Проектирование системы отслеживания и прогнозирования движения объектов в видеопотоке

• Автор: Шелабин, Дмитрий Алексеевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Санкт-Петербург
• Количество страниц: 120 с. : ил.

Оглавление
Введение
Актуальность, новизна и цели работы
Общая архитектура
Глава 1. Обнаружение движения в видео потоке
§1.1 Обзор существующих подходов
§ 1.2 Алгоритм на основе смеси нормальных распределений
§ 1.2.1 Простая вероятностная модель фона снимаемой сцены
§ 1.2.2 МвМ-алгоритм
§1.3 Адаптация и прогнозирование параметров модели фона
§1.4 Пространственная обработка, переход к связным областям
§1.4.1 Фильтрация
§1.4.2 Связные области
Глава 2. Трассировка движущихся объектов
§2.1 Обзор существующих подходов
§2.2 Классификация связных областей, классы областей и построение траекторий
§2.2.1 Сравнение областей связности и классов по гистограмме цветового распределения
§2.2.2 Сравнение областей связности и классов по положению и скорости, прогнозирование движения
§2.2.3 Распределение областей по классам, процесс классификации
Глава 3. Прототип системы, практическая реализация
§3.1 Архитектура
§3.2 Результаты работы
Заключение
Литература и ссылки

Введение
Актуальность, новизна и цели работы
В современном мире большую роль в сборе информации играют различные системы видеонаблюдения. Системами видеонаблюдения оснащаются многие предприятия, организации и важные объекты инфраструктуры. Такие системы используются для охраны или мониторинга определённых ситуаций. При этом вместе с развитием вычислительной техники и информационных технологий возрастает и количество систем видеонаблюдения, которые создаются для того чтобы упростить работу операторов или же полностью автоматизировать наблюдение за объектом. Системы видеонаблюдения должны быть максимально автоматизированы, они должны выделять из всего потока информации нужные данные в удобном для анализа виде. Разработка систем видео наблюдения остаётся актуальной и сейчас, так как все разрабатываемые системы видеонаблюдения рассчитаны на работу в различных условиях и поэтому различны и требования, предъявляемые к этим системам.
Среди всего разнообразия задач, для решения которых создаются системы видеонаблюдения, выделяется задача автоматического отслеживания движущихся объектов в видеопотоке. Система отслеживания движущихся объектов в видеопотоке необходима сегодня во многих областях. Информация, полученная от такой системы отслеживания, может быть использована для анализа характеристик объекта, таких как скорость, размер и путь объекта, или для прогнозирования дальнейшего движения объекта. Эти данные, например, могут быть использованы для мониторинга дорожной ситуации, обнаружения аварий или других событий. Также эти данные могут быть использованы для управления ракурсом съемки, например, обзор события с разного ракурса, снятого множеством устройств.
Работа системы отслеживания движущихся объектов направлена на трассировку перемещений объектов в потоке кадров. Подобная система должна хорошо работать при различных внешних условиях, таких как меняющийся задний план, изменяющиеся освещение, движущиеся тени, перекрытие движущихся объектов друг другом и другие изменения которые могут происходить в снимаемой сцене.

Система должна уметь отслеживать группы произвольно движущихся объектов. Причём объекты, могут сливаться или разделяться в снимаемой сцене, а их траектории могут пересекаться или может происходить перекрытие объектов статичными предметами фона. Система должна не только отслеживать перемещение групп объектов при различных условиях, но и определять характеристики этого движения.
Задачу отслеживания движущихся объектов можно разделить на несколько подзадач. Среди всего набора подзадач можно выделить две наиболее существенные, которые, так или иначе, присутствуют во всех подобных системах. Первая важная подзадача - выявление значимых активных областей на кадре, где происходит движение. Для этой цели применяются алгоритмы обнаружения движения. Вторая важная подзадача - это отслеживание перемещений множества обнаруженных значимых активных областей, найденных на соседних кадрах, и объединение их в одну группу, сопровождаемое построением траектории движения. Для этого применяются алгоритмы трассировки.
Цель диссертационной работы - исследование методов обнаружения и трассировки объектов, разработка модификаций этих методов и создание действующего прототипа системы отслеживания и прогнозирования движения объектов в видеопотоке. Для достижения поставленной цели необходимо решить следующие задачи:
• Разработать обобщение (модификацию) алгоритма обнаружения движения, использующего смесь нормальных распределений.
• Подобрать и модернизировать необходимые методы обработки изображений.
• Формализовать и обобщить предметную область для трассировки объектов так, чтобы можно было использовать модели адаптивного прогнозирования.
• Разработать алгоритм трассировки объектов с применением классификации активных областей на кадрах, таким образом, чтобы учитывалось, во-первых, скорость/положение классифицируемых активных областей и прогнозируемое положение для следующей точки траектории, и, во-вторых, цветовое распределение активных областей.

втором - максимальным. Меняя порядок фильтра, можно менять свойства ранговой фильтрации.
Эффективным средством фильтрации высокочастотных помех типа «соль и перец» является медианный фильтр являющийся частным случаем рангового фильтра с рангом равным половине количества ненулевых элементов маски.
В данном случае, в системе была использована медиальная фильтрация. Все кадры, поступающие на вход, пропускались через медиальный фильтр с маской 3x3. Это позволило устранить влияние шумов и сгладить изображение.
После медиальной фильтрации перед обнаружением движения в разработанном прототипе производится ещё одна операция важная, с практической точки зрения. Она может рассматриваться как своего рода фильтрация и поэтому приводится в этом разделе. При построении модели фона приходится моделировать каждый отдельный пиксель. При размере 640x480 кадр уже содержит 307200 пикселей. В зависимости от языка, на котором реализована система, и от вычислительно мощности компьютера время обработки каждого кадра может меняться, оставаясь в пределах от долей секунды до нескольких секунд. К тому же моделирование каждого пикселя избыточно. Для увеличения производительности без существенного ухудшения результатов работы используется преобразование размеров изображений. То есть поступающие на вход кадры преобразуются к меньшему размеру, затем уменьшенные кадры обрабатываются, и строится модель фона меньшего размера. После обнаружения движения полученная бинарная маска преобразуется к исходному размеру.
Суть-преобразования^ изображения /^размера wxh к изображению мень-
шего размера /т заключается в замене нескольких соседних пикселей в исходном изображении на один пиксель полученный усреднением исходных. Соседние пиксели в исходном изображении задаются квадратным окном с центральным пикселем (см. рис. 8г). Это окно задаётся параметром г = ОД,..., min (w, h), которое задаёт количество пикселей окна от центра до границы (без центрального пикселя). Ширина окна d = 2 ■ г + 1 будет нечётным числом. Окно выбранной размерности перемещается по исходному изображению с шагом d, как это показано на рис. 8а.