Алгоритмы обнаружения объектов контроля для систем видеонаблюдения при взаимном перемещении объекта и видеокамеры

  • Автор:
  • Специальность ВАК РФ: 05.12.04
  • Научная степень: Кандидатская
  • Год защиты: 2011
  • Место защиты: Самара
  • Количество страниц: 150 с. : ил.
  • бесплатно скачать автореферат
  • Стоимость: 250 руб.
Титульный лист Алгоритмы обнаружения объектов контроля для систем видеонаблюдения при взаимном перемещении объекта и видеокамеры
Оглавление Алгоритмы обнаружения объектов контроля для систем видеонаблюдения при взаимном перемещении объекта и видеокамеры
Содержание Алгоритмы обнаружения объектов контроля для систем видеонаблюдения при взаимном перемещении объекта и видеокамеры
СОДЕРЖАНИЕ
Введение 4
Глава 1 Обзор методов и алгоритмов обнаружения объектов контроля в системах видеонаблюдения
1.1 Обнаружение объектов контроля с использованием изображения фона для неподвижных систем видеонаблюдения
1.2 Обнаружение объектов контроля с предварительной оценкой плотности распределения яркости элементов видеоизображения
1.3 Эвристические методы обнаружения объектов контроля
1.4 Обнаружение объектов контроля для движущихся систем
видеонаблюдения
Выводы по Главе
Глава 2 Методика решения задач обнаружения объекта контроля на видеоизображении
2.1 Постановка задачи обнаружения объектов контроля
2.2 Распределение яркости фона и объекта контроля в элементе изображения
2.3 Модель видеоизображения фона и движущихся объектов контроля на основе статистических характеристик их изображений
2.4 Математическая модель видеоизображения фона и движущихся объектов контроля в условиях изменяющейся освещенности
2.5 Постановка задачи обнаружения объекта контроля для движущихся
систем видеонаблюдения
Выводы по Главе 2
Глава 3 Алгоритмы обнаружение объектов контроля
3.1 Двухэтапный алгоритм обнаружения/ т объектов контроля при изменяющейся освещенности
3.2 Трехэтапный алгоритм обнаружения ' объектов контроля при изменяющейся освещенности

3.3 Реализация алгоритма
3.4 Алгоритмы обнаружения неподвижного объекта контроля при съемке движущейся видеокамерой
3.5 Определение мощности шума
Выводы по Главе
Глава 4 Экспериментальная проверка разработанных алгоритмов обнаружения объектов контроля
4.1 Эффективность разработанного алгоритма при оценивании яркости фона
4.2 Сравнение разработанного трехэтапного алгоритма с существующими
4.3 Результаты экспериментальной проверки разработанных алгоритмов
обнаружения объектов контроля при изменениях освещенности
4.4 Результаты обнаружения объектов контроля на видеоизображениях,
полученных с видеокамер, установленных на подвижных объектах
Выводы по Главе
Заключение
Литература
Приложение А - Акт внедрения с предприятия
Приложение Б - Акт внедрения в учебный процесс
Приложение В - Экспериментальное сравнение разработанного алгоритма
обнаружения с существующими алгоритмами

ВВЕДЕНИЕ
Актуальность темы исследования
В настоящее время происходит быстрое развитие систем видеонаблюдения и повсеместное внедрение их во все сферы деятельности на транспорте, на военных и промышленных объектах. Системы видеонаблюдения дополнительно к традиционному наблюдению за объектами обладают потенциальными техническими возможностями для решения целого ряда задач. По мнению специалистов компаний Cisco и IBM, создание интегрированных систем видеоаналитики является важным направлением развития систем видеонаблюдения. Актуальными задачами, которые должны решать системы видеоаналитики в ближайшем будущем, являются обнаружение, идентификация объектов и определение трасс их движения, измерение скорости движения объектов, внедрение систем видеонаблюдения в автоматизированные системы управления технологическими процессами (АСУ ТП), работающих в режиме реального времени, а также эффективное использование каналов передачи данных за счет предобработки сигналов и передачи технической (аналитической) информации вместо передачи видеоизображения.
Теоретическим и практическим вопросами разработки алгоритмов, способов, методов и устройств для обнаружения объектов контроля посвящены работы российских ученых Гуревича И.Б., Белоцерковского О.М., Глазунова A.C., Щенникова В.В., Горелика А.Л., . Скрипкина В.А., Сойфера В.А., Шишова A.JI., Ташлинского А.Г., Деева А.Д., Пешкова Н.Н, Каплан JI. Г., Александрова А.Г. Бондаренко A.B., Докучаева И.В., Князева М.Г., Коноплянникова Ю.К., Лазаренко Ю.М., Прилепского Б.В. и др. и зарубежных ученых Wren C., Azarbayejani A., Darrell T., Pentland A., Cucchiara R., Grana C., Piccardi M., Prati A.,'Stauffer C., Grimson W., Elgammal A., Harwood D., Davis L., Ridder C., Munkelt O., Kirchner H., Kim K., Szirany T., Schindler K., Wang H. и др

1.4 Обнаружение объектов контроля для движущихся систем видеонаблюдения
Вышеприведенные методы, способы и алгоритмы могут быть использованы и для обнаружения неподвижных объектов контроля при движущейся системе видеонаблюдения. Особенностью данного направления является то, что в задаче с движущимися видеокамерами происходит постоянное изменение фона, поэтому оценить изображение фона нельзя. Вместо оценки фона определяют изображение «объекта контроля» или объекту в соответствие ставят «образ», который является его вероятностной характеристикой (процедура формирования «образа» называется обучением). Сформированный «образ» используют для обнаружения «объекта контроля» на изображении. В тех задачах, где основная информация содержаться в его геометрической форме, активно пользуются методами контурного анализа.
Среди методик обнаружения для видеокамер, расположенных на подвижных объектах, можно выделить несколько основных направлений.
Известны алгоритмы предварительного выделения информативных признаков по фрагментам изображения, формируемого вокруг так называемых точек интереса [74, 75, 76, 77, 78, 79, 83, 84, 85, 92, 93, 94, 95].
В работе [74] перед проведением обнаружения проводиться этап «обучения». На этом этапе выбираются изображения, содержащие объекта контроля. На изображении вручную выделяется объект контроля и к полученному изображению применяется так называемый «детектор точек интереса» (детектор Харриса [19], Фостера [111] и т.д.). Вокруг найденных точек формируются области размером 77x7/ элементов. Такая процедура повторяется для каждого обучающего изображения. Все сформированные области группируются с использованием алгоритмов кластеризации, при этом вектор, по которому проводиться кластеризация данных, формируется по значениям яркости пикселей области вокруг точки интереса. Области в группе усредняются по каждому элементу вектора в отдельности, формируя «образы» - фрагменты изображения объекта контроля.

Рекомендуемые диссертации данного раздела