Помощь студентам в учебе
ИССЛЕДОВАНИЕ МЕТОДОВ И АЛГОРИТМОВ ОБНАРУЖЕНИЯ ДВИЖУЩИХСЯ ОБЪЕКТОВ НА ВИДЕО-ДАННЫХ
|
ВВЕДЕНИЕ 4
1 ОБРАБОТКА ВИДЕО-ДАННЫХ 6
1.1 Общие сведения 6
1.2 Предобработка и постобработка изображений при обнаружении
подвижных объектов 7
1.2.1 Предобработка 8
1.2.2 Постобработка 9
1.3 Математическая морфология 10
2 МЕТОДЫ И АЛГОРИТМЫ ОБНАРУЖЕНИЯ ДВИЖУЩИХСЯ
ОБЪЕКТОВ В ПОТОКЕ ВИДЕО-ДАННЫХ 12
2.1 Обзор методов обнаружения движущегося объекта 12
2.2 Метод вычитания фона 16
2.3 Метод оптического потока 25
2.3.1 Оценка оптического потока 26
2.3.2 Методы определения оптического потока 28
3 РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ
ОБНАРУЖЕНИЯ ДВИЖУЩИХСЯ ОБЪЕКТОВ 35
3.1 Разработка алгоритмов обнаружения движущихся объектов 36
3.1.1 Разработка алгоритма вычитания фона 36
3.1.2 Разработка алгоритма вычитания фона с использованием смеси
Гауссовых распределений (GMM) 37
3.1.3 Разработка алгоритма Лукаса-Канаде для вычисления оптического
потока 40
3.2 Исследование алгоритмов обнаружения движущихся объектов 41
4 ЭКОНОМИЧЕСКАЯ ОЦЕНКА РЕЗУЛЬТАТОВ
ИССЛЕДОВАНИЯ 53
4.1 Планирование работ по исследованию 53
4.2 Расчет расходов на оплату труда на исследование 55
4.3 Расчет продолжительности исследования 56
4.4 Расчет стоимости расходных материалов 56
4.5 Расчет сметы расходов на исследование 57
ЗАКЛЮЧЕНИЕ 61
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 63
1 ОБРАБОТКА ВИДЕО-ДАННЫХ 6
1.1 Общие сведения 6
1.2 Предобработка и постобработка изображений при обнаружении
подвижных объектов 7
1.2.1 Предобработка 8
1.2.2 Постобработка 9
1.3 Математическая морфология 10
2 МЕТОДЫ И АЛГОРИТМЫ ОБНАРУЖЕНИЯ ДВИЖУЩИХСЯ
ОБЪЕКТОВ В ПОТОКЕ ВИДЕО-ДАННЫХ 12
2.1 Обзор методов обнаружения движущегося объекта 12
2.2 Метод вычитания фона 16
2.3 Метод оптического потока 25
2.3.1 Оценка оптического потока 26
2.3.2 Методы определения оптического потока 28
3 РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ
ОБНАРУЖЕНИЯ ДВИЖУЩИХСЯ ОБЪЕКТОВ 35
3.1 Разработка алгоритмов обнаружения движущихся объектов 36
3.1.1 Разработка алгоритма вычитания фона 36
3.1.2 Разработка алгоритма вычитания фона с использованием смеси
Гауссовых распределений (GMM) 37
3.1.3 Разработка алгоритма Лукаса-Канаде для вычисления оптического
потока 40
3.2 Исследование алгоритмов обнаружения движущихся объектов 41
4 ЭКОНОМИЧЕСКАЯ ОЦЕНКА РЕЗУЛЬТАТОВ
ИССЛЕДОВАНИЯ 53
4.1 Планирование работ по исследованию 53
4.2 Расчет расходов на оплату труда на исследование 55
4.3 Расчет продолжительности исследования 56
4.4 Расчет стоимости расходных материалов 56
4.5 Расчет сметы расходов на исследование 57
ЗАКЛЮЧЕНИЕ 61
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 63
В современной жизни информация играет очень важную роль. Научно-технический прогресс в областях, связанных с передачей и обработкой информации, открывает новые горизонты. Вслед за этим быстро развивается информатика.
