FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W4387496627> ?p ?o ?g. }

• W4387496627 abstract "Существующая система мониторинга транспортного движения аккумулирует большое количество данных и применяет алгоритмы для обработки полученных фото и видеоизображений через камеры. Эти данные используются для регулирования транспортных потоков, распознавания государственных номеров автомобилей и фиксации дорожно-транспортных происшествий. Собранные данные традиционно отправляются в центр обработки данных (ЦОД) для проведения углубленного анализа и после отправляются оператору. Таким образом, большое количество поступающих данных в ЦОД и центр мониторинга транспортного движения понижают пропускную способность сети, оказывая негативное воздействие на скорость принятия решения оператором. Для решения проблемы предлагается использовать парадигму граничных вычислений посредством размещения вычислительных узлов в близости от камер и проведения предобработки данных на граничных устройствах. В качестве граничного устройства, в статье рассматривается Raspberry Pi, а также алгоритмы компьютерного зрения для предварительной обработки данных на граничных узлах и процесс передачи данных в ЦОД с последующим оперативным принятием решения оператором. Полагаем, что применение парадигмы граничных вычислений будет способствовать оптимизации трафика сети и разгрузке вычислительных мощностей ЦОД. Ключевые слова: интернет вещи, граничные вычисления, видео аналитика, цифровая обработка изображений, Raspberry pi, сетевые технологий. Қазіргі трафикті бақылау жүйесі деректердің үлкен көлемін жинақтайды және камералар арқылы алынған фото және бейне кескіндерді өңдеу алгоритмдерін қолданады. Бұл деректер көлік ағындарын реттеу, нөмірлерді тану және жол-көлік оқиғаларын тіркеу үшін пайдаланылады. Жиналған деректер дәстүрлі түрде өңдеу, терең талдау үшін деректер орталықтарына жіберіледі, содан кейін операторға жіберіледі. Осылайша, дата орталықтары мен трафикті бақылау орталығына түсетін деректердің үлкен көлемі желі өткізу қабілетін төмендетеді және оператордың шешім қабылдау жылдамдығына кері әсерін тигізеді. Бұл мәселені шешу үшін есептеуіш түйіндерді камералардың тікелей маңайында орналастыру және шеткі құрылғыларда деректерді алдын ала өңдеуді жүргізу арқылы шеттік есептеу парадигмасын пайдалану ұсынылады. Шектік құрылғы ретінде мақалада Raspberry Pi, сондай-ақ шеткі түйіндердегі деректерді алдын ала өңдеуге арналған компьютерлік көру алгоритмдері және оператордың кейіннен операциялық шешімдер қабылдауымен деректерді деректер орталықтарына беру процесі қарастырылады. Біз шеткі есептеу парадигмасын пайдалану желілік трафикті оңтайландыруға және деректер орталығының есептеу қуатын түсіруге көмектеседі деп сенеміз. Түйiн сөздер: заттар интернеті, шеткі есептеулер, бейне аналитика, сандық бейнелеу, Raspberry pi, желілік технологиялар. The present traffic monitoring system gathers a lot of data and uses algorithms to interpret images captured by cameras. These information are used to control traffic flow, identify license plates, and keep track of traffic accidents. Traditionally, the collected data are routed to data centers for processing and analysis before being delivered back to the operator. As a result, a lot of data going into the data center and traffic monitoring center limits network capacity and slows down the operator's ability to make decisions quickly. We suggested using the edge computing paradigm to address this issue by positioning edge nodes close to the cameras and doing data preprocessing on edge devices. As an edge device, the article considers the Raspberry Pi, as well as computer vision algorithms for pre-processing data at edge nodes and the process of transferring data to data centers with subsequent operational decision making by the operator. We believe that the use of the edge computing paradigm will help optimize network traffic and offload the computing power of the data center. Keywords: Internet of Things, edge computing, video analytic, Raspberry Pi, image processing, network technologies." @default.
• W4387496627 created "2023-10-11" @default.
• W4387496627 creator A5093032906 @default.
• W4387496627 date "2023-09-25" @default.
• W4387496627 modified "2023-10-12" @default.
• W4387496627 title "ШЕКАРАЛЫҚ ЕСЕПТЕР НЕГІЗІНДЕГІ АВТОМОБИЛЬДІҢ МЕМЛЕКЕТТІК НӨМЕРІН ТАНУДЫҢ ЗИЯЛДЫ ЖҮЙЕСІ" @default.
