📄Работа №112900
Тема: Детектирование людей на изображениях с помощью метода Виолы-Джонса
Тип работы
Бакалаврская работа
Предмет
Математика
Объем:
46 листов
Год:
2017
Просмотров:
240
4700
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
ВВЕДЕНИЕ.. 3
1 АНАЛИЗ СОСТОЯНИЯ ВОПРОСА О ПРОБЛЕМЕ ЛОКАЛИЗАЦИИ ЧЕЛОВЕКА В КАДРЕ.. 4
1.1 Постановка задачи локализации человека в кадре видеопотока.. 4
1.2 Локализация человека как задача бинарной классификации.. 7
1.3 Комбинирование технологий в задачах локализации человека... 10
1.4 Сравнение результатов работы методов HOG SVM, Viola-Jones и GNG FIS .. 22
2 РАЗРАБОТКА АЛГОРИТМА ПОИСКА ЛЮДЕЙ НА ИЗОБРАЖЕНИИ.. 25
2.1 Метод Viola-Jones.. 25
2.2 Модификация алгоритма.. 33
3 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ АЛГОРИТМА. 34
3.1 Разработка программной части.. 34
3.2 Тестирование алгоритма и обсуждение результатов ... 36
ЗАКЛЮЧЕНИЕ.. 41
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ Ошибка! Закладка не определена.
1 АНАЛИЗ СОСТОЯНИЯ ВОПРОСА О ПРОБЛЕМЕ ЛОКАЛИЗАЦИИ ЧЕЛОВЕКА В КАДРЕ.. 4
1.1 Постановка задачи локализации человека в кадре видеопотока.. 4
1.2 Локализация человека как задача бинарной классификации.. 7
1.3 Комбинирование технологий в задачах локализации человека... 10
1.4 Сравнение результатов работы методов HOG SVM, Viola-Jones и GNG FIS .. 22
2 РАЗРАБОТКА АЛГОРИТМА ПОИСКА ЛЮДЕЙ НА ИЗОБРАЖЕНИИ.. 25
2.1 Метод Viola-Jones.. 25
2.2 Модификация алгоритма.. 33
3 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ АЛГОРИТМА. 34
3.1 Разработка программной части.. 34
3.2 Тестирование алгоритма и обсуждение результатов ... 36
ЗАКЛЮЧЕНИЕ.. 41
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ Ошибка! Закладка не определена.
📖 Введение
Аннотация. Введение.
От интеллектуальных систем в большинстве случаев требуется выработка управляющих сигналов в зависимости от окружающей ситуации. Информация об окружающей ситуации может представлять собой потоковое видео, в том случае если она считывается с помощью цифровой камеры. При этом разработчикам интеллектуальных систем требуется обеспечить решение задачи распознавания образов в зависимости от требуемого функционала системы.
Очень часто разработчикам таких систем приходится сталкиваться с решением подзадачи локализации людей в кадре видеоряда.
Для ее решения используются такие методы локализации объектов на изображении как HOG SVM, Viola-Jones, GNG-FIS.
Известно, что метод Viola-Jones отлично справляется с локализацией на изображении статических объектов. Человек к таким объектам не относится, так как в процессе движения он может вращать головой, двигать руками, ногами и т.д.
По этой причине, при использовании метода Viola-Jones в классическом виде для локализации человека дает слабые результаты из низкой точности, вызванной большим (по сравнению с HOG SVM и GNG- FIS) количеством ошибок первого рода.
Исследования в данной ВКР направлены на поиск путей по уменьшению ошибок первого рода при использовании метода Viola-Jones в задачах локализации людей на изображениях.
От интеллектуальных систем в большинстве случаев требуется выработка управляющих сигналов в зависимости от окружающей ситуации. Информация об окружающей ситуации может представлять собой потоковое видео, в том случае если она считывается с помощью цифровой камеры. При этом разработчикам интеллектуальных систем требуется обеспечить решение задачи распознавания образов в зависимости от требуемого функционала системы.
Очень часто разработчикам таких систем приходится сталкиваться с решением подзадачи локализации людей в кадре видеоряда.
Для ее решения используются такие методы локализации объектов на изображении как HOG SVM, Viola-Jones, GNG-FIS.
Известно, что метод Viola-Jones отлично справляется с локализацией на изображении статических объектов. Человек к таким объектам не относится, так как в процессе движения он может вращать головой, двигать руками, ногами и т.д.
По этой причине, при использовании метода Viola-Jones в классическом виде для локализации человека дает слабые результаты из низкой точности, вызванной большим (по сравнению с HOG SVM и GNG- FIS) количеством ошибок первого рода.
Исследования в данной ВКР направлены на поиск путей по уменьшению ошибок первого рода при использовании метода Viola-Jones в задачах локализации людей на изображениях.
✅ Заключение
Основные выводы по проведенным в ВКР исследованиям:
1. На основе изучения литературных источников по теме исследования установлено, что совершенствование методов направленных на решение задач локализации людей на изображениях достигается как путем совершенствования алгоритмов компьютерного зрения, так путем их комбинирования.
2. Наиболее часто используемыми методами для решения задач локализации людей являются: HOG SVM, GNG-FIS, Viola-Jones. Произведено сравнения точности работы медов при решении задачи локализации человека. При этом метод Viola-Jones имеет самую низкую точность работы (общая ошибка 40%) с применением одного каскада классификаторов.
3. Показано, что задачу локализации человека на изображении можно свести к задачи бинарной классификации, если разбивать анализируемое изображение на прямоугольные области с помощью метода сканирующего окна.
4. Разработан подход одновременного использования нескольких каскадов классификаторов в методе Viola-Jones, что позволило снизить количество ошибок первого рода в задаче локализации людей с 40,29% до 10,05%.
5. Установлено, что добавления дополнительного каскада замедляет работу метода Viola-Jones по локализации людей приблизительно в 2 раза. Однако конечное быстродействие предложенного подхода всё равно выше, чем у методов HOG SVM и GNG-FIS (детальное сравнение методов приведено в таблице в третьей главе).
6. На языке C++ (в середе Visual Studio Community) с использованием свободной библиотеки OpenCV разработана и протестирована программная реализация предложенного подхода. На практике доказана состоятельность предложенного подхода.
1. На основе изучения литературных источников по теме исследования установлено, что совершенствование методов направленных на решение задач локализации людей на изображениях достигается как путем совершенствования алгоритмов компьютерного зрения, так путем их комбинирования.
2. Наиболее часто используемыми методами для решения задач локализации людей являются: HOG SVM, GNG-FIS, Viola-Jones. Произведено сравнения точности работы медов при решении задачи локализации человека. При этом метод Viola-Jones имеет самую низкую точность работы (общая ошибка 40%) с применением одного каскада классификаторов.
3. Показано, что задачу локализации человека на изображении можно свести к задачи бинарной классификации, если разбивать анализируемое изображение на прямоугольные области с помощью метода сканирующего окна.
4. Разработан подход одновременного использования нескольких каскадов классификаторов в методе Viola-Jones, что позволило снизить количество ошибок первого рода в задаче локализации людей с 40,29% до 10,05%.
5. Установлено, что добавления дополнительного каскада замедляет работу метода Viola-Jones по локализации людей приблизительно в 2 раза. Однако конечное быстродействие предложенного подхода всё равно выше, чем у методов HOG SVM и GNG-FIS (детальное сравнение методов приведено в таблице в третьей главе).
6. На языке C++ (в середе Visual Studio Community) с использованием свободной библиотеки OpenCV разработана и протестирована программная реализация предложенного подхода. На практике доказана состоятельность предложенного подхода.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.