Тема: Моделирование алгоритма компьютерного зрения для распознавания множества объектов на изображении и видеопотоке

Главной задачей компьютерного зрения является распознавание различных объектов на изображениях. На сегодняшний день до сих пор встречаются проблемы в локализации различных типов объектов. К таким проблемам относят неправильное расположение объекта под некоторым углом, излишки света в кадре или недостаток освещения, а также загромождение искомого объекта другим, но самой главной проблемой компьютерного зрения является производительность - время, затраченное на получение конкретного результата, в локализации искомого объекта на обученном алгоритме.
Актуальность настоящего исследования заключается в отсутствии готового решения для распараллеливания работы алгоритмов в распознавании множества объектов на изображении и видеопотоке.
Целью исследования является сравнение эффективности работы стандартного алгоритма Виолы-Джонса с многопоточной реализацией алгоритмов HOG с SVM путём подсчета скорости их работы.
Объектом исследования является сравнительный анализ алгоритма Виолы-Джонса и связки HOG с SVM.
Предметом исследования является оптимизация процесса локализации лиц на видеопотоке.
Гипотеза исследования состоит в том, что эффективность работы алгоритма Виолы-Джонса может быть увеличена, если будет разработана и реализована соответствующая модель по распараллеливанию процесса обработки изображения.
Для достижения поставленной цели необходимо решить следующие задачи:
• провести обзор существующих подходов по улучшению алгоритма Виолы-Джонса, рассмотрев созданные модификации, алгоритмы фильтрации и методы распараллеливания;
• спроектировать стандартный алгоритм Виолы-Джонса и многопоточную связку HOG и SVM с использованием технологии распараллеливания;
• реализовать и протестировать спроектированные алгоритмы Виолы- Джонса и HOG с SVM для выявления прироста производительности.
Научная новизна данного исследования заключается в использовании современной технологии распараллеливания «multiprocessing» со своей собственной логикой обработки входного кадра изображения для локализации объектов разного рода на кадре изображения и видеопотоке.
Практическая значимость исследования состоит в разработке модификации связки алгоритмов HOG и SVM для локализации объектов разного рода, которую можно применять для улучшения производительности.
Положения, выносимые на защиту:
• в ходе исследования была разработана новая модель распараллеливания работы алгоритма SVM по локализации объектов с применением технологии распараллеливания «multiprocessing»;
• модифицированный алгоритм SVM показывает лучшие результаты в производительности по сравнению с стандартной реализацией алгоритма Виолы-Джонса.
Магистерская диссертация состоит из введения, исследования предметной области, проектирования алгоритмов по локализации объектов, программной реализации и тестирования, а также заключения.
В первом разделе рассматривается предметная область, исследуется методы по оптимизации работы алгоритма Виолы-Джонса, приводятся методы фильтрация входного кадра изображения, а также логические обработки данных методов, рассматриваются существующие алгоритмы на сегодняшний день, приводятся их плюсы и минусы, также исследуются технологии распараллеливания на разных архитектурах.
Во втором разделе проводится проектирование алгоритмов локализации объектов на изображении и видеопотоке, а именно проектируется стандартная реализация алгоритма Виолы-Джонса, а также производится проектирование модифицированного алгоритма SVM с применением технологии распараллеливания «multiprocessing» в связке с алгоритмом HOG, также производятся теоретические вычисления производительности модифицированного алгоритма SVM.
В третьем разделе производится программная реализация спроектированных алгоритмов Виолы-Джонса и связки HOG с SVM для вычисления производительности модификации и сравнительного анализа данных алгоритмов.
Полученная в ходе выполнения данной работы модификация алгоритма SVM позволяет увеличить скорость распознавания объектов на изображении и видеопотоке с использованием архитектуры CPU без ухудшения точности распознавания алгоритма.
Работа состоит из 3 разделов, заключения, содержит 41 рисунка, 23 формул, список использованной литературы включает в себя 30 источников. Основной текст работы изложен на 73 страницах.
Купить

В ходе выполнения магистерской диссертации были проанализированы существующие модификации алгоритма Виолы-Джонса, рассмотрены популярные алгоритмы фильтрации изображения, а также логическая обработка результатов фильтрации, были исследованы существующие алгоритмы по локализации объектов на изображении и видеопотоке, а также приведены их достоинства и недостатки. Были рассмотрены вычислительные архитектуры для применения технологий распараллеливания на языке python и выбрана конкретная технология «multiprocessing». Были спроектированы однопоточная блок-схема алгоритма Виолы-Джонса и многопоточная блок- схема алгоритма HOG и SVM c применением технологии «multiprocessing», а также был сформирован подход по распараллеливанию блока локализации алгоритма SVM на архитектуре CPU, а именно логика разбиения входного кадра изображения на области, которые распределяются между потоками. Также были вычислены теоретические показатели прироста производительности с помощью закона Амбала и Густафсона-Бариса для сравнения с результатом тестирования. Была разработана программа для тестирования алгоритма Виолы-Джонса и модифицированного алгоритма SVM с применением HOG фильтрации.
Из полученных результатов в ходе тестирования было выявлено, что алгоритмы в связке HOG и SVM работаю в 2,37 раз быстрее, чем стандартная реализация алгоритма Виолы-Джонса и исходя из теоретических результатов Амбала и Густафсона-Бариса, данный результат удовлетворяет условию S4 < 3, то есть на четырех ядерной архитектуре мы получаем следующее неравенство 2,37 < 3, что удовлетворяет вышеперечисленным законам.
Исходя из данных результатов, можно сделать вывод, что гипотеза о повышении эффективности работы алгоритмов Виолы-Джонса при использовании разработанной модели распределения локализации объектов на изображения между потоками является в полной мере доказанной.
Купить