📄Работа №117733
Тема: Разработка алгоритма для локализации движущихся объектов на изображении
Характеристики работы
Тип работы
Бакалаврская работа
Предмет
Программирование
Объем:
45 листов
Год:
2019
Просмотров:
60
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
Аннотация 6
ВВЕДЕНИЕ 5
1 АНАЛИЗ СОСТОЯНИЯ ВОПРОСА 7
2 РАЗРАБОТКА АЛГОРИТМА ЛОКАЛИЗАЦИИ ДВИЖУЩИХСЯ ОБЪЕКТОВ НА ИЗОБРАЖЕНИИ 15
2.1 Описание алгоритма 15
2.2 Подготовка изображения к анализу 17
2.3 Субтрактор фона 20
2.4 Детектор границ объектов 22
2.5 Анализ контуров объектов 27
3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПРЕДЛОЖЕННЫХ РЕШЕНИЙ 28
3.1 Описание программного обеспечения 28
3.2 Тестирование алгоритма 30
ЗАКЛЮЧЕНИЕ 35
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 37
ВВЕДЕНИЕ 5
1 АНАЛИЗ СОСТОЯНИЯ ВОПРОСА 7
2 РАЗРАБОТКА АЛГОРИТМА ЛОКАЛИЗАЦИИ ДВИЖУЩИХСЯ ОБЪЕКТОВ НА ИЗОБРАЖЕНИИ 15
2.1 Описание алгоритма 15
2.2 Подготовка изображения к анализу 17
2.3 Субтрактор фона 20
2.4 Детектор границ объектов 22
2.5 Анализ контуров объектов 27
3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПРЕДЛОЖЕННЫХ РЕШЕНИЙ 28
3.1 Описание программного обеспечения 28
3.2 Тестирование алгоритма 30
ЗАКЛЮЧЕНИЕ 35
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 37
📖 Введение
Разработка систем компьютерного зрения часто связана с решением задач локализации движущихся объектов на изображении. Например, при контроле за обстановкой на дороге необходимо отслеживать перемещение пешеходов и находящихся транспортных средств, в охранных системах контроль может осуществляться путем наблюдения за отсутствием движущихся объектов на охраняемой территории.
В настоящее время проблемами разработки алгоритмов для локализации движущихся объектов на изображении занимаются такие ученые как Cedric Demonceaux, Djemaa Kachi-Akkouche, Bin Nong Sang, Yuehuan Wang, Qingqing Zheng, Xiaotao Zhu, Qian Huang, Feng Ye, Fan Liu, Shufang Xu, Yanfang Wang, Horst Wildenauer, Philipp Blauensteiner, Allan Hanbury, Martin Kampel, Zhao-Yi Wei, Dah-Jye Lee, David Jilk, Robert Schoenberger и др [1-20].
В настоящее время существуют алгоритмы, позволяющие отделять движущиеся объекты на изображении от заднего фона. Такие алгоритмы называются субтракторами фона. Наиболее известные субтракторы - это MOG, MOG2, GNG.
Их использование для решение практических задач ограниченно из-за следующих недостатков в работе алгоритмов:
• Алгоритмы не различают движущиеся объекты друг от друга. Т.е. не реализована возможность раздельной локализации движущихся объектов.
• В алгоритмах реализована возможность адаптивного расчёта модели фона. Это означает, что если движущийся объект на некоторое время остановится, то он будет считаться фоном, и не будет отображаться в маске переднего плана. Т.е. в данных алгоритмах не реализована возможность отслеживания объектов, на короткое время приостановивших своё движение.
Исследования, проведенные в рамках данной бакалаврской работы, направлены на преодоление этих недостатков. Поэтому целью работы является - разработка алгоритма для локализации движущихся объектов на изображении.
Для преодоления этих недостатков в работе предложен свой алгоритм для локализации движущихся объектов на изображении. Принцип его работы следующий. С веб-камеры считывается изображение, которое затем подготавливается к анализу, путем сглаживания цифровых шумов и снижения размера признакового пространства путем конвертации цветовой модели из RGB в Gray. Затем производится расчет маски движущихся объектов на основе данных текущего кадра и изображения фона. Для того, чтобы отделить одни движущиеся объекты от других к маске применяется детектор границ объектов (детектор Canny). Полученные контуры объектов фильтруются для отбрасывания, чтобы не учитывать контуры, полученные от помех. Полученные контуры локализуются с помощью прямоугольной рамки на изображении.
Для апробации данного алгоритма на языке программирования Python было разработано приложение, реализующее на практике предложенные решения.
При подготовке бакалаврской работы была опубликована статья по теме интеллектуального анализа данных. Результаты работы были доложены на V Международной научно-практической конференции (школы-семинара) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук».
В настоящее время проблемами разработки алгоритмов для локализации движущихся объектов на изображении занимаются такие ученые как Cedric Demonceaux, Djemaa Kachi-Akkouche, Bin Nong Sang, Yuehuan Wang, Qingqing Zheng, Xiaotao Zhu, Qian Huang, Feng Ye, Fan Liu, Shufang Xu, Yanfang Wang, Horst Wildenauer, Philipp Blauensteiner, Allan Hanbury, Martin Kampel, Zhao-Yi Wei, Dah-Jye Lee, David Jilk, Robert Schoenberger и др [1-20].
