Алгоритмічно-програмні аспекти граничної відеоаналітики: від теорії до практичного впровадження
This article presents a comprehensive analysis of algorithmic and software transformations in video analytics under the influence of edge computing and establishes a methodological foundation for developing autonomous visual intelligence systems. The research investigates the evolutionary developmen...
Saved in:
| Date: | 2025 |
|---|---|
| Main Author: | |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine
2025
|
| Subjects: | |
| Online Access: | https://jais.net.ua/index.php/files/article/view/528 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Problems of Control and Informatics |
Institution
Problems of Control and Informatics| id |
oai:ojs2.jais.net.ua:article-528 |
|---|---|
| record_format |
ojs |
| institution |
Problems of Control and Informatics |
| baseUrl_str |
|
| datestamp_date |
2025-10-22T12:28:31Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
граничні обчислення відеоаналітика комп’ютерний зір розподілена інтелектуальність федеративне навчання оптимізація моделей автономні системи |
| spellingShingle |
граничні обчислення відеоаналітика комп’ютерний зір розподілена інтелектуальність федеративне навчання оптимізація моделей автономні системи Golovin, Oleksandr Алгоритмічно-програмні аспекти граничної відеоаналітики: від теорії до практичного впровадження |
| topic_facet |
граничні обчислення відеоаналітика комп’ютерний зір розподілена інтелектуальність федеративне навчання оптимізація моделей автономні системи edge computing video analytics computer vision distributed intelligence federated learning model optimization autonomous systems |
| format |
Article |
| author |
Golovin, Oleksandr |
| author_facet |
Golovin, Oleksandr |
| author_sort |
Golovin, Oleksandr |
| title |
Алгоритмічно-програмні аспекти граничної відеоаналітики: від теорії до практичного впровадження |
| title_short |
Алгоритмічно-програмні аспекти граничної відеоаналітики: від теорії до практичного впровадження |
| title_full |
Алгоритмічно-програмні аспекти граничної відеоаналітики: від теорії до практичного впровадження |
| title_fullStr |
Алгоритмічно-програмні аспекти граничної відеоаналітики: від теорії до практичного впровадження |
| title_full_unstemmed |
Алгоритмічно-програмні аспекти граничної відеоаналітики: від теорії до практичного впровадження |
| title_sort |
алгоритмічно-програмні аспекти граничної відеоаналітики: від теорії до практичного впровадження |
| title_alt |
Algorithmic and software aspects of edge video analytics: from theory to practice |
| description |
This article presents a comprehensive analysis of algorithmic and software transformations in video analytics under the influence of edge computing and establishes a methodological foundation for developing autonomous visual intelligence systems. The research investigates the evolutionary development of video analytical technologies from basic motion detection of the first generation to fourth-generation edge-optimized artificial intelligence, which achieved 100-fold computational acceleration while maintaining 95 % accuracy even after radical optimization. A systematic analysis of architectural changes is conducted — from centralized processing to distributed intelligence, including federated and hybrid approaches, enabling 95% reduction in network traffic and 70 % energy consumption savings. The study thoroughly examines algorithmic challenges of edge computing: quality degradation during model compression from 32- to 8-bit representation, temporal processing constraints with analytical window reduction from 10–30 to 1–3 seconds, complexity of distributed coordination of probabilistic computer vision results, and ensuring autonomy under edge device isolation conditions. Special attention is given to new algorithmic requirements for edge systems, including adaptive complexity with dynamic scaling from full-featured deep learning models to simplified detectors, continual learning without catastrophic forgetting, and robustness to visual anomalies through adaptive preprocessing techniques. The research results form a conceptual foundation for developing autonomous, energy-efficient video analytical systems of the new generation, capable of functioning in distributed environments with limited resources while maintaining high analysis quality and ensuring data privacy. |
| publisher |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine |
| publishDate |
2025 |
| url |
https://jais.net.ua/index.php/files/article/view/528 |
| work_keys_str_mv |
AT golovinoleksandr algorithmicandsoftwareaspectsofedgevideoanalyticsfromtheorytopractice AT golovinoleksandr algoritmíčnoprogramníaspektigraničnoívídeoanalítikivídteoríídopraktičnogovprovadžennâ |
| first_indexed |
2025-10-30T02:49:20Z |
| last_indexed |
2025-10-30T02:49:20Z |
| _version_ |
1847373395895779328 |