С подъемом производительности персональных компьютеров, ёмкости носителей принципиальным направлением развития информационных технологий стали средства мультимедиа. Поначалу они работали в основном для декорации компьютерных игр, хотя с течением времени отыскали большое количество иных применений своей силе и возрастающим способностям. Кроме игр появлялись поначалу короткие видеоклипы, аудиофайлы, потом полнометражные киноленты в цифровых форматах.
Сейчас мультимедийные потоки используются довольно обширно в разных секторах экономики производства и сферах жизни людей. Они являются очень удобным носителем постоянно поступающей информации, и потому их популярность быстро растёт. Можно выделить 2 области, где они себя зарекомендовали: видеофильмы и телеконференции. Предпосылки этому - удобство и простота применения. Сравнимо новым методом внедрения потоковых мультимедийных данных стала служба охраны жилых и хозяйственных объектов. Для просмотра кинофильмов и проведения телеконференций достаточно только декодировать мультимедийные данные и продемонстрировать их пользователю, но для целей охраны этого мало, тем более, если идёт речь о автоматизации процесса охраны. В данном случае нужно использовать дополнительные алгоритмы, позволяющие не столько передавать и показывать информацию, поступающую на вход, но ещё и отслеживать изменения относительно предыдущих данных и информировать об этом пользователя или вести запись истории таких изменений [1].
С развитием технологий и повышением общесоциального уровня постоянно повышаются требования к безопасности и осведомлённости определённых групп лиц. Поэтому задача мониторинга нашла своё применение в различных сферах деятельности человека. Немаловажную роль в решении задачи мониторинга играют системы видеонаблюдения. В настоящее время они используются в банках, музеях, на дорогах, в системах военной, общественной безопасности и т.д. Кроме обычных функций: вывода видеоизображения на монитор и записи на какой-либо носитель, в настоящее время системы наблюдения дополняются модулями интеллектуального обнаружения движения и сопровождения цели [2]. В связи с чем, актуальным представляется исследование особенностей методов обнаружения движения.
Целью данной выпускной квалификационной работы является исследование методов и алгоритмов обнаружения движущихся объектов на видео-данных с использованием статичной камеры при различных условиях съемки.
Для достижения поставленной цели необходимо решить следующие задачи:
• Произвести обзор литературных источников;
• Выполнить анализ методов обнаружения движущихся объектов на видеопоследовательности;
• Произвести выбор методов обнаружения движущихся объектов на видео-данных;
• Произвести разработку алгоритмов для выбранных методов;
• Выполнить реализацию и апробацию алгоритмов в программном комплексе Matlab;
• Произвести экспериментальные исследования выбранных методов;
• Произвести сравнение полученных результатов.
С подъемом производительности персональных компьютеров, ёмкости носителей принципиальным направлением развития информационных технологий стали средства мультимедиа. Поначалу они работали в основном для декорации компьютерных игр, хотя с течением времени отыскали большое количество иных применений своей силе и возрастающим способностям. Кроме игр появлялись поначалу короткие видеоклипы, аудиофайлы, потом полнометражные киноленты в цифровых форматах.
Сейчас мультимедийные потоки используются довольно обширно в разных секторах экономики производства и сферах жизни людей. Они являются очень удобным носителем постоянно поступающей информации, и потому их популярность быстро растёт. Можно выделить 2 области, где они себя зарекомендовали: видеофильмы и телеконференции. Предпосылки этому - удобство и простота применения. Сравнимо новым методом внедрения потоковых мультимедийных данных стала служба охраны жилых и хозяйственных объектов. Для просмотра кинофильмов и проведения телеконференций достаточно только декодировать мультимедийные данные и продемонстрировать их пользователю, но для целей охраны этого мало, тем более, если идёт речь о автоматизации процесса охраны. В данном случае нужно использовать дополнительные алгоритмы, позволяющие не столько передавать и показывать информацию, поступающую на вход, но ещё и отслеживать изменения относительно предыдущих данных и информировать об этом пользователя или вести запись истории таких изменений [1].
С развитием технологий и повышением общесоциального уровня постоянно повышаются требования к безопасности и осведомлённости определённых групп лиц. Поэтому задача мониторинга нашла своё применение в различных сферах деятельности человека. Немаловажную роль в решении задачи мониторинга играют системы видеонаблюдения. В настоящее время они используются в банках, музеях, на дорогах, в системах военной, общественной безопасности и т.д. Кроме обычных функций: вывода видеоизображения на монитор и записи на какой-либо носитель, в настоящее время системы наблюдения дополняются модулями интеллектуального обнаружения движения и сопровождения цели [2]. В связи с чем, актуальным представляется исследование особенностей методов обнаружения движения.