В настоящее время существуют алгоритмы, позволяющие отделять движущиеся объекты на изображении от заднего фона. Такие алгоритмы называются субтракторами фона. Наиболее известные субтракторы - это MOG, MOG2, GNG.
Их использование для решение практических задач ограниченно из-за следующих недостатков в работе алгоритмов:
• Алгоритмы не различают движущиеся объекты друг от друга. Т.е. не реализована возможность раздельной локализации движущихся объектов.
• В алгоритмах реализована возможность адаптивного расчёта модели фона. Это означает, что если движущийся объект на некоторое время остановится, то он будет считаться фоном, и не будет отображаться в маске переднего плана. Т.е. в данных алгоритмах не реализована возможность отслеживания объектов, на короткое время приостановивших своё движение.
Исследования, проведенные в рамках данной бакалаврской работы, направлены на преодоление этих недостатков. Поэтому целью работы является - разработка алгоритма для локализации движущихся объектов на изображении.
Для преодоления этих недостатков в работе предложен свой алгоритм для локализации движущихся объектов на изображении. Принцип его работы следующий. С веб-камеры считывается изображение, которое затем подготавливается к анализу, путем сглаживания цифровых шумов и снижения размера признакового пространства путем конвертации цветовой модели из RGB в Gray. Затем производится расчет маски движущихся объектов на основе данных текущего кадра и изображения фона. Для того, чтобы отделить одни движущиеся объекты от других к маске применяется детектор границ объектов (детектор Canny). Полученные контуры объектов фильтруются для отбрасывания, чтобы не учитывать контуры, полученные от помех. Полученные контуры локализуются с помощью прямоугольной рамки на изображении.
Для апробации данного алгоритма на языке программирования Python было разработано приложение, реализующее на практике предложенные решения.
При подготовке бакалаврской работы была опубликована статья по теме интеллектуального анализа данных. Результаты работы были доложены на V Международной научно-практической конференции (школы-семинара) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук».
✅ Заключение
В ходе выполнения бакалаврской работы были сделаны следующие выводы:
1. Анализ литературных источников показал, что при разработке систем компьютерного зрения разработчикам часто требуется решать задачу обнаружения и трассировки движущихся объектов на изображении. Поэтому развитие алгоритмов локализации движущихся объектов на изображении является актуальной задачей.
2. Анализ литературных источников показал, что наиболее распространенными алгоритмами локализации движущихся объектов являют MOG, MOG2 и GNG. Но обладают недостатками - невозможность раздельной локализации движущихся объектов на одном изображении и не возможность учета локализации объектов, приостановивших свое движение.
3. Для преодоления этих недостатков разработан свой алгоритм локализации движущихся объектов, который основан на подготовке изображения к анализу путем преобразования цветовой модели изображения из RGB в Gray, сглаживание цифровых шумов за счет применения фильтра Гаусса, вычисление маски переднего плана путем попиксельного вычитания яркостей изображения текущего кадра и изображения фона и сравнение результата с пороговым значением, применения к маске переднего плана детектора границ Канни для обнаружения контуров движущихся объектов, анализ всех найденных контуров для фильтрации контуров связанных с шумами и дефектами и локализация объектов, путем ограничения контуров рамками.
4. Для апробации данного алгоритма на языке программирования Python было разработано приложение, реализующее на практике предложенные решения.
5. Предложенное программное обеспечение было протестировано на данных видеоряда, получаемого с веб камеры ноутбука. Подробно результаты тестирования рассматриваются в третьей главе. Результаты тестирования на практике подтверждают состоятельность предложенных решений.
6. При подготовке бакалаврской работы была опубликована статья по теме интеллектуального анализа данных. Результаты работы были доложены на V Международной научно-практической конференции (школы-семинара) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук».
1. Анализ литературных источников показал, что при разработке систем компьютерного зрения разработчикам часто требуется решать задачу обнаружения и трассировки движущихся объектов на изображении. Поэтому развитие алгоритмов локализации движущихся объектов на изображении является актуальной задачей.
2. Анализ литературных источников показал, что наиболее распространенными алгоритмами локализации движущихся объектов являют MOG, MOG2 и GNG. Но обладают недостатками - невозможность раздельной локализации движущихся объектов на одном изображении и не возможность учета локализации объектов, приостановивших свое движение.
3. Для преодоления этих недостатков разработан свой алгоритм локализации движущихся объектов, который основан на подготовке изображения к анализу путем преобразования цветовой модели изображения из RGB в Gray, сглаживание цифровых шумов за счет применения фильтра Гаусса, вычисление маски переднего плана путем попиксельного вычитания яркостей изображения текущего кадра и изображения фона и сравнение результата с пороговым значением, применения к маске переднего плана детектора границ Канни для обнаружения контуров движущихся объектов, анализ всех найденных контуров для фильтрации контуров связанных с шумами и дефектами и локализация объектов, путем ограничения контуров рамками.
4. Для апробации данного алгоритма на языке программирования Python было разработано приложение, реализующее на практике предложенные решения.
5. Предложенное программное обеспечение было протестировано на данных видеоряда, получаемого с веб камеры ноутбука. Подробно результаты тестирования рассматриваются в третьей главе. Результаты тестирования на практике подтверждают состоятельность предложенных решений.
6. При подготовке бакалаврской работы была опубликована статья по теме интеллектуального анализа данных. Результаты работы были доложены на V Международной научно-практической конференции (школы-семинара) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук».
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.