Обработка и анализ видеоданных в системах транспортного мониторинга

• Автор: Мотыко, Александр Александрович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Санкт-Петербург
• Количество страниц: 145 с. : ил.

Содержание
Введение
Глава 1. Аналитический обзор современных телевизионных систем транспортного
мониторинга
1.1. Системы наблюдения за дорожным движением и измерители скорости транспортных средств
1.1.1. Классификация систем транспортного мониторинга.
Параметры потока, определяемые системами
1.1.2. Классификация и анализ измерителей скорости
транспортных средств
1.2. Анализ методов формирования панорамных изображений
1.2.1. Основные этапы синтеза панорамных изображений
1.2.2. Выделение характерных точек на изображениях
1.2.3. Селекция пар точек
1.2.4. Модели уравнений трансформации и оценка их параметров
1.3.Анализ телевизионных методов измерения скорости
1.3.1. Комбинированные и стереоизмерители
1.3.2. Измерители скорости, использующие данные одной камеры
1.4. Выводы и постановка задач исследования
Глава 2. Формирование видеопанорамы в многокамерной телевизионной системе
2.1. Построение панорамного изображения для системы транспортного мониторинга
2.1.1. Выделение характерных точек в условиях низкодетальных сюжетов
2.1.2. Сопоставление пар точек и оценка их достоверности
2.1.3. Оценка параметров уравнения трансформации
2.2. Экспериментальное исследование алгоритма формирования панорамного изображения для системы транспортного мониторинга
2.2.1. Оценка эффективности фильтрации характерных точек
2.2.2. Исследование эффективности применения оценки достоверности селекции характерных точек
2.2.3. Исследование устойчивости алгоритма к изменению параметров видеокамеры
2.2.4. Сравнение разработанного алгоритма и существующих решений
2.3. Выводы по главе
Глава 3. Телевизионное измерение скорости

3.1. Алгоритм измерения скорости транспортных средств с помощью видеокамеры
3.1.1. Анализ вариантов установки камеры
3.1.2. Процедура измерения скорости автомобилей на основе анализа видеоряда
3.1.3. Оценка точности измерений
3.2. Экспериментальное исследование точности алгоритма измерения скорости
3.3. Выводы по главе
Глава 4. Алгоритм сегментации и сопровождения движущихся объектов
4.1. Алгоритм обработки и анализа видеоданных
4.1.1. Требования к алгоритму
4.1.2. Сегментация движущихся объектов
4.1.3. Сопровождение объектов
4.1.4. Процедура оценки размеров изображений объектов
4.2. Экспериментальное исследование характеристик алгоритма сегментации и сопровождения движущихся объектов
4.3. Выводы по главе
Заключение
Список литературы

Введение
Актуальность работы
Обработка и анализ информации о транспортных потоках необходимы для осуществления эффективного управления дорожным движением и повышения безопасности его участников.
Для этой цели используют различные программные и технические средства. В последнее время активно развивают и внедряют системы транспортного мониторинга. Их функции - сбор и автоматический анализ данных о работе транспортной сети, фиксирование фактов нарушения правил дорожного движения. На основании собранной статистической информации возможно прогнозирование дорожной обстановки и планирование развития отрасли.
Несмотря на имеющееся многообразие, современные системы транспортного мониторинга обладают общим недостатком - они решают частные задачи в зависимости от своей технической оснащенности и реализованных алгоритмов обработки информации. Практически не существует систем, способных оценивать все необходимые параметры транспортного потока с помощью анализа видеоданных, без применения различной специальной аппаратуры (радаров, датчиков движения, лазерных дальномеров). Использование дополнительного измерительного оборудования делает систему более сложной в эксплуатации. Установка, юстировка и настройка подобного программноаппаратного комплекса - трудоемкие процессы, требующие квалифицированного персонала и постоянного обслуживания. Это ограничивает область применения систем, снижает их эффективность.
Современное развитие вычислительной и телевизионной техники [1] позволяет разрабатывать новые алгоритмы обработки видеоинформации. Таким образом, становится возможным создание системы транспортного мониторинга, формирующей эргономичные и эффективные для автоматического анализа данные, определяющей все необходимые статистические параметры потока (в том числе скорости автомобилей), способной контролировать соблюдение правил дорожного движения, не использующей дополнительной аппаратуры, а также отличающейся простотой эксплуатации.

наилучшим образом описывает возможные искажения растров. Вариантов моделей множество: от простых преобразований подобия, до перспективного проецирования панорамы на цилиндрическую поверхность с учетом искажений объектива.
В зависимости от того, какие трансформации исходных снимков прогнозируют для конкретной задачи, выбирают соответствующую модель преобразования. На рис. 1.16. показана иерархия множества преобразований растра [57].
Исходное
изображение
Перемещение
Евклидово
преобразование
Преобразование
подобия
Аффинное
преобразование
Перспективное
преобразование
Рис. 1.16 Преобразования растра Преобразование перемещения описывают выражением:
'1 О П

О 1 t„

где х'- однородные координаты точки после преобразования, х- исходные однородные
координаты точки, tx,t - перемещение по координатным осям.
Евклидово преобразование дополнено возможностью вращения растра:
Cos 9 -Sin9 tx х = Sin9 Cos9 t„ X

где 9 - угол поворота изображения.
Преобразование подобия позволяет масштабировать изображение:
Б-СозЭ -Б-БтЭ 1Х х = 5 Б1п9 8-Со59 1у О
где 5’ - коэффициент масштабирования изображения.
Аффинная матрица имеет вид:
00 aoi а02
х' = а]0 а\ а2 X,
0 0 1
где а,
00 > W01 ’
- параметры, определяющие масштабирование по
координатным осям, перемещение, угол поворота и сдвиг изображения.