Разработка и исследование алгоритмического аппарата обработки видеоинформации, распознавания объектов и сцен в предопределенной ситуации

• Автор: Мелихов, Михаил Васильевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Москва
• Количество страниц: 261 с. : ил.

Содержание
Введение.

Глава 1. Исследование и разработка функциональных моделей описания объектов

видеонаблюдения

1. Выделение основных категорий, последовательности стадий и особенностей обработки видеоинформации

1.1. Выделение особенностей обработки видеоинформации

1.2. Определение технологического цикла обработки видеоинформации и формирование условий выделения объектов
2.Исследование и разработка алгоритмов регистрации активности в задачах видеонаблюдения.

2.1. Анализ принципов функционирования традиционного алгоритма детектора движения.

2.2. Исследование параметров и возможностей настройки алгоритма регистрации активности.

2.3. Разработка методов улучшения характеристик алгоритма регистрации активности.

3.Исследование и разработка алгоритмов выделение силуэтов
3.1. Исследование возможностей выдслснияя силуэта методом вычитания фона
3.2. Разработка алгоритма выделения силуэта с использованием волнового мегода 4. Диализ возможностей математических моделей описания силуэта для представления объекта видеонаблгадсиия
4.1. Определение и назначение векторизованого представления растрового изображения
4.2. Исследование возможностей интерполяционных моделей для описания формы объекта
4.3. Оценка погрешности лниеаризационного приближения контура.
4.4. Исследование возможностей моделей аппроксимации контура методом наименьших квадратов и преобразования Хафа.
4.5. Обсуждение возможностей математических моделей приближенного описания силуэта для представления объекта объекта
Глава 2. Формирование модели выделения структуры области силуэта и исследование
информационных свойств точек
1. Определение топографии силуэта и разработка алгоритма ее формирования.
1.1. Обоснование формулы расчета топографии силуэта.
1.2. Волновой алгоритм нахождения топографии
1.3. Определение возможностей топографии при анализе информационных свойств точех области
2. Определение места и роли базовых точек в структуре произвольной области силуэта
2.1. Исследование методов отыскания позиций размещения базовых точек
2.2. Уточнение диаграммного описания в случае произвольной области силуэта
2.3. Исследование алгоритмов построения структуры области силуэта в виде правильного остовного дерева.
2.4. Разработка процедуры восстановления контура по структуре области.
3. Особенности выделения структуры области на растре.
Глава 3. Разработка и исследование структуры изображения па основе скслстизации
1. Разработка алгоритма скслстизации методом постепенной детализации срезов
1.1. Описание основных принципов построения скелета изображения.
1.2. Реализация алгоритма на псевдоязыке
1.3 Преимущества и недостатки алгоритма скелетизацни
2. Определение взаимосвязи скелетной структуры с диаграммным описанием области
3. Разработка методов выделения характеристических точек на скелете.
4. Разработка автоматнолингвистических, параметрических, спектральных моделей и теоретических основ алгебраического описания скелетных линий.
4.1. Разработка автоматнолингвистических, параметрических и спектральных моделей скелетных линий.
4.2. Разработка теоретических основ алгебраического описания и показателей сравнения скелетных линий.
Глава 4. Разработка методов формирования и распознавания информационного образа
схемы объекта и сцены па основе скелетного представления изображения.
1. Разработка и исследование операций регуляризации скелетных линий.
2.Разработка методов опенки и снижения рассогласования исходных и
регуляризованных скелетных линий.
3. Разработка методов формирования информационного образасхемы объекта на
основе регуляризованных линий скелета
3.1 Разработка теоретических основ алгебраического описания соединения регуляризованных линий скелета в информационный образсхсму.
3.2. Разработка алгоритма формирования описания информационного образасхемы.
4. Разработка методов оценки похожести и средств распознавания информационных образовсхем.
4.1. Определение показателей сравнения двух информационных образовсхем
4.2. Разработка алгоритмического аппарата и информационной компоненты сопоставления образовсхем
4.3. Экспериментальное исследование возможностей алгоритмического аппарата сопоставления образовсхсм
Заключение.
Литература


