ВВЕДЕНИЕ 6
1 Методы и технологии 8
1.1 Цифровые изображения 8
1.2 Компьютерное зрение 9
1.3 Технологии дополненной реальности 10
2 Описание и принцип работы оптических модулей 13
2.1 Оптический инфракрасный модуль 13
2.2 Глубина поля зрения 14
2.3 Оптический модуль Microsoft Kinect 16
2.4 Оптический модуль Intel RealSense D435i 18
3 Система захвата объекта и определение дальности 21
3.1 Получение изображений в среде Intel RealSense Viewer 221
3.2 Разработка программного обеспечения для получения информации о дальности 23
3.3 Нейронная сеть Cubemos BodyTracker 27
3.4 Программное обеспечение Intel: Cubemos Skeleton Tracking 28
3.5 Получение изображения дополненной реальности программным кодом 30
4 Методы получения радиоизображений 37
4.1 Метод Столта 37
4.2 Метод дифракционного суммирования 38
5 Моделирование задачи томографии и разработка программного обеспечения 41
5.1 Моделирование в Mathcad 41
5.2 Создание программного обеспечения 43
5.3 Моделирование сложного распределения неоднородностей 45
5.4 Добавление случайной ошибки в данные позиционирования 49
ЗАКЛЮЧЕНИЕ 55
СПИСОК ЛИТЕРАТУРЫ 57
Проблема обеспечения безопасности в местах массового скопления людей актуальна уже многие годы. В аэропортах, торговых центрах, на вокзалах используются системы досмотра для обнаружения скрытых запрещенных опасных предметов. Все существующие системы досмотра предназначены для сканирования статичных объектов, которыми являются неподвижные на некоторое время люди и скрытые опасные предметы. Разрабатываемый в рамках данной научной работы метод будет использоваться для сканирования движущихся объектов в реальном времени. Таким методом можно проводить скрытое сканирование людей, не тревожа их.
Целью данной работы является создание системы захвата объекта в движении для задачи радиовидения. Чтобы получить радиоизображение движущегося человека важно знать, какую область необходимо сканировать (какой объем занимает человек в пространстве). Для этого нужно «выделить» человека внутри видеоряда в каждый момент времени.
Чтобы обнаружить область пространства, занимаемую человеком, необходимо определить его антропометрические параметры, такие как длина конечностей и углы между ними. В данной работе описан метод получения данных о глубине с использованием оптических инфракрасных модулей. Полученная информация необходима для определения положения объектов в снимаемой сцене. Для распознавания и отслеживания человека подключена нейронная сеть Cubemos. Описан процесс разработки программного обеспечения и получения изображений, содержащих информацию о дальности объектов. Также получено изображение человека, дополненное скелетной моделью, позволяющей определить положение конечностей человека, используя методы компьютерного зрения.
Для того, чтобы получить информацию о скрытых объектах необходимо решить задачу томографии. В данной работе задача томографии численно решена методом дифракционного суммирования для точечных неподвижных рассеивателей в двумерном пространстве. Разработано программное обеспечение на языке программирования Python, также моделирование задачи было проведено в среде Mathcad. Оценено влияние количества приемо-передатчиков на получаемое изображение, добавлена случайная ошибка при определении положения объекта.
В данной работе был проведен обзор оптических модулей Microsoft Kinect и Intel RealSense. По результатам тестирования и поиска необходимых для работы наборов программного обеспечения для оптических модулей, был выбран Intel RealSense. С использованием выбранного модуля были получены изображения в видимом диапазоне, инфракрасном диапазоне и синтезированная карта глубины. Эти изображения были получены готовой средой Intel RealSense Viewer, а затем с помощью разработанного программного обеспечения и подключенных библиотек компьютерного зрения OpenCV, так как готовая среда Intel позволяет получать только изображения и не позволяет работать с информацией о дальности объектов в исследуемой сцене.
Была подключена нейронная сеть, способная распознавать и сегментировать человеческий контур на составляющие: 18 ключевых узлов и соединения между ними, образующих «скелет» человека. Захват человека в кадре проводился двумя способами: готовым программным обеспечением Skeleton Tracking, которое не позволяет работать с данными о расположении человека в пространстве, и разработанной программой. Разработанная программа позволяет получить изображение дополненной реальности (RGB- изображение и наложенная скелетная модель на человека в снимаемой сцене), обновляя данные в реальном времени 30 раз в секунду, а также выводить координаты ключевых узлов и на их основе рассчитывать длину конечностей снимаемого человека.
Программа для захвата движения человека позволяет определить область пространства, в которой в дальнейшем необходимо провести сканирование для обнаружения скрытых опасных предметов. В данной работе была численно решена задача томографии методом суммирования дифракционных гипербол для точечного неподвижного рассеивателя в двумерном пространстве, проведено моделирование в среде Mathcad и создано программное обеспечение на языке программирования Python, с помощью которого возможно выводить восстановленное изображение и вносить случайную ошибку в данные позиционирования приемо-передатчиков. Моделирование проводилось для статичной единичной неоднородности при 128 приемо-передатчиков, а также для сложного распределения 15 неоднородностей при 16, 32, 64 и 128 приемо-передатчиков. В результате были получены радиограммы - восстановленные радиоизображения распределения неоднородностей. Оценено количество приемо-передатчиков, необходимое для получения достаточной разрешающей способности радиоизображения при длительности импульса 0,2 нс - 64 приемо-передатчика, расположенных на расстоянии 2 см, получены срезы радиоизображения для определения разрешающей способности системы.
