Перечень условных обозначений, сокращений и терминов 2
Введение 6
1. Обзорная часть 10
1.1. Формулирование актуальности, цель и задачи работы 10
1.2. Обзор существующих решений 12
1.2.1. Существующие комплексы фиксации нарушений ПДД 12
1.2.2. Ошибки фиксирования нарушения ПДД 17
1.3. Обзор существующих алгоритмов и библиотек распознавания 20
1.3.1. Основная концепция 20
1.3.2. Методы распознавания образов 22
1.3.3. Тестирование алгоритмов обнаружения 32
1.3.4. Библиотеки компьютерного зрения 34
1.4. Обзор существующих аппаратных решений 37
1.4.1 Одноплатный компьютер или процессорный модуль 37
1.4.2 Сравнение современной линейки одноплатных компьютеров 44
2. Схемотехническая часть 47
3. Программная часть 54
3.1. Описание предлагаемой программы детектирования 54
3.2. Разработка программ детектирования людей и автомобилей 62
4. Исследовательская часть 64
4.1. Оценка качества детектирования разработанных программ 64
4.2. Исследование необходимой производительности процессора 66
4.3. Исследование влияния освещения на качество детектирования 68
Заключение 72
Список используемой литературы 75
Приложение А 78
Приложение Б 80
В настоящее время компьютеры еще не научились «видеть» так, как это может человек. Человеческая система зрения способна опираться на собственные догадки, знания о прошлом и предположения. На текущий момент фотокамеры не способны думать как человек, а должны производить операции по вычислениям и расчетам каждого пикселя, чтобы в целом собрать картину, основываясь на разработанных человеком обучающих базах, чтобы предположить какой объект находится перед ним (пример, фокусировка по лицам). В данный момент разработано множество алгоритмов детектирования, распознавания и отслеживания, большое количество уникальных методов способно обрабатывать изображения таким образом, чтобы определить уникальные свойства присущие именно этому изображению (например, нахождение на снимке человека или любого другого объекта).[1]
Компьютерное (машинное) зрение — это множество технологий, методов и алгоритмов, разработанных с целью детектирования и классификации объектов, а также отслеживания их перемещения в пространстве.[2]
В качестве научной дисциплины, её можно отнести к теории и технологии разработки систем (программных), которые получают информацию из видео или фотоизображений. Как известно видеоданные это последовательно идущие друг за другом ряд изображений (кадров), каждый из которых может использоваться для обработки алгоритмами компьютерного зрения с целями указанными выше.
В качестве технологической дисциплины, машинное зрение стремится применять созданные человеком технологии, методы и алгоритмы с целью создания высокотехнологичных систем. В качестве примера можно назвать такие системы:
• Управления процессами (автопилотируемый транспорт, промышленные установки);[3]
• Видеонаблюдения;
• Организации информации (создания и сохранения баз данных с фото- и видеоизображениями);
• Моделирования объектов или окружающей среды (топография и медицинские визуальные данные)
• Взаимодействия (управление машинами, опираясь на движения человека);
• Дополнительной реальности;
• Цифровой обработки фото- и видеоизображений.[4]
Пока что машинное зрение нельзя представить как замену биологическому зрению, но как дополнение - вполне. Изучив физиологию человека и животных, в процессе познания биологии, люди научились создавать модели зрительного восприятия. Другими словами, люди и животные - прообраз моделей компьютерного зрения. Таким образом, получившийся обмен знаниями между компьютерным и биологическим зрением являлся очень продуктивным для обеих научных дисциплин.[5]
С другой стороны, в большей степени компьютерное зрение является связующим звеном не только в программной, но и аппаратной части. Так для каких же задач оно может использоваться?
В данной магистерской диссертационной работе предлагается рассмотреть решение задачи по увеличению безопасности участников дорожного движения, применив знания по разработке электронных устройств и их программированию на базе технологий компьютерного зрения.
Ежегодно увеличивающееся число камер видеофиксации правонарушения ПДД, устанавливаемое ГИБДД (государственная инспекция безопасности дорожного движения), способствует снижению аварийности на автотранспортных дорогах. Их увеличение - не такой уж и плохой знак, ведь они делают наши автотранспортные дороги безопаснее.[6]
Применение компьютерного зрения в данной области теоретически может помочь зафиксировать любое нарушение правил дорожного движения.
Непредоставление преимущества пешеходам при переходе по пешеходному переходу отличный пример того, где может помочь компьютерное зрение. Реализация алгоритма поиска и отслеживания пешеходов и автомобилей и их определение в пространстве относительно друг друга - задача, с которой не сможет справиться обычная камера без соответствующей программной технологии.[7]
В рамках данной диссертационной работы предполагается разработка программного и аппаратного обеспечения для детектирования нарушения ПДД на пешеходном переходе. Данная диссертационная работа может быть использована в качестве примера решения подобных задач компьютерного зрения, включающих в себя:
1. Детектирование объектов;
2. Распознавание объектов (автомобиль, пешеход и пр.);
3. Исследование влияния различных отрицательных факторов на качество распознавания.
Объектом исследования является видеоматериал, обрабатываемый для решения задач распознавания и детектирования образов при фиксации нарушения правил дорожного движения (ПДД) на пешеходном переходе.
Цель работы - достижение приемлемого качества детектирования объектов для реализации поставленных задач научно-исследовательской работы, анализ аппаратного и программного обеспечения и их выбор, исследование различных факторов влияющих на точность детектирования (освещение, параметры камеры и пр.).