С, сг функции для предыдущего и текущего кадров, соответственно, можно определить, насколько изменился цвет каждого пикселя за время наблюдения 1Гс. Данная формула справедлива для сравнения чернобелых изображений, где Дс функция разности яркостей может изменяться в пределах от 0 пиксель не изменился до 5 пиксель из белого стал черным, или наоборот. В случае, когда необходимо проводить сравнение в цвете т. Ь красная, зеленая и синяя составляющие цвета у, соответственно, изменяемые в пределах от 0 до 5. Очевидно, что в случае 1. Дсх,у может принимать значения от 0 до 2. При превышении функцией Асх,у некоторого заранее определенного порогового значения Сс, делается вывод о том, что в области наблюдения, соответствующей данному пикселю, зарегистрирована некоторая активность. Такой пиксель называют активизированным. Дс определяется по одной из формул 1. Дсх, у 4Г1 х У гг УУ з У 2 1 ь2 УУ 1
Дсх,у шахг,х,у г2 х,у,,х,у г х,уЬхх,у Ь2 х,у, 1. Х, . При превышении количеством активизированных пикселей п некоторого порогового значения Ч, детектор движения генерирует сигнал, указывающий системе на то. В зависимости от системы наблюдения и ее настроек данный сигнал может восприниматься как сигнал тревоги включение сирены, вызов правоохранительных служб и т. Таким образом, результатом работы описанного алгоритма является непрерывное сообщение системе о том, наблюдается ли активность на заданной территории или нет см. Рис. Па рис. Ii. При этом функционирование систем описывали параметры зоны детектирования 0x0. Гц. Необходимо отметить тот факт, что регистрируемая таким образом активность может быть не обязательно связана с движением объектов. Алгоритм может дать положительный результат и на локальное изменение освещенности в помещении или на специфические шумовые эффекты, а также при расфокусировке камеры. Поэтому алгоритмы, подобные описанному, правильнее называть регистратором изменений или детектором активности. Тем не менее, здесь и далее будет употребляться термин детектор движения, как наиболее устоявшийся и употребляемый в большинстве технических документаций но системам видеонаблюдения. Исследование параметров и возможностей настройки алгоритма регистрации активности. Т.к. В противном случае последовательность выполнения действий будет нарушена, что приведет к некорректной работе алгоритма или возникновению сбоя. Кроме того, работа детектора движения не должна замедлять работу системы в целом запись видеоданных в файл, вывод изображения на экран, действия других алгоритмов распознавания и т. Поэтому, на практике соотношение 1. Чтобы условие 1. Снижение частоты следования синхроимпульсов также позволяет повысить быстродействие всей системы, однако изменение данного параметра оказывает существенное влияние также и на результат работы самого детектора движения. Поэтому, в современных системах видеонаблюдения параметр Гс может изменяться в указанных выше пределах, и настраиваться для каждого конкретного случая для каждой камеры наблюдения отдельно. Зона детектирования . Ниже рассмотрим, каким образом изменение данных параметров сказывается на результатах работы детектора движений. Зоной детектировании называется область области кадра, занимающая пикселей. Является рабочей областью детектора движения. Активность пне зоны детектирования алгоритмом игнорируется. В простейшем случае зоной детектирования является весь кадр, т. Как правило, для простоты реализации, зона детектирования задается в виде прямоугольника Ах В, где АА, ВВ. Однако на рынке охранного телевидения все чаще появляются системы наблюдения, интегрируемые детектором движения с произвольно задаваемой границей зоны детектирования. Примеры таких систем Трассир фирмы , фирмы . Сс0, 1. Относительная пороговая разница в цвете для чернобелого изображения световой порог влияет на чувствительность системы к изменению цвета яркости. Случаи, когда движущийся объект человек контрастно выделяется на общем фоне, достаточно редки. Как правило, в реальных условиях например, человек идущий по коридору речь может идти о незначительном изменении оттенков. Поэтому, для параметра дСс целесообразно выбирать наименьшие значения .