doi: 10.17586/2226-1494-2025-25-2-253-260


УДК 004.032.26

Разработка файловой системы для хранения данных интеллектуальной системы видеонаблюдения 

Субботин А.Н., Жукова Н.А.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования:
Субботин А.Н., Жукова Н.А. Разработка файловой системы для хранения данных интеллектуальной системы видеонаблюдения // Научно-технический вестник информационных технологий, механики и оптики. 2025. Т. 25, № 2. С. 253–260. doi: 10.17586/2226-1494-2025-25-2-253-260


Аннотация
Введение. Рассмотрена проблема создания файловой системы с характеристиками, отличными от универсальных, для хранения данных интеллектуальных систем видеонаблюдения. Доступ к файловой системе является определяющим фактором, от которого зависит быстродействие всей системы. Cкорость выполнения операций с данными определяется не только быстротой работы шины данных и наличием современного процессора, но и драйвером доступа к жесткому диску, который может ограничивать возможности системы выполнять основные функции: наблюдение, анализ изображений, определение образов и событий. Существует потребность в использовании более производительного сервера, что требует дополнительных материальных затрат, в разработке специализированной файловой системы для повышения скорости записи и чтения с жесткого диска. Использование специализированной файловой системы, ориентированной на решение одной или ограниченного числа задач, может значительно повысить скорость работы системы при использовании серверов с одинаковыми техническими характеристиками. В интеллектуальных системах видеонаблюдения применение специализированной файловой системы может обеспечить повышение скорости обработки изображений и точности определения объектов в видеопотоке благодаря повышению скорости записи и чтения данных с диска. Анализ существующих файловых систем показал, что имеющиеся решения не позволяют обеспечить требуемую скорость работы с данными в интеллектуальных системах видеонаблюдения при наличии ограничений на количество и мощность используемых технических средств. Предложена специализированная файловая система для хранения данных систем интеллектуального видеонаблюдения. Метод. Разработана файловая система с описанием, ориентированная на решение задачи хранения данных в системах интеллектуального наблюдения. Используемая база данных обладает функциями чтения, поиска, записи и обновления структурированных данных, размещенных в ее таблицах. База данных оптимизирована для работы с данными интеллектуальных систем видеонаблюдения, имеет ограниченную размерность столбцов, задаваемую в соответствии с размещаемыми в ней сущностями. Особенность база данных состоит в том, что она постоянно находится в оперативной памяти, синхронизация данных с жестким диском выполняется через заданный интервал времени. Примененная база данных, подобно Redis, работает значительно быстрее традиционных. Разработанный драйвер действует напрямую с жестким диском, не использует функции операционной системы, что повышает скорость работы с данными. Основные результаты. Сравнение скорости записи и чтения данных при использовании разработанного и существующих универсальных драйверов показало, что применение нового драйвера позволяет повысить скорость записи и чтения на 43,4 % относительно New Technology File System (NTFS). Обсуждение. В рамках проведенного исследования выполнена разработка файловой системы для интеллектуальных систем видеонаблюдения. Отмечено, что подобные специализированные файловые системы могут разрабатываться для применения в других областях, где требуется повысить скорость (снизить время) записи и чтения данных с диска.

Ключевые слова: файловая система, интеллектуальная система видеонаблюдения, хранение данных, взаимодействие с объектной базой данных, снижение времени доступа к данным, база данных

Благодарности. Исследование выполнено при финансовой поддержке государственного бюджета, номер проекта № FFZF-2025-0019.

