Телефон: 8-800-350-22-65
WhatsApp: 8-800-350-22-65
Telegram: sibac
Прием заявок круглосуточно
График работы офиса: с 9.00 до 18.00 Нск (5.00 - 14.00 Мск)

Статья опубликована в рамках: XLVI Международной научно-практической конференции «Научное сообщество студентов: МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ» (Россия, г. Новосибирск, 07 июня 2018 г.)

Наука: Технические науки

Секция: Радиотехника, Электроника

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Бабич О.Ю., Сенченко И.Э. ОБНАРУЖЕНИЕ И СОПРОВОЖДЕНИЕ ДИНАМИЧЕСКИХ ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ // Научное сообщество студентов: МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ: сб. ст. по мат. XLVI междунар. студ. науч.-практ. конф. № 11(46). URL: https://sibac.info/archive/meghdis/11(46).pdf (дата обращения: 10.10.2024)
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов

ОБНАРУЖЕНИЕ И СОПРОВОЖДЕНИЕ ДИНАМИЧЕСКИХ ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ

Бабич Олеся Юрьевна

магистрант 2 курса, кафедра радиотехнических информационных систем ТвГТУ,

РФ, г. Тверь

Сенченко Иван Эдуардович

магистрант 2 курса, кафедра радиотехнических информационных систем ТвГТУ,

РФ, г. Тверь

Аннотация. Данная работа посвящена разработке эффективных с точки зрения достоверности и точности алгоритмов решения задач выделения, оценки параметров воздушного объекта, его классификации и отслеживания траектории для систем автоматического сопровождения. Исходя из этого следует использовать не один признак, а совокупность признаков, отвечающих свойствам объекта интереса в разные моменты времени, т.е. нужно разработать принцип и методы сегментации по совокупности признаков. Экспериментальное исследование существующих методов и алгоритмов определения векторов движения показывает, что все они обеспечивают существенно низкий уровень достоверности. Низкий уровень достоверности обусловлен несоблюдением в сложных условиях видеонаблюдения основных постулатов, принятых при выводе уравнения оптического потока, и собственными свойствами объектов интереса.

Ключевые слова: метод, оценка параметров воздушного объекта, признак, радиолокация, видеонаблюдение, линия горизонта

 

Обзор существующих методов, применяемых для автоматического анализа изображений и последовательностей изображений, показал, что каждый из которых оказывается полезным лишь в некотором ограниченном классе задач и для определённых областей исследования. Их границы применимости зависят от ряда факторов: места расположения источника первичных видеоданных, фонообъектной обстановки, параметров объектов, которые нужно определить, объёма обрабатываемой информации. Ни один из признаков не позволяет удовлетворить требование устойчивой сегментации и сопровождения при существенной динамике свойств объекта интереса. При длительном сопровождении свойства объекта меняются (объект останавливается, маневрирует и меняет форму, частично заходит в тень и т.д.) и, следовательно, признак, по которому ранее успешно выполнялась сегментации, теряет эффективность.

Основная проблема в создании большинства методов распознавания объектов состоит в определении того, какие пиксели распознавать, а какие – игнорировать. Для решения этой задачи необходимо рассматривать компактное представление исходных данных. Исходными данными для сегментации и сопровождения воздушного объекта, в данной работе, является полутоновая видеопоследовательность (image sequence) некоторой сцены S, получаемая с подвижной видеокамеры. На первых n кадрах видеопоследовательности нет никакого движения; начиная с n + 1 кадра, перед камерой могут появляться объекты интереса. Для каждого кадра последовательности требуется получить бинарное изображение переднего движущихся объектов. В полученной маске: 0 - чёрный, что соответствует заднему плану, а 1 - белый, что соответствует переднему плану. При движении камеры часть сцены может время от времени выпадать из вида, к примеру, это может быть наблюдаемый объект.