Целью данной выпускной квалификационной работы является исследование методов и алгоритмов обнаружения движущихся объектов на видео-данных с использованием статичной камеры при различных условиях съемки.
Для достижения поставленной цели необходимо решить следующие задачи:
• Произвести обзор литературных источников;
• Выполнить анализ методов обнаружения движущихся объектов на видеопоследовательности;
• Произвести выбор методов обнаружения движущихся объектов на видео-данных;
• Произвести разработку алгоритмов для выбранных методов;
• Выполнить реализацию и апробацию алгоритмов в программном комплексе Matlab;
• Произвести экспериментальные исследования выбранных методов;
• Произвести сравнение полученных результатов.
В ходе выполнения выпускной квалификационной работы был произведен обзор методов обнаружения движущихся объектов на видеопоследовательности. При этом можно отметить, что существует множество методов обнаружения объектов: алгоритмы, базирующиеся на временных различиях кадров, а также моделирование и вычитание заднего фона.
В связи с чем, для исследования были выбраны следующие методы обнаружения движущихся объектов на видео-данных: метод вычитания фона, метод вычитания фона с использованием смеси Гауссовых распределений, метод оптического потока (алгоритм Лукаса-Канаде).
Были разработаны алгоритмы выбранных методов, выполнена программная реализация в программном пакете Matlab, а также проведены исследования разработанных алгоритмов при различных погодных условиях, при наличии шума. Были найдены вероятности правильного обнаружения движения для разного соотношения шум/сигнал.
Судя по полученным результатам исследования можно сделать следующие выводы:
- Алгоритм Лукаса-Канаде для построения оптического потока довольно устойчив к изменениям освещенности, яркости и контрастности кадров видеопоследовательности. Недостатками данного метода являются неустойчивость к воздействию шума, а также неэффективность обнаружения объектов при медленных движениях (медленнее, чем 1 пиксель за кадр). Данный алгоритм также является более устойчивым к изменениям разрешения видео-данных, чем алгоритмы вычитания фона.
- Главным недостатком метода вычитания фона является возможная классификация фоновых пикселей как переднеплановых. Это возникает при появлении на видеопоследовательности листьев деревьев, колышущихся на ветру, падающих снега и дождя, теней, отбрасываемых движущимися объектами и так далее. Для данного метода также свойственна латентность в обновлении модели фона. Алгоритм не устойчив к изменению разрешения видео-данных, то есть при уменьшении разрешения видео вероятность правильного обнаружения движущегося объекта значительно падает.
Преимущества данного метода: достаточная устойчивость к воздействию шума любой интенсивности; простота реализации.
В связи с чем, для исследования были выбраны следующие методы обнаружения движущихся объектов на видео-данных: метод вычитания фона, метод вычитания фона с использованием смеси Гауссовых распределений, метод оптического потока (алгоритм Лукаса-Канаде).
Были разработаны алгоритмы выбранных методов, выполнена программная реализация в программном пакете Matlab, а также проведены исследования разработанных алгоритмов при различных погодных условиях, при наличии шума. Были найдены вероятности правильного обнаружения движения для разного соотношения шум/сигнал.
Судя по полученным результатам исследования можно сделать следующие выводы:
- Алгоритм Лукаса-Канаде для построения оптического потока довольно устойчив к изменениям освещенности, яркости и контрастности кадров видеопоследовательности. Недостатками данного метода являются неустойчивость к воздействию шума, а также неэффективность обнаружения объектов при медленных движениях (медленнее, чем 1 пиксель за кадр). Данный алгоритм также является более устойчивым к изменениям разрешения видео-данных, чем алгоритмы вычитания фона.
- Главным недостатком метода вычитания фона является возможная классификация фоновых пикселей как переднеплановых. Это возникает при появлении на видеопоследовательности листьев деревьев, колышущихся на ветру, падающих снега и дождя, теней, отбрасываемых движущимися объектами и так далее. Для данного метода также свойственна латентность в обновлении модели фона. Алгоритм не устойчив к изменению разрешения видео-данных, то есть при уменьшении разрешения видео вероятность правильного обнаружения движущегося объекта значительно падает.
Преимущества данного метода: достаточная устойчивость к воздействию шума любой интенсивности; простота реализации.