Сопровождение и распознавание объектов на телевизионных изображениях

  • автор:
  • специальность ВАК РФ: 05.12.04
  • научная степень: Кандидатская
  • год, место защиты: 2013, Ярославль
  • количество страниц: 149 с. : ил.
  • бесплатно скачать автореферат
  • стоимость: 240,00 руб.
  • нашли дешевле: сделаем скидку
  • формат: PDF + TXT (текстовый слой)
pdftxt

действует скидка от количества
2 диссертации по 223 руб.
3, 4 диссертации по 216 руб.
5, 6 диссертаций по 204 руб.
7 и более диссертаций по 192 руб.
Титульный лист Сопровождение и распознавание объектов на телевизионных изображениях
Оглавление Сопровождение и распознавание объектов на телевизионных изображениях
Содержание Сопровождение и распознавание объектов на телевизионных изображениях
Вы всегда можете написать нам и мы предоставим оригиналы страниц диссертации для ознакомления
1. АЛГОРИТМИЧЕСКАЯ ОСНОВА СОВРЕМЕННЫХ СИСТЕМ АНАЛИЗА ВИДЕОДАННЫХ
1.1. Вводные замечания
1.2. Схема построения системы анализа аудитории
1.3. Детектирование лиц
1.4. Сопровождение лиц
1.5. Распознавание людей
1.6. Классификация пола
1.7. Краткие выводы
2. АНАЛИЗ И МОДИФИКАЦИЯ АЛГОРИТМОВ СОПРОВОЖДЕНИЯ ЛИЦ

2.1. Вводные замечания
2.2. Метод цветовых гистограмм
2.2.1. Построение гистограммы
2.2.2. Построение изображения правдоподобия
2.2.3. Итеративная смена центра окна поиска и размеров окна поиска
2.2.4. Фильтрация изображения правдоподобия
2.3. Алгоритм на основе метода Лукаса-Канаде
2.3.1. Точечные особенности
2.3.2. Алгоритм Лукаса-Канаде
2.4. Модификация алгоритмов сопровождения лиц
2.4.1. Постановка задач
2.4.2. Описание модификаций
2.4.3. Метрики оценки качества сопровождения
2.4.4. Тестовые видеопоследовательности
2.5. Результаты анализа работы алгоритмов сопровождения
2.6. Краткие выводы
3. РАЗРАБОТКА И АНАЛИЗ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ЛЮДЕЙ НА ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЯХ
3.1. Вводные замечания
3.2. Алгоритмы распознавания людей на основе информации о лице
3.2.1. Алгоритм на основе метода главных компонент
3.2.2. Алгоритм на основе линейного дискриминантного анализа
3.2.3. Метод сравнения гистограмм локальных бинарных паттернов
3.3. Алгоритмы распознавания людей на основе информации о туловище
3.4. Результаты анализа алгоритмов распознавания людей
3.4.1. Постановка задачи
3.4.2. Тестовые изображения
3.4.3. Оптимизация параметров алгоритмов распознавания
3.4.4. Распознавание людей в условиях наличия аддитивного белого гауссовского шума на изображениях
3.4.5. Распознавание людей на изображениях, восстановленных с помощью фильтра А-ДКП
3.5. Краткие выводы
4. РЕАЛИЗАЦИЯ АЛГОРИТМОВ СОПРОВОЖДЕНИЯ И РАСПОЗНАВАНИЯ ЛИЦ В ПРОГРАММНО-АППАРАТНОМ КОМПЛЕКСЕ RECOGNITION.LAB
4.1. Вводные замечания
4.2. Интерфейс программы
4.2.1. Основное окно
4.2.2. Панель статистики
4.2.3. Настройка параметров
4.3. Особенности представления алгоритмов в Recognition.Lab
4.3.1. Кадр
4.3.2. Обработка кадров
4.4. Визуализатор статистики
4.5. Анализ результатов работы программы Recognition.Lab
4.5.1. Тестовые видеопоследовательности
4.5.2. Анализ результатов
4.6. Сравнение результатов Recognition.Lab с результатами
Intel Aim Suite
4.6.1. Введение метрики
4.6.2. Анализ результатов
4.7. Краткие выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ

Актуальность темы. Миллиарды камер охранного телевидения -неотъемлемая часть современного цивилизованного мира [1-10, 94-97]. Изображения сменяют друг друга на мониторах, многочисленные операторы обеспечивают безопасность в аэропортах, на вокзалах и в других общественных местах. Видеонаблюдение сегодня считается едва ли не самым главным техническим инструментом обеспечения безопасности. Важнейшую роль в современных системах охранного телевидения играют алгоритмы цифровой обработки изображений [7, 8, 10, 20, 95, 97] и компьютерного зрения [14, 15], позволяющие контролировать тысячи видеоканалов в режиме реального времени.
Для построения современных систем охранного телевидения характерны следующие основные проблемы и задачи [95]:
— обнаружение объекта интереса на сложном изменяющемся фоне;
— измерение пространственных параметров и оценка динамических параметров объектов по наборам последовательных кадров;
— сопровождение объектов;
— классификация и распознавание динамических объектов.
Среди объектов для распознавания и классификации наиболее развитой и актуальной задачей является детектирование и классификация человеческих лиц [26, 51-55, 59, 62, 65-68]. В настоящее время эта задача находит применение в различных сферах человеческой деятельности (в первую очередь, в системах безопасности). Сферами применения распознавания лиц являются, например, системы охранного телевидения, сравнение фотографий на паспортах или водительских удостоверениях, контроль доступа к безопасным компьютерным сетям и оборудованию в учреждениях, наблюдение за аэропортами и вокзалами для предотвращения террористических актов и др. В большинстве практических ситуаций анализ входного изображения должен осуществляться в режиме реального времени.

кадра в последующий, задается заранее. Константа нормировки || Ж (г выглядит следующим образом:
(>-2>
Минимум выражения (1.1 Определяется с точностью до пикселя при помощи аппроксимации £>(г;<7) квадратичной зависимостью
Г')* = т}п ^)] ‘ (1 -3)
Установив соответствие между объектами Е(г'^) и ^(г;г +1) и
определив их относительную скорость, мы можем вычислить поток для любого переднепланового пикселя. Основная идея заключается в том, чтобы выделить небольшую область вокруг каждого пикселя в и установить
соответствие с областью в /г(г;£ +1). При этом необходимо, чтобы как в горизонтальном, так и в вертикальном направлениях вокруг центрального пикселя г итерационно увеличивается и измеряется ее информационное содержание в горизонтальном Ен и вертикальном Еу направлениях, которые вычисляются следующим образом:
где ¥Е(г) - оконная функция с центром в точке г, а 8н(г) и Бу(г) обозначают результаты свертки исходного изображения с фильтрами Собеля:
г О -П
8и(г) =
5г(г):
2 0-2 1
1 2 ООО -1

Вы всегда можете написать нам и мы предоставим оригиналы страниц диссертации для ознакомления

Рекомендуемые диссертации данного раздела

Рукавица, Константин Алексеевич
2001