Исследование и разработка алгоритмов обработки сигналов систем видеонаблюдения для получения информации о параметрах движения протяженных объектов

• Автор: Куринский, Вадим Юрьевич
• Шифр специальности: 05.12.13
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Самара
• Количество страниц: 168 с. : ил.

Оглавление
Введение
Глава 1. .. Устройства и способы измерения параметров движения протяженных объектов
1.1. Обобщенная архитектура системы видеонаблюдения
1.2. Устройства на основе доплеровского эффекта
1.3. Понятие протяженного объекта в системах видеонаблшдения
1.4. Обзор устройств и систем измерения скорости протяженных объектов с использованием видеокамер
1.4.1. Методика измерения скорости по всплескам яркости
1.4.2. Методика выделения характерных точек
1.4.3. Методика локализации зон видеоизображения
1.4.4. Методика измерения скорости движения объектов,
движущихся вдоль оси видеокамеры
1.5. Методика выделения характерных областей
1.6. Перспективы развития направления
Выводы во главе
Глава 2. ...Методика измерения с обработкой совокупности строк
2.1. Определение наличия протяженного объекта в зоне действия системы видеонаблюдения
2.2. Методика измерения смещения по строкам
высотой 1 пиксель
2.3. Методика измерения смещения по совокупности строк изображения
2.4. Параметры прямоугольной области
Выводы во главе
Глава 3. ...Алгоритмы повышения точности
3.1. Оценка результатов измерений
3.2. Алгоритм поиска блока в расширенной области
3.3. Увеличение периода измерений
Выводы во главе
Глава 4. ...Техническая реализация
4.1. Результаты экспериментов
4.1.1. 4-осный полувагон
4.1.2. 4-осная цистерна для бензина и светлых нефтепродуктов
4.1.3. Трамвай
4.1.4. Электровоз постоянного тока BJI
4.1.5. Ночная съемка эвакуатора
4.2. Структурная схема системы
4.3. Программное обеспечение системы измерения скорости движения протяженного объекта
Выводы во главе
Заключение
Список используемой литературы
Приложен»! №1. Акт технического внедрения
Приложени №2. Технические требования
Приложени №3. Акт технического внедрения
Приложени №4. Код программного обеспечения

ВВЕДЕНИЕ
Актуальность темы. Настоящее время характеризуется бурным развитием систем видеонаблюдения и внедрением их во все сферы деятельности (промышленность, транспорт). Дополнительно к традиционному наблюдению за объектом системы видеонаблюдения обладают потенциальными техническими возможностями решать целый ряд задач. По мнению таких компаний как IBM и Cisco создание интегрированных систем видеоаналитики является важным направлением развития систем видеонаблюдения. Актуальными задачами, которые должны решать системы видеоаналитики в ближайшем будущем, являются: идентификация объектов и определение трасс их движения, измерение скорости движения объектов, внедрение систем видеонаблюдения в АСУ ТП, работающих в режиме реального времени, а также эффективное использование цифровых каналов за счет предобработки видеосигнала для передачи данных при определении дополнительных параметров объектов. Причем, если задачи определения появления посторонних объектов, их идентификации и построения трасс движения объектов в какой-то мере решены, то задача измерения, передачи и архивирования данных о параметрах движения протяженных объектов (скорости, ускорения) с помощью систем видеонаблюдения в режиме реального времени остается практически нерешенной.
Теоретическим и практическим вопросам разработки алгоритмов, способов, методов и устройств измерения скорости объектов посвящены работы российских ученых А.М. Абакумова, И.А. Бережной, В.А. Денцкевича, П.К. Кузнецова, B.C. Ляпидова, В.Ю. Мишина, В.И. Семавина, В.Н. Зыкова, В.К. Иванова, В.В. Сергеева, В.В. Мясникова и ряда зарубежных специалистов: P. Pirim, Tomio Echigo и др.
Однако существующие алгоритмы и устройства измерения скорости объектов, особенно протяженных, не обладают достаточным быстродействием, масштабируемостью и точностью, что позволяло бы системам видеонаблюдения работать в режиме реального времени.

х - уровень серого.
Для корректной работы полученной зависимости коэффициент т должен иметь только четные значения. В противном случае мы будем иметь только одну ветвь (левую), что сыграет существенную роль в правильности принятия решения.
Данная функциональная зависимость позволяет выделить определенный интервал диапазона яркостей входного изображения. Детали, не попавшие в интервал выделения, высветляются.
Применяя функцию порогового преобразования /(х) [51, 56] для серии рис. 1.9 и рис. 1.10, получаем рис. 1.14 и рис. 1.15 соответственно. Как видно, такое преобразование позволяет выделить интересующий нас объект, но выделение получилось грубым, так как условия, предъявляемые к пороговой функции, очень мягкие. Тем не менее, полученная функциональная зависимость позволяет частично приблизиться к идеальному решению.
Рис. 1.14. Кадр п, после пороговой обработки