• W4387496627 doi "https://doi.org/10.51889/7032.2022.73.24.028" @default.
• W4387496627 hasPublicationYear "2023" @default.
• W4387496627 type Work @default.
• W4387496627 citedByCount "0" @default.
• W4387496627 crossrefType "journal-article" @default.
• W4387496627 hasAuthorship W4387496627A5093032906 @default.
• W4387496627 hasBestOaLocation W43874966271 @default.
• W4387496627 hasConcept C104317684 @default.
• W4387496627 hasConcept C111919701 @default.
• W4387496627 hasConcept C138236772 @default.
• W4387496627 hasConcept C138827492 @default.
• W4387496627 hasConcept C149635348 @default.
• W4387496627 hasConcept C154945302 @default.
• W4387496627 hasConcept C158448853 @default.
• W4387496627 hasConcept C162307627 @default.
• W4387496627 hasConcept C17020691 @default.
• W4387496627 hasConcept C185592680 @default.
• W4387496627 hasConcept C2778456923 @default.
• W4387496627 hasConcept C2780560020 @default.
• W4387496627 hasConcept C2985745059 @default.
• W4387496627 hasConcept C34736171 @default.
• W4387496627 hasConcept C41008148 @default.
• W4387496627 hasConcept C55493867 @default.
• W4387496627 hasConcept C77088390 @default.
• W4387496627 hasConcept C79403827 @default.
• W4387496627 hasConcept C79974875 @default.
• W4387496627 hasConcept C81860439 @default.
• W4387496627 hasConcept C86339819 @default.
• W4387496627 hasConcept C98045186 @default.
• W4387496627 hasConceptScore W4387496627C104317684 @default.
• W4387496627 hasConceptScore W4387496627C111919701 @default.
• W4387496627 hasConceptScore W4387496627C138236772 @default.
• W4387496627 hasConceptScore W4387496627C138827492 @default.
• W4387496627 hasConceptScore W4387496627C149635348 @default.
• W4387496627 hasConceptScore W4387496627C154945302 @default.
• W4387496627 hasConceptScore W4387496627C158448853 @default.
• W4387496627 hasConceptScore W4387496627C162307627 @default.
• W4387496627 hasConceptScore W4387496627C17020691 @default.
• W4387496627 hasConceptScore W4387496627C185592680 @default.
• W4387496627 hasConceptScore W4387496627C2778456923 @default.
• W4387496627 hasConceptScore W4387496627C2780560020 @default.
• W4387496627 hasConceptScore W4387496627C2985745059 @default.
• W4387496627 hasConceptScore W4387496627C34736171 @default.
• W4387496627 hasConceptScore W4387496627C41008148 @default.
• W4387496627 hasConceptScore W4387496627C55493867 @default.
• W4387496627 hasConceptScore W4387496627C77088390 @default.
• W4387496627 hasConceptScore W4387496627C79403827 @default.
• W4387496627 hasConceptScore W4387496627C79974875 @default.
• W4387496627 hasConceptScore W4387496627C81860439 @default.
• W4387496627 hasConceptScore W4387496627C86339819 @default.
• W4387496627 hasConceptScore W4387496627C98045186 @default.
• W4387496627 hasIssue "3(2022)" @default.
• W4387496627 hasLocation W43874966271 @default.
• W4387496627 hasOpenAccess W4387496627 @default.
• W4387496627 hasPrimaryLocation W43874966271 @default.
• W4387496627 hasRelatedWork W3111395152 @default.
• W4387496627 hasRelatedWork W3216099748 @default.
• W4387496627 hasRelatedWork W4205963435 @default.
• W4387496627 hasRelatedWork W4238233472 @default.
• W4387496627 hasRelatedWork W4312996489 @default.
• W4387496627 hasRelatedWork W4313463218 @default.
• W4387496627 hasRelatedWork W4313526662 @default.
• W4387496627 hasRelatedWork W4319161913 @default.
• W4387496627 hasRelatedWork W4322761281 @default.
• W4387496627 hasRelatedWork W3106131444 @default.
• W4387496627 hasVolume "79" @default.
• W4387496627 isParatext "false" @default.
• W4387496627 isRetracted "false" @default.
• W4387496627 workType "article" @default.