспективи для впровадження ефективних систем відеомоніторингу у реальному часі з функцією обґрунтування прийнятих рішень.

Ключові слова: відеоспостереження, інформаційні системи, генетичний алгоритм, штучний інтелект, моделювання, згорткові нейронні мережі, обробка відеоданих, комп'ютерний зір