Введение 3
1. Теоретические основы отслеживания объектов в видео потоке 6
1.1. Классификация методов отслеживания 7
1.2. Отслеживание ядра (набора особых точек) 8
1.3. Алгоритм Meanshift 10
1.3. Алгоритм Camshift 12
2. Создание СППР «Методы отслеживания объектов на изображении» .... 14
2.1. Программные средства 14
2.2. Демонстрация созданной системы 14
Заключение 29
Список литературы 30
Приложение 1
Купить

Отслеживание объектов является очень востребованным на сегодняшний день. Распространение мощных компьютеров, наличие качественных и недорогих видеокамер, а также увеличивающаяся потребность в автоматизированном видеоанализе является тому причиной. Оно применяется в различных прикладных областях, таких как отслеживание дорожного трафика, построение систем видеонаблюдения, автономная навигация, дополненная реальность и многих других.
Сопровождение также активно используется для решения задач автоматизированного наблюдения, распознавания движения, взаимодействия человека и компьютера (распознавание жестов, биометрических параметров).
Существует множество подходов к решению задачи отслеживания (с англ. tracking). Одним из самых универсальных является представление объекта набором особых точек. Такой способ позволяет применить трекер для задач разного рода, не налагая дополнительных условий его использования. Данный подход используется в нашей работе в алгоритмах Meanshift и Camshift.
Несмотря на большое количество реализаций, алгоритмы отслеживания, в целом, очень чувствительны к изменению освещения, к резким и сложным движениям. Каждый отдельный метод решает только часть сопутствующих проблем. Поэтому изучение и исследование возможностей трекинга объектов является актуальным.
Цель работы - разработать СППР «Методы отслеживания объектов на изображении», математическую модель которой составляют алгоритмы Meanshift и Camshift, и осуществить сравнение работы методов по разработанной системе критериев на основе тестирования работы алгоритмов на тестовых видео файлах.
Задачи ВКР:
• Проанализировать имеющуюся литературу и разработки в области
отслеживания объектов;
• Реализовать алгоритм трекинга Meanshift;
• Реализовать алгоритм трекинга Camshift;
• Определить критерии сравнения алгоритмов;
• Осуществить поиск репозитория для тестовых видео файлов;
• Сравнить работу алгоритмов на тестовом наборе данных;
• Сравнить работу алгоритмов на тестовых видео и сделать выводы.
В работе для сравнения алгоритмов проводится тестирование на специализированном наборе данных [1], который покрывает различные «сложные» случаи работы с объектами, изменяющими свое форму, размеры, перекрывающимися другими объектами и прочее.
Предмет изучения настоящей работы - отслеживание объектов в видео потоке.
Объект изучения работы - видео потоки.
Требования к проектируемой системе:
Удобный и функциональный интерфейс, позволяющий пользователю без труда выполнить поставленную ему задачу;
Наглядность представления имеющейся информации;
Быстрая скорость работы алгоритмов;
Динамичность и интерактивность.
Основные средства - Python 3.6; библиотеки opencv, numpy, pyqt5.
В настоящей выпускной квалификационной работе разрабатывается система для трекинга объекта, вкладывая в нее алгоритмы сдвига среднего (Meanshift) и адаптивного непрерывного сдвига среднего (Camshift).
Работа изложена в трех главах. В первой главе излагаются теоретические и методологические основы проблемы отслеживания объектов. Во второй главе продемонстрирована работа созданной СППР, осуществлено сравнение качества работы алгоритмов по набору критериев. В заключение формируются основные результаты дипломной работы.
Купить