Сьогодні міждисциплінарні дослідження в галузі комп’ютерних наук та інженерії стають все більш актуальними через зростаючу потребу обробляти дані в реальному часі для виявлення та відстеження об’єктів. Зокрема, ідентифікація параметрів динамічних об’єктів є критично важливою у таких сферах, як автономні транспортні системи, робототехніка, системи спостереження і моніторингу. Ефективне автоматичне отримання та обробка інформації з відеоджерел є перспективною галуззю для науковців і практиків, що працюють у суміжних областях. Метою цього дослідження є вдосконалення процесів виявлення та відстеження динамічних об’єктів шляхом розробки та впровадження інформаційної технології, заснованої на використанні сучасних методів машинного навчання, таких як DETR (Detection Transformer), оптичний потік та GeoNet. Методи дослідження включають розробку програмного забезпечення на основі мови програмування Python із застосуванням сучасних бібліотек та фреймворків для обробки зображень і відео. Для виявлення об'єктів було використано метод DETR, що дозволяє з високою точністю визначати положення об’єктів у кадрі. Оптичний потік застосовувався для визначення напряму та швидкості їх переміщення, а GeoNet — для аналізу глибини сцени та геометричних параметрів. Запропонована технологія була протестована на різних відеозаписах, які відображають складні сценарії з динамічними умовами, включаючи зміну освітлення, перекриття об’єктів та швидкі зміни руху. Результати дослідження показали високу точність і надійність запропонованого підходу для ідентифікації параметрів динамічних об’єктів у різних умовах. Поєднання методів дозволило суттєво підвищити точність і стійкість системи виявлення та відстеження, особливо в умовах зміни середовища або низької якості відеозаписів. Висновки дослідження вказують на ефективність використання запропонованої інформаційної технології для практичного застосування у сфері автономних систем, робототехніки та відеоспостереження.

Today, interdisciplinary research in computer science and engineering has become increasingly relevant due to the growing demand for real-time data processing in object detection and tracking applications. The identification of dynamic object parameters plays a crucial role in various domains such as autonomous transportation systems, robotics, and surveillance. Effective automated acquisition and processing of video data represent a promising field for scientists and practitioners working in these interconnected disciplines. This research aims to enhance object detection and tracking processes by developing and implementing an information technology solution based on modern machine learning methods, including DETR (Detection Transformer), Optical Flow, and GeoNet. The research methodology involves designing software using Python programming language and modern libraries and frameworks for image and video processing. The DETR method was employed for precise object detection within video frames, Optical Flow was used to determine the direction and velocity of object movement, and GeoNet provided depth and geometric scene analysis. The proposed technology was tested on diverse video recordings depicting complex scenarios with dynamic conditions, such as varying lighting, object occlusions, and rapid motion changes. The results demonstrate the high accuracy and reliability of the proposed approach for identifying dynamic object parameters under various conditions. The integration of these methods significantly improved the precision and robustness of the detection and tracking system, particularly in challenging environments or low-quality video scenarios. The study concludes that the proposed information technology is effective and can be applied in practical fields such as autonomous systems, robotics, and video surveillance.