Модели и методы распознавания динамических образов на основе пространственно-временного анализа последовательностей изображений

• Автор: Фаворская, Маргарита Николаевна
• Шифр специальности: 05.13.17
• Научная степень: Докторская
• Год защиты: 2011
• Место защиты: Красноярск
• Количество страниц: 326 с. : ил.

ВВЕДЕНИЕ
ГЛАВА 1 АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ И СИСТЕМ ОБРАБОТКИ И РАСПОЗНАВАНИЯ ДИНАМИЧЕСКИХ ОБЪЕКТОВ ПО ПОСЛЕДОВАТЕЛЬНОСТЯМ ИЗОБРАЖЕНИЙ

1.1 Изображение как носитель разнородной информации

1.2 Классификация задач распознавания изображений

1.3 Классификация методов оценки движения

1.3.1 Анализ сопоставительных методов оценки движения

1.3.2 Анализ градиентных методов оценки движения.

1.4 Классификация групп признаков

1.5 Анализ методов сегментации движущихся объектов.

1.6 Методы интерпретации событий и определения жанра сцены.

1.7 Системы обработки и распознавания динамических объектов

1.7.1 Коммерческие аппаратнопрограммные комплексы.
1.7.2 Экспериментальноисследовательские программные комплексы.
1.8 Постановка задачи пространственновременной обработки последовательностей изображений
1.9 Выводы по главе
ГЛАВА 2 МОДЕЛИ ОБРАБОТКИ И РАСПОЗНАВАНИЯ СТАТИЧЕСКИХ И ДИНАМИЧЕСКИХ ОБРАЗОВ.
2.1 Модель обработки и распознавания статических образов.
2.2 Модель обработки и распознавания динамических образов
2.3 Дескриптивная теория распознавания изображений
2.4 Расширение дескриптивной теории распознавания изображений.
2.5 Обобщенные модели поиска целевых признаков при обработке и распознавании динамических объектов в сложных сценах
2.6 Выводы по главе.
ГЛАВА 3 НАХОЖДЕНИЕ И ОЦЕНКА ЛОКАЛЬНЫХ ПРИЗНАКОВ ДВИЖЕНИЯ ДИНАМИЧЕСКИХ РЕГИОНОВ.9
3.1 Условия и ограничения усовершенствованного метода обработки последовательностей изображений.
3.2 Оценка локальных признаков движения.
3.2.1 Стадия инициализации
3.2.2 Оценка пространственновременного объема данных.
3.2.3 Классификация динамических регионов.
3.3 Способы нахождения локальных движений регионов
3.3.1 Нахождение и отслеживание особых точек сцены
3.3.2 Оценка движения на основе 3 тензора потока.
3.4 Уточнение границ движущихся регионов
3.5 Выводы по главе.
ГЛАВА 4 СЕГМЕНТАЦИЯ ДИНАМИЧЕСКИХ ОБЪЕКТОВ В СЛОЖНЫХ СЦЕНАХ.
4.1 Модель многоуровневого движения в сложных сценах
4.2 Модели оценки движения на плоскости.
4.3 Исследование свойств группы Ли
4.4 Изоморфизмы и гомоморфизмы группы.
4.5 Модель предыстории движения объектов в последовательностях изображений
4.6 Сегментация сложной сцены на пространственные объекты.
4.6.1 Предсегментация.
4.6.2 Сегментация.
4.6.3 Постсегментация
4.7 Отображение движения точки на видеопоследовательностях.
4.8 Выводы по главе.
ГЛАВА 5 РАСПОЗНАВАНИЕ ДИНАМИЧЕСКИХ ОБЪЕКТОВ, АКТИВНЫХ ДЕЙСТВИЙ И СОБЫТИЙ СЛОЖНОЙ СЦЕНЫ
5.1 Построение контекстной грамматики
5.1.1 Формирование деревьев грамматического разбора.
5.1.2 Синтаксический анализ последовательности изображений
5.1.3 Синтаксический анализ сцены.
5.2 Построение видеографа сложной сцены.
5.3 Распознавание динамических образов
5.4 Распознавание событий сцены.
5.4.1 Способ выявления активных действий
5.4.2 Построение видеографа событий.
5.5 Распознавание событий и жанра сцены.
5.5.1 Распознавание событий сцены.
5.5.2 Распознавание жанра сцены.
5.6 Выводы но главе.
ГЛАВА 6 ПОСТРОЕНИЕ СИСТЕМ ОБРАБОТКИ И РАСПОЗНАВАНИЯ ПОСЛЕДОВАТЕЛЬНОСТЕЙ ИЗОБРАЖЕНИЙ И ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ
6.1 Экспериментальный программный комплекс БРОНЯ
6.2 Работа модулей экспериментальной системы БРОНЯ
6.2.1 Модуль предварительной обработки.
6.2.2 Модуль оценки движения
6.2.3 Модуль сегментации
6.2.4 Модуль распознавания объектов.
6.2.5 Модуль распознавания активных действий
6.3 Результаты экспериментальных исследований.
6.4 Прикладной проект Визуальная регистрация государственных номерных знаков автотранспортных средств при многопоточном движении
6.5 Прикладной проект Система идентификации моделей корпусов холодильников по изображениям.
6.6 Программная система Алгоритмы обработки и сегментации ландшафтных изображений. Идентификация объектов
6.7 Выводы по главе.
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ВВЕДЕНИЕ


