ЖУРНАЛ СТА №2/2026

лей в диапазон (–1,0, +1,0) – всё это дела- лось для соответствия требованиям входного слоя сети MobileNet-SSD. По- стобработка включает реорганизацию данных, полученных от сети MobileNet- SSD, которые содержат ограничиваю- щие рамки, предсказывающие распо- ложение людей. Эта информация далее анализируется банком фильтров Кал- мана, прогнозирующим движения и возможные перекрытия объектов, что позволяет получить более точный и на- дёжный результат. Весь первый про- цесс полностью выполняется на цент- ральном процессоре (CPU) системы. Второй процесс – это непосредственно выполнение вывода нейронной сети. Он предназначен для работы на границе (edge) с использованием VPU, хотя также допускается его выполнение на CPU. После того как MobileNet-SSD завершает вывод, ограничивающие рамки сохра- няются в общий буфер. В соответствии с архитектурным решением, представ- ленным на рис. 2, использование таких компонентов, как VPU, позволяет одно- временно выполнять более одного вы- вода, обрабатывая несколько видеопо- токов параллельно. При использовании CPU количество одновременных выво- дов определяется вычислительноймощ- ностью процессора и числом его ядер. Обнаружение людей с использованиемMobileNet-SSD Для разработки была выбрана архи- тектура MobileNet, которая использует метод SSD для обнаружения объектов. Причин использования этой архитек- туры две: во-первых, требовалась бы- страя архитектура, которую можно бы- ло бы реализовать с выбранными алго- ритмами, такими как SSD; и, во-вторых, была критична требовательность к ре- сурсам, потому что устройства, исполь- зуемые в этом проекте, являются порта- тивными, и их оборудование не такое мощное, как у высокопроизводитель- ного ПК. По этой причине была выбра- на архитектура MobileNet, основной особенностью которой является ско- рость вычислений и использование типа свёрточных слоёв, позволяющих использовать меньше ресурсов. Эта архитектура снижает интенсивность обработки данных благодаря использо- ванию разделимых поэлементных и то- чечных свёрточных слоёв. Отслеживание людей с использованием банка фильтров Калмана Для отслеживания людей в данной си- стеме обнаружения использовались фильтры Калмана. Основные причины использования этого типа фильтров: устойчивость к перекрытиям и низкая вычислительная стоимость фильтра. В рассматриваемой системе предполага- ется, что движение людей будет про- исходить с постоянной и линейной ско- ростью. Кривые зависимости предсказа- ния состояния и обновления состояния показаны на рис. 3, а числовые данные – в табл. 1. Эти зависимости отслеживания одного человека с помощью фильтра Калмана представлены на фото рис. 3 в виде рамки, выделяющей объект. Та- ким образом, для каждого обнаружения, выполненного на MobileNet-SSD, фильтр Калмана будет отслеживать каждый объект в виде ограничивающих рамок обнаруженных объектов. Для распараллеливания каждого из элементов, составляющих систему, ис- СТА 2/2026 49 www.cta.ru ОБ ЗОРЫ Рис. 2. Поток данных и многопоточная обработка Рис. 3. Полнота и точность распознавания объектов различных нейросетей Процесс анализа данных Камеры Положение и количество людей Отслеживание и подсчёт Предобработка изображения Буфер предобработки (изображение 300х300) Буфер ограничивающих рамок Процесс вывода Системное приложение MobileNet-SSD Светофор Дорожный знак Светофор Дорожный знак Человек Человек Велосипед Человек Человек Автомобиль 0,0 0,0 0,2 0,4 0,6 0,8 1,0 0,2 0,4 0,6 0,8 1,0 Recall Precision YOLOv3 YOLO-Depth DROM (Depth) ACF (RGB) PLC-MUNARO (RGB-Depth) Mobile-SSD (Kalman)