| spelling |
oai:ojs2.jais.net.ua:article-5282025-10-22T12:28:31Z Algorithmic and software aspects of edge video analytics: from theory to practice Алгоритмічно-програмні аспекти граничної відеоаналітики: від теорії до практичного впровадження Golovin, Oleksandr граничні обчислення відеоаналітика комп’ютерний зір розподілена інтелектуальність федеративне навчання оптимізація моделей автономні системи edge computing video analytics computer vision distributed intelligence federated learning model optimization autonomous systems This article presents a comprehensive analysis of algorithmic and software transformations in video analytics under the influence of edge computing and establishes a methodological foundation for developing autonomous visual intelligence systems. The research investigates the evolutionary development of video analytical technologies from basic motion detection of the first generation to fourth-generation edge-optimized artificial intelligence, which achieved 100-fold computational acceleration while maintaining 95 % accuracy even after radical optimization. A systematic analysis of architectural changes is conducted — from centralized processing to distributed intelligence, including federated and hybrid approaches, enabling 95% reduction in network traffic and 70 % energy consumption savings. The study thoroughly examines algorithmic challenges of edge computing: quality degradation during model compression from 32- to 8-bit representation, temporal processing constraints with analytical window reduction from 10–30 to 1–3 seconds, complexity of distributed coordination of probabilistic computer vision results, and ensuring autonomy under edge device isolation conditions. Special attention is given to new algorithmic requirements for edge systems, including adaptive complexity with dynamic scaling from full-featured deep learning models to simplified detectors, continual learning without catastrophic forgetting, and robustness to visual anomalies through adaptive preprocessing techniques. The research results form a conceptual foundation for developing autonomous, energy-efficient video analytical systems of the new generation, capable of functioning in distributed environments with limited resources while maintaining high analysis quality and ensuring data privacy. Стаття присвячена комплексному аналізу алгоритмічно-програмних трансформацій відеоаналітики під впливом граничних обчислень та формуванню методологічної основи для розвитку автономних систем візуального інтелекту. Досліджено еволюційний розвиток відеоаналітичних технологій — від базової детекції руху першого покоління до edge-оптимізованого штучного інтелекту четвертого покоління, що забезпечує 100-кратне прискорення обчислень зі збереженням 95 % точності навіть після радикальної оптимізації. Проведено систематичний аналіз архітектурних змін — від централізованої обробки до розподіленої інтелектуальності, включно з федеративними та гібридними підходами, що дало змогу досягти 95 % зменшення мережевого трафіку та 70 % економії енергоспоживання. Детально розглянуто алгоритмічні проблеми граничних обчислень: погіршення якості в разі стиснення моделей від 32- до 8-бітного представлення; часові обмеження обробки з 10–30 до 1–3 с; складність розподіленої координації ймовірнісних результатів комп’ютерного зору; забезпечення автономності за умови ізоляції граничних пристроїв. Особливу увагу приділено новим алгоритмічним вимогам до граничних систем, таким як адаптивна складність з динамічним масштабуванням від повнофункціональних моделей глибокого навчання до спрощених детекторів; безперервне навчання без катастрофічного забування; стійкість до візуальних аномалій завдяки адаптивним технікам попередньої обробки. Результати дослідження формують концептуальну основу для розвитку автономних, енергоефективних відеоаналітичних систем нового покоління, здатних функціонувати в розподілених середовищах з обмеженими ресурсами зі збереженням високої точності аналізу та забезпеченням приватності даних. V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2025-08-20 Article Article application/pdf https://jais.net.ua/index.php/files/article/view/528 10.34229/1028-0979-2025-4-4 Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; Том 70 № 4 (2025): Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; 50-84 International Scientific Technical Journal "Problems of Control and Informatics; Том 70 № 4 (2025): International Scientific Technical Journal «Problems of Control and Informatics»; 50-84 International Scientific Technical Journal "Problems of Control and Informatics"; Vol. 70 No. 4 (2025): International Scientific Technical Journal «Problems of Control and Informatics»; 50-84 2786-6505 2786-6491 10.34229/1028-0979-2025-4 uk https://jais.net.ua/index.php/files/article/view/528/602 Copyright (c) 2025 Oleksandr Golovin https://creativecommons.org/licenses/by-nc-nd/4.0 |