В свою очередь движущиеся объекты с помощью специализированного алгоритма разделяются на анализируемые классы, в результате чего принимается решение в зависимости от установок пользователя чувствительность, размер объекта, задержка срабатывания детектора о начале записи видеоинформации иили сигнализации о присутствии движущегося объекта в охраняемой зоне. Компания У1с1е1е 1Т ФРГ имеет опыт разработки и производства профессиональных цифровые систем видеонаблюдения с г. К настоящему времени компания У1с1ее 1Т является одной из самых быстро растущих компаний на рынке видеонаблюдения и имеет много запатентованных разработок, как в области программного обеспечения, так и аппаратных решений. Системы У1с1е1е 1Т имеют широкую область применения от простых систем с повышенными требованиями надежности до распределенных систем, реализующих решение задач с применением оригинальных алгоритмов. Все системы оснащены аппаратным детектором движения для всех камер, автоматической адаптивной маской и ручным маскированием, имеют регулируемую чувствительность детектора движения и автоматической маски. Функция Смарт Поиск предоставляет удобный комбинированный сетевой поиск в базе данных по движению в свободно определяемой зоне кадра, дате, времени, сетевой станции, камере, данным внешних систем например, СКД карта и т. Функция ЮТ Смарт Поиск осуществляет комбинированный поиск, где в качестве дополнительного критерия используется движение в свободно определяемой зоне кадра. Программное обеспечение АУаЬЬе ФРГ имеет 8 зон детектирования по каждому каналу, гибкие настройки чувствительности, фильтрации шумов, анализ размеров объекта, визуализация работы детектора. В табл. В табл. Таблица 1. Таблица 1. Пропускная система Папилон 1 РФ Ктнроль перемещения персонала и автотранспорта на охраняемой территории и при пересечении границ. Используется идентификацияя личности по отпечатку пальца или по радужной оболочке глаза. Система 1 Зп1 Тайвань Бесконтактное управление доступом. Управление несколькими видеодатчиками. На рис. Рисунок 1. Система IV также позволяет отслеживать перемещение людей в закрытых помещениях рис. С 3i 5
Рисунок 1. Существующие на рынке системы, в основном, предназначены для обработки объектов техногенного происхождения, используют программноаппаратные решения с целью сокращения вычислительных и временных затрат. Известны экспериментальноисследовательские системы, предназначенные для решения более сложных задач, например, анализа жестов людей и их активных действий, видеонаблюдение в местах большого скопления людей и т. В работе 9 предлагается исследовательская система представления зрительных динамических сцен в виде иерархических структур понятий. Система использует внутренний язык, единообразно представляющий как геометрические примитивы контуры, направления и пр. Работа системы основана на взаимодействии двух ее блоков входного анализатора и ассоциативной памяти, связанных между собой полем внимания. Входной анализатор, представляющий собой систему полей процессоров и реализующий элементарные операторы языка, выполняет предварительную обработку сенсорных картин, преобразуя их в объекты памяти, т. При решении задачи стереосинтеза, когда строится пирамида 2. Ассоциативная память представляет собой семантическую сетьграф, каждой вершине которого соответствует процессор, хранящий и обрабатывающий информацию о некотором объекте 9. Ребрам графа соответствуют связи между процессорами, одновременно реализующие разного рода операция или отношения равенства, включения, соотношения уровней или координат объектов, преобразований их базисов, скоростей и пр Таким образом, ассоциативная память служит как местом хранения структурной информации, так и распределенным устройством, осуществляющим ее параллельную ассоциативную обработку. Конечными результатами ассоциативной обработки является обучение, основанное на обобщении понятий, а также использование этих понятий для представления и интерпретации вновь наблюдаемых сцен. Поле внимания служит регистром обмена между входным анализатором и ассоциативной памятью. В него в каждый момент времени по максимуму важности вместе с вектором переключения внимания V поступает некоторый объект У либо из входного анализатора, либо из ассоциативной памяти.