Требование о том, что первые n кадров не содержат никакого движения, обусловлено тем фактом, что непосредственно перед началом съёмки воздушного объекта, происходит этап калибровки и настройки видеокамеры. Поэтому в начале последовательности имеется набор кадров, в которых практически отсутствует какое-то движение. Однако  в полной мере это требование реализовано быть не может, по причине так называемого динамического заднего плана. В качестве примера динамического заднего плана, можно рассмотреть видеопоследовательность, на которой облачное небо c перемещающимися облаками и т.п.  

Задача слежения за объектом

Пусть I(x, t) - яркость кадра со временем t в точке. Движение изображения будем описывать с помощью уравнения вида [1]:  

                                             I(x, t) = I (Δ(x), t1),                                               (1.1)

где (x) = х + d, где d - приращение расстояние точки х при переходе от кадра (t) к кадру (t1).

Уравнение (1.1) описывает перемещение искомого объекта от кадра к кадру описывается для всех точек х из окрестности объекта; освещение точки сцены, соответствующей объекту, при этом неизменно. При малых изменениях изображения от кадра к кадру считается, что окно объекта смещается и движение (x) принимает вид (x + d). При увеличении длительности слежения, изображение точки сцены может искажаться. Это искажение приближенно описывается аффинной трансформацией и поэтому движение точек может быть описано аффинными преобразованиями

(x)  = Ах + d, где А - матрица размерности 2x2.

Необходимо найти движение, при котором разница между окнами при текущем и будущем положениях объекта минимизируется,   т.е.   должен быть достигнут минимум.

                                                                  (1.2)

 

Межкадровая разность

Среди методов первичного обнаружения метод вычисления межкадровой разности занимает лидирующую позицию.

Алгоритм вычисления разности кадров в случае обработки цветных видеокадров в формате RGB:

- алгоритму на вход поступает два видеокадра, представленные в виде двух последовательностей байт в формате RGB;

- далее попиксельно вычисляются межкадровые разности, как в (1.3):

 

                                                     (1.3)

,

где ,   - значения красной, зеленой и синей компонент цвета i-го пикселя результирующего изображения;

      – значение красной, зеленой и синей компонент цвета   i-го пикселя на первой и втором кадре;

- затем, в соответствии с (1.4), для каждого результирующего пикселя

рассчитывается среднее значение всех трех компонент;

 

                                                                             (1.4)

- далее среднее значение сопоставляется с заданным порогом, по результатам данного сопоставления происходит формирование двоичной маски, как показано в (1.5):

                                               ,                                              (1.5)

где mi – значение i-го элемента маски, а T – порог сравнения, иногда его называют уровнем или порогом чувствительности.

После отработки, на выходе алгоритма формируется двоичная маска, где одному элементу соответствуют три компоненты цвета соответствующего пикселя двух исходных кадров. Там, где в маске стоят единицы, возможно, присутствует некоторое движение, однако это так же может оказаться шумом.

На вход алгоритму можно давать как два соседних кадра, так и кадры с некоторым интервалом, например, 1–3 кадра. Чем больше этот интервал, тем большей чувствительностью к малоподвижным объектам будет обладать детектор движения, однако в этом случае уровень шумов так же повыситься.

 

Список литературы:

  1. Титов И. О., Емельянов Г. М. Моделирование процесса выделения и классификации изображений для систем автоматического сопровождения движущихся воздушных объектов// Вестник Новгородского государственного университета им. Ярослава Мудрого. Выпуск № 65 / 2011
  2. Алпатов Б.А. и др. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление, М.: Радиотехника, 2008.
  3. Козлов В.А., Потапов А.С. Анализ методов выделения движущихся объектов на видеопоследовательностях с шумами// Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики, 2011, № 3.
  4. Обухова, H.A. Сегментация и сопровождение объектов на основе анализа видеопоследовательности / Н.А. Обухова, Б.С. Тимофеев // Телевидение: передача и обработка изображений: материалы IV Междунар. науч. конф., г. С.-Петербург, 24-26 мая 2005 г. - СПб., 2005.
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий

Форма обратной связи о взаимодействии с сайтом
CAPTCHA
Этот вопрос задается для того, чтобы выяснить, являетесь ли Вы человеком или представляете из себя автоматическую спам-рассылку.