Задачи работы:
1. Обзор существующих программных решений;
2. Обзор существующих аппаратных решений;
3. Выбор метода детектирования образов и обоснование выбора;
4. Разработка и реализация программы, управляющей логикой работы;
5. Разработка электрической схемы системы фиксации;
6. Обоснования выбора электронных компонентов системы;
7. Исследование влияния негативных факторов.
Программная реализация алгоритма фиксации правонарушения написана на языке программирования C++ в программе Microsoft Visual Studio 2015 с применением технологий компьютерного зрения библиотеки с открытым исходным кодом OpenCV. В результате реализован алгоритм распознавания образов человека и автомобилей. Он был протестирован на нескольких тестовых видеоизображениях, и выявлена взаимосвязь влияния использованных данных в различающихся условиях.
Аппаратная реализация учитывает тенденции в современной электронике к соотношению производительности, компактности и цены разрабатываемого устройства. В результате спроектировано устройство максимально подходящее к данным требованиям. Передача зафиксированных правонарушений производится по технологии Ethernet, что исключает потери данных или их несвоевременное получение. Необходимые электронные устройства наилучшим образом подобраны для качественного детектирования искомых объектов.
Результаты работы опубликованы в виде научных статей в сборнике «Студенческие Дни науки в ТГУ - 2018», а также сборнике «Прикладная математика и информатика: современные исследования в области естественных и технических наук» - Тольятти: ТГУ, 2018.
Магистерская диссертация состоит из 4 глав, в которых решены упомянутые задачи. Общий объем работы составляет 86 страниц, включая 43 рисунка, 3 таблицы и 2 приложения. Список используемой литературы включает 30 наименований, включая 10 источников на английском языке.
В результате выполнения магистерской диссертационной работы выполнены основные задачи, поставленные индивидуальным планом научно-исследовательской работы. Последовательное выполнение поставленных задач привело к достижению основной цели диссертационной работы: реализации программно-аппаратного комплекса устройства для детектирования нарушений на пешеходном переходе.
Основываясь на существующем опыте реализации устройств видеофиксации нарушения ПДД по соблюдению скоростного режима, проезду на запрещающий сигнал светофора, пересечению транспортными средствами запрещающих полос, а также учитывая ошибки детектирования, возникающие у современных комплексов, предложена модель устройства, позволяющего при должной доработке стать бюджетной альтернативной существующим системам.
Применение технологий компьютерного зрения в современном мире позволяет не только упростить жизнь человека, исключив достаточно рутинные процессы, например при производстве какой-либо продукции, но и обезопасить её, будь то при обыкновенной прогулке по улице или нахождении на станциях метро, или же переходе через дорогу.
Существующие методы и алгоритмы детектирования, классификации и отслеживания перемещения объектов еще далеки от совершенства. Метод гистограммы направленных градиентов с применением классификатора машины опорных векторов на сегодняшний день один из качественнейших алгоритмов для детектирования и классификации объектов в видеопотоке. Таким образом, выбор данного алгоритма для реализации в представленной работе оправдывает своё применение в связи с высоким качеством детектирования и низким числом ложноположительных срабатываний.
Также, выбранная библиотека компьютерного зрения с открытым исходным кодом OpenCV позволяет полностью реализовать все поставленные задачи в программной части разрабатываемого устройства.
С помощью построения структурной схемы создаваемого комплекса удалось произвести подбор необходимых электронных составляющих, которые отличаются небольшой стоимостью и компактностью, что позволило разработать схемотехническую часть системы.
В третьей главе описывается программная часть устройства и предлагается блок-схема алгоритма программы. В данной главе описываются некоторые мысли и идеи, которые помогут при дальнейшей доработке программы. На текущий момент разработан листинг программы по детектированию людей в видеопотоке, а также программа по детектированию автомобилей, в которой встроена функция по обучению классификатора машины опорных векторов. Для её применения необходимо предоставить для программы набор большого числа изображений, где есть необходимый для детектирования объект, и число изображений, где данного объекта нет вовсе.
В завершающей главе проведены исследования работы разработанных программ по детектированию движущихся объектов в видеопотоке. Исследовано качество работы по поиску и классификации объектов и выявлено, что классификатор необходимо обучать именно для того места, где будет использоваться разрабатываемый комплекс, так как необходимо учитывать все рельефные и геометрические особенности данного конкретного места. Проведено исследование скорости работы программ и предложены операции по улучшению скорости их работы, такие как снижение разрешения видео и уменьшение числа кадров используемых при детектировании.
Последнее исследование работы программ включает в себя сравнение количества детектированных автомобилей при различной освещенности. Было выявлено, что при снижении освещенности области детектирования на 50% от основного резко снижает качество детектирования искомых объектов. Это говорит о том, что использование подобных комплексов в вечернее время может привести к резкому возрастанию ложноположительных срабатываний, что вызовет неправильную работу систему по детектированию нарушений ПДД на пешеходном переходе, и, соответственно, к возрастанию числу ошибочно отправленных штрафов владельцам транспортных средств попавших в поле зрения камеры.
Полученные результаты работы программ и исследований говорят о том, что подобные комплексы, детектирующие нарушения ПДД водителями транспортных средств, можно создавать с намного более дешевыми компонентами, а технологии компьютерного зрения требуют дальнейших разработок и применений в повседневности для улучшения качества жизни людей.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