Список литературы
1. Avhad A.R., Gangad P.S., Kharote S.M., Muntode S.S., Sanap M.D. Blockchain based secure file transfer system with password protection // International Journal of Advanced Research in Science, Communication and Technology (IJARSCT). 2024. V. 4. N 2. P. 299–303. https://doi.org/10.48175/ijarsct-19651
2. Panjuta D., Jabbarzadeh J. C# File System // Learning C# Through Small Projects. Springer, 2024. P. 167–198. https://doi.org/10.1007/978-3-031-51914-7_6
3. Needhi J., Prasath R., Vikram K.K., Vishnu G. Performance optimization of voice-assisted file management systems // International Journal of Engineering and Computer Science. 2024. V. 13. N 7. P. 26250–26256. https://doi.org/10.18535/ijecs/v13i07.4854
4. Cho K., Bahn H. A lightweight file system design for unikernel // Applied Sciences. 2024 V. 14. N 8. P. 3342. https://doi.org/10.3390/app14083342
5. Gui J., Wang Y., Shuai W. Improving reading performance by file prefetching mechanism in distributed cache systems // Concurrency and Computation: Practice and Experience. 2024. V.  6. N 22. P. e8215 https://doi.org/10.1002/cpe.8215
6. Yuliana M., Hidayah N., Sudarsono A. Implementation of Web-Based file sharing security system // MOTIVECTION: Journal of Mechanical, Electrical and Industrial Engineering. 2024. V. 6. N 1. P. 41–52. https://doi.org/10.46574/motivection.v6i1.314
7. Man T., Osipov V. Yu., Zhukova N., Subbotin A., Ignatov D. Neural networks for intelligent multilevel control of artificial and natural objects based on data fusion: A survey // Information Fusion. 2024. V. 110. P. 102427. https://doi.org/10.1016/j.inffus.2024.102427
8. Man T., Vodyaho A., Zhukova N., Subbotin A., Shichkina Y. Urban intelligent assistant on the example of the escalator passenger safety management at the subway stations // Scientific Reports. 2023. V. 13. N 1. P. 15914. https://doi.org/10.1038/s41598-023-42535-x
9. Osipov V., Zhukova N., Subbotin A., Glebovskiy P., Evnevich E. Intelligent escalator passenger safety management // Scientific Reports. 2022. V. 12. N 1. P. 5506. https://doi.org/10.1038/s41598-022-09498-x
10. Cowan D.D., Stepien T.M., Ierusalimschy R., Lucena C.J.P. Application integration: Constructing composite applications from interactive components // Software: Practice and Experience. 1993. V. 23. N 3. P. 255–275. https://doi.org/10.1002/spe.4380230304
11. Sudharsan S. Sakthi Anand A., Shanmugaraj K., Palani Samy K.C. Deep learning-based intelligent video surveillance system for real-time motion detection // International Scientific Journal of Engineering and Management. 2024. V. 3. N 4. P. 1–10. https://doi.org/10.55041/ISJEM01492
12. Li J., Zheng Z., Li Y., Ma R., Xia S. Multitask deep learning for Edge Intelligence Video Surveillance system // Proc. of the IEEE 18th International Conference on Industrial Informatics (INDIN). 2020. P. 579–584. https://doi.org/10.1109/INDIN45582.2020.9442166
13. Жукова Н.А., Субботин А.Н. Алгоритм динамического распределения обработки изображений в облачных системах интеллектуального видеонаблюдения // Информационно-управляющие системы. 2024. № 6 (133). С. 15–26. https://doi.org/10.31799/1684-8853-2024-6-15-26
14. Bhatia J., Patel T., Trivedi H., Majmudar V. Htv dynamic load balancing algorithm for virtual machine instances in cloud // Proc. of the International Symposium on Cloud and Services Computing. 2012. P. 15–20. https://doi.org/10.1109/ISCOS.2012.25
15. Rahm E., Do H.H. Data cleaning: problems and current approaches // Bulletin of the IEEE Computer Society Technical Committee on Data Engineering. 2000. V. 23. N 4. P. 3–13
16. Saecker M., Markl V. Big data analytics on modern hardware architectures: a technology survey // Lecture Notes in Business Information Processing. 2013. V. 138, P. 125–149. https://doi.org/10.1007/978-3-642-36318-4_6
 
 
 



Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2025 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика