ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ «Р-ВИЗОР»

Описание функциональных характеристик экземпляра программного обеспечения, предоставленного для проведения экспертной проверки

г. Владивосток

2026

Описание 

Данный документ содержит описание функциональных характеристик экземпляра программного обеспечения «Р-Визор», предоставленного для проведения экспертной проверки.
«Р-Визор» — система видеоаналитики на базе технологий машинного зрения, предназначенная для автоматизированной идентификации объектов, распознавания их атрибутов и определения состояния объектов на основе анализа видеопотока в режиме реального времени.




1 Общие положения 
1.1 Программное обеспечение «Р-Визор» разработано ООО «Робис»
и представляет собой серверное прикладное программное обеспечение, главная страница интерфейсной клиентской части представлена на рисунке 1.

Рисунок 1 – Главная страница «Р-Визор»

1.2 Функционально программное обеспечение обеспечивает:
- прием RTSP-видеопотока;
- загрузку видеофайлов через web-интерфейс;
- анализ видеокадров в режиме, близком к реальному времени;
- распознавание объектов и их атрибутов с использованием моделей компьютерного зрения;
- формирование результирующего HLS-видеопотока;
- предоставление данных через web-интерфейс и HTTP API.
1.3 Программное обеспечение предназначено для автоматизированной обработки видеоданных, поступающих из RTSP-видеопотока или из загруженного видеофайла, с целью:
- обнаружения объектов типа вагон;
- классификации состояния вагона;
- выделения области с номером вагона;
- распознавания номера вагона средствами OCR;
- ведения внутреннего учета обнаруженных объектов;
- формирования результирующего видеопотока с графической разметкой;
- предоставления результатов обработки через HTTP API и HLS.
Программное обеспечение может применяться в составе систем видеомониторинга, систем промышленной автоматизации, аналитических комплексов транспортной инфраструктуры, а также в иных решениях, требующих автоматизированного анализа видеоданных.


2 Технические требования 
2.1 Минимальная конфигурация:
- процессор с архитектурой x86_64, 4 вычислительных ядра;
- оперативная память не менее 8 ГБ;
- свободное место на накопителе не менее 20 ГБ;
- сетевой интерфейс с доступом к локальной сети и/или сети Интернет для приема RTSP-видеопотока и доступа к веб-интерфейсу;
- монитор и устройства ввода для выполнения настройки и администрирования.
2.2 Рекомендуемая конфигурация:
- процессор с архитектурой x86_64, 8 и более вычислительных ядер;
- оперативная память 16 ГБ и более;
- твердотельный накопитель SSD со свободным объемом более 50 ГБ;
- графический процессор NVIDIA с поддержкой CUDA для ускорения работы моделей компьютерного зрения и OCR;
- видеопамять GPU не менее 6 ГБ.

3 Используемые языки программирования 
3.1 Экземпляр программного обеспечения реализован на языке программирования Python 3.11.

4 Функциональные характеристики 
4.1 Функциональное назначение программного обеспечения заключается в автоматизированной обработке видеопотока в режиме, приближенном к реальному времени, с целью выделения и анализа вагонов на изображении, определения их состояния, распознавания номеров и предоставления результатов пользователю и внешним системам.
Программное обеспечение обеспечивает:
- прием видеоданных из различных источников;
- запуск конвейера компьютерного зрения;
- формирование промежуточных и итоговых результатов обработки;
- публикацию результатов в стандартизированных формах доступа.
4.2 Программное обеспечение решает следующие задачи:
- прием RTSP-видеопотока по сети;
- прием и обработка пользовательского видеофайла;
- обнаружение объектов класса «вагон» на кадре;
- классификация состояния вагона;
- выделение области, содержащей номер вагона;
- оптическое распознавание символов в области номера;
- накопление и уточнение результатов распознавания по истории наблюдений;
- отслеживание обнаруженных объектов между кадрами;
- построение аннотированного видеоряда;
- преобразование обработанного видеоряда в HLS-поток;
- предоставление табличных результатов обработки через HTTP API;
4.3 Основные функции программного обеспечения:
- выбор и переключение источника видеоданных;
- загрузка пользовательского видеофайла;
- прием RTSP-ссылки через HTTP API;
- обработка видеокадров с использованием нейросетевых моделей;
- определение статуса вагона;
- распознавание цифрового номера вагона;
- кэширование и повторное использование результатов между итерациями обработки;
- отслеживание объектов по положению на последовательности кадров;
- формирование HLS-плейлиста и HLS-сегментов;
- публикация статического пользовательского интерфейса;
- предоставление JSON-ответов с результатами работы;

5 Используемые технические средства и дополнительное программное обеспечение 
5.1 Для работы экземпляра программного обеспечения используются следующие технические средства и дополнительное программное обеспечение:
- вычислительное средство под управлением Linux или Windows;
- Docker для развертывания экземпляра в контейнере;
- файловая система для хранения загруженных видеофайлов.
Программное обеспечение использует ресурсоемкие операции обработки видео, в связи с чем основные затрачиваемые ресурсы включают:
- процессорное время на декодирование и обработку видеокадров;
- оперативную память для хранения моделей, кадров и результатов обработки;
- дисковое пространство для загруженных файлов и HLS-сегментов;
При эксплуатации на центральном процессоре программное обеспечение сохраняет работоспособность, однако производительность обработки может быть ниже.


6 Входные данные 
6.1 Видеоданные:
- RTSP-ссылка на сетевой видеопоток;
- видеофайл, загружаемый пользователем через HTTP API. Рекомендуемый формат MP4.


7 Выходные данные 
7.1 Аннотированный видеопоток. Результатом работы является обработанный видеопоток, содержащий:
- графические рамки вокруг обнаруженных вагонов;
- цветовую индикацию состояния вагона;
- выделение области с номером вагона.
Результирующий видеопоток публикуется в формате HLS.
7.2 Табличные данные. Через HTTP API формируются табличные данные в формате JSON, включающие:
- распознанный номер вагона;
- статус вагона;
- длительность нахождения объекта в зоне наблюдения.
7.3 В результате работы программное обеспечение могут создаваться в рамках запущенного экземпляра Docker-образа следующие файлы:
- загруженные видеофайлы;
- HLS-плейлист;
- HLS-сегменты;