ВВЕДЕНИЕ 4
ГЛАВА 1. АНАЛИЗ СОВРЕМЕННЫХ МЕТОДОВ РАСПОЗНАВАНИЯ
ОБЪЕКТОВ 6
1.1 Распознавание объектов с помощью нейронных сетей искусственного
происхождения 6
1.2 Интенсиональные методы 10
1.3 Экстенсиональные методы 11
1.4 Метод оценки эффективности распознавания образов 14
1.5 Области интереса гистограммы направленных градиентов (HOG -
дескрипторы) 17
1.6 Метод SIFT 23
1.7 Метод SURF 26
1.8 RANSAC метод 30
ГЛАВА 2. СИСТЕМА ОБРАБОТКИ ИЗОБРАЖЕНИЯ ДЛЯ
РАСПОЗНАВАНИЯ ОБЪЕКТОВ 37
2.1 Предварительная обработка перед распознаванием 40
2.2 Определение ключевых особенностей изображения 42
2.3 Детектирование объектов 43
2.4 Воздействие шума на точность детектирования 46
2.5 Распознавание объектов с применением обнаружения области и
выделением признаков 48
ГЛАВА 3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ
РАСПОЗНАВАНИЯ ОБЪЕКТОВ 52
3.1 Алгоритм RANSAC 52
3.2 Алгоритм распознавания объектов с применением обнаружения
области и выделением их признаков 55
3.3 Распознавание методом SIFT 56
ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ АЛГОРИТМОВ
РАСПОЗНАВАНИЯ 58
4.1 Распознавание методом SURF 58
4.2 Вычисление методом RANSAC 60
4.3 Распознавание методом SIFT 61
ЗАКЛЮЧЕНИЕ 69
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 70
ПРИЛОЖЕНИЕ
Распознавание визуальных образов представляет собой один из важнейших компонентов систем управления и обработки информации, автоматизированных систем и систем принятия решений. Задачи, связанные с классификацией и идентификацией предметов, явлений и сигналов, характеризующихся конечным набором некоторых свойств и признаков, возникают в таких отраслях как робототехника, информационный поиск, мониторинг и анализ визуальных данных. Алгоритмическая обработка и классификация изображений применяются в системах безопасности, контроля и управления доступом, в системах видеонаблюдения, виртуальной реальности и информационных поисковых системах.
В настоящее время существует множество задач, в которых требуется принять некоторое решение в зависимости от присутствия на изображении объекта или классифицировать его. Это связанно с массовым внедрением информационных технологий в различные области человеческой жизни. Обычно они представляют собой набор взаимосвязанных функциональных систем, таких как системы сбора информации с детекторов транспорта и телекамер. Вследствие многообразия внешних условий, в которых приходится работать указанным системам, методики, используемые при их создании, могут сильно отличаться друг от друга. Однако большинство существующих на сегодняшний день систем имеет в своем составе два основных блока: получения изображения (видеокамера) и системы его последующего анализа.
Так, актуальной проблемой, остается распознавание объектов под действием преобразования плоскости изображения, способных значительным образом изменить его форму, не влияя при этом на принадлежность объекта к категории распознавания. Существуют и успешные продвижения при выстраивании видео фиксации и комплексе выявления любого рода объектов, но есть затруднения при перемещении к наибольшему разрешению вводной в видеоряде по причине использования закрепленных характеристик объема и позиционирования субъекта в снимке. Актуальность данной проблемы особенно высока в отраслях, где распознавание образов применяется в естественной среде (видеонаблюдение, анализ данных камер мониторинга, робототехнические зрительные системы), где зрительный сенсор может иметь произвольный ограниченный угол обзора по отношению к искомому объекту.
Для решения поставленной цели определения предметов, важным фактором является поиск приемлемого алгоритма, который не только определяет данные об особенностях какой-либо определенной области, а также позволяет распознавать любой объект в присутствии влияния шума на изображении.
Основной целью работы является исследование и разработка алгоритма для прецедентного распознавания объектов на видео-данных.
Объектом исследования являются видео-данные, применяемые для распознавания объектов.
Предметом исследования являются методы и алгоритмы распознавания объектов на видео-данных с задачей улучшения систем их видеофиксации.
Задачи дипломной работы:
- произвести анализ существующих методов распознавания на видео-данных;
- выбор методов для исследования распознавания объектов;
- сравнение выбранных методов распознавания объектов;
- разработать алгоритмы распознавания объектов на видео-данных;
- выполнить экспериментальные исследования разработанных алгоритмов распознавания объектов;
- выполнить общий анализ результатов исследуемых алгоритмов распознавания.
На основании проведенных исследований в магистерской работе получены следующие основные результаты:
1. Произведен анализ существующих методов распознавания на видео-данных.
2. Выполнен выбор методов для исследования распознавания объектов. Из существующих на сегодняшний день методов, более приемлемыми и результативными являются методы RANSAC, SIFT и SURF.
3. Исследуемые методы распознавания имеют свои достоинства и недостатки, более того, методы SIFT и SURF дополняют друг друга.
4. Разработаны алгоритмы распознавания объектов:
• На основе метода SIFT, который распознает локальные характеристики изображения и описывает их. С помощью данного метода, можно получить инвариантные признаки в отношении размера и поворота, которые не зависимы от шума и ряда афинных преобразований. Достоинством метода является устойчивость к небольшим окклюзиям и инвариантность определения движущегося объекта.
• На основе метода SURF, который включает в себя выполнение двух задач: поиск особых точек изображения; создание их дескрипторов, инвариантных к размеру и циркуляции.
Результат проведенных экспериментов показывают, что работа алгоритма быстра и надежна, чем традиционные методы, отслеживающие объекты в различных средах.
5. Выполнена программная реализация разработанных алгоритмов распознавания объектов.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
