Abstract
<jats:p>Визначення положення людини в обмеженому просторі в реальному часі є значною проблемою з двох основних причин. По-перше, глобальні навігаційні супутникові системи, такі як GPS, не можуть використовуватися в приміщеннях для точного позиціювання через затухання сигналу, відсутність прямої видимості та багатопроменеву інтерференцію. По-друге, альтернативні технології, такі як Bluetooth або Ultra-Wideband, можуть бути використані для вирішення проблеми, але вимагають інвестицій у додаткову інфраструктуру, наприклад, розумні маячки та приймачі. Розробка системи, що вирішує цю проблему з використанням наявної у сучасній будівлі інфрастуктури, такої як камери відеоспостереження, а також працює на мікрокомп’ютері, такому як NVIDIA Jetson Nano, є актуальною. У статті описано розроблену комп’ютерну систему на базі одноплатного мікрокомп’ютера NVIDIA Jetson Nano з підключеною USB-камерою. Програмне забезпечення реалізовано мовою Python з використанням наступних бібліотек: OpenCV (з підтримкою CUDA) для обробки відеопотоку, Qt для графічного інтерфейсу та Shapely для геометричних обчислень. Для виявлення людей використано оптимізовану модель згорткової нейронної мережі YOLOv4-tiny. Алгоритм позиціювання базується на визначенні центральної точки нижньої грані обмежувальної рамки навколо виявленої людини та її подальшому перспективному перетворенні на площину підлоги за допомогою матриці гомографії. Експерименти показали, що розроблена система досягає швидкості обробки в реальному часі на рівні 16 кадрів на секунду, споживаючи 745 МБ пам’яті. Середня похибка визначення координат людини в різних сценаріях (переднє положення, положення спиною, часткове перекриття) становить 26 см. Результати підтверджують ефективність використання «легких» нейронних мереж у поєднанні з методами геометричних перетворень для задачі локалізації людини на пристроях з обмеженими ресурсами. Швидкість і точність розробленої системи є достатніми для більшості практичних застосувань.</jats:p>