📄Работа №84339
Тема: Распознавание людей и распределение трафика по городу на основе анализа данных с камер видеонаблюдения
Тип работы
Дипломные работы, ВКР
Предмет
Информатика и вычислительная техника
Объем:
48 листов
Год:
2016
Просмотров:
218
4265
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
ВВЕДЕНИЕ 4
ГЛАВА 1 ТЕОРИЯ РАСПОЗНАВАНИЯ И ТРЕКИНГА ОБЪЕКТОВ 6
1.1 Необходимые компоненты системы учета трафика 6
1.2 Методы построения переднего плана 7
1.3 Методы выделения и классификации движущихся объектов 10
1.4 Методы классификации объектов 12
1.5 Алгоритмы слежения за объектами 13
1.6 Алгоритмы для обнаружения и детектирования оставленных объектов ... 17
ГЛАВА 2 АЛГОРИТМ РАСПОЗНАВАНИЯ И ТРЕКИНГА ЛЮДСКОГО ТРАФИКА 22
2.1 Теоретические основы предлагаемой системы трекинга 22
2.2.1 Интегральное представление изображения 23
2.2.2 Признаки Хаара 24
2.2.3 Бустинг 25
2.2.4 Использование каскадов признаков 26
2.3. Histogram of Oriented Gradients (Гистограмма направленных градиентов) 27
2.3.1. Вычисление HOG - дескриптора 29
2.3.2. SVM-классификатор 30
2.4. Алгоритм трекинга 30
ГЛАВА 3 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И АНАЛИЗ
ЭФФЕКТИВНОСТИ ПРЕДЛАГАЕМОГО МЕТОДА ТРЕКИНГА 32
3.1 Распознавание методом Виолы-Джонса и Признаков Хаара 32
3.1.1 Обучение каскада 32
3.1.2 Реализация метода Виолы-Джонса 36
3.2 Распознавание методом гистограмма направленных градиентов 37
3.3 Алгоритм трекинга 38
3.4 Сравнение эффективности методов Виолы-Джонса и Гистограммы
направленных градиентов 42
ЗАКЛЮЧЕНИЕ
Список используемых источников
ГЛАВА 1 ТЕОРИЯ РАСПОЗНАВАНИЯ И ТРЕКИНГА ОБЪЕКТОВ 6
1.1 Необходимые компоненты системы учета трафика 6
1.2 Методы построения переднего плана 7
1.3 Методы выделения и классификации движущихся объектов 10
1.4 Методы классификации объектов 12
1.5 Алгоритмы слежения за объектами 13
1.6 Алгоритмы для обнаружения и детектирования оставленных объектов ... 17
ГЛАВА 2 АЛГОРИТМ РАСПОЗНАВАНИЯ И ТРЕКИНГА ЛЮДСКОГО ТРАФИКА 22
2.1 Теоретические основы предлагаемой системы трекинга 22
2.2.1 Интегральное представление изображения 23
2.2.2 Признаки Хаара 24
2.2.3 Бустинг 25
2.2.4 Использование каскадов признаков 26
2.3. Histogram of Oriented Gradients (Гистограмма направленных градиентов) 27
2.3.1. Вычисление HOG - дескриптора 29
2.3.2. SVM-классификатор 30
2.4. Алгоритм трекинга 30
ГЛАВА 3 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И АНАЛИЗ
ЭФФЕКТИВНОСТИ ПРЕДЛАГАЕМОГО МЕТОДА ТРЕКИНГА 32
3.1 Распознавание методом Виолы-Джонса и Признаков Хаара 32
3.1.1 Обучение каскада 32
3.1.2 Реализация метода Виолы-Джонса 36
3.2 Распознавание методом гистограмма направленных градиентов 37
3.3 Алгоритм трекинга 38
3.4 Сравнение эффективности методов Виолы-Джонса и Гистограммы
направленных градиентов 42
ЗАКЛЮЧЕНИЕ
Список используемых источников
📖 Введение
Внедрение и использование систем видеоаналитики в сферах обеспечения безопасности, охраны и наблюдения, является наиболее очевидным вариантом решения проблемы безопасности местности с большим количеством скопления людей. Подобные системы оказывают большую помощь при таких проблемах, как регулирование соблюдения правил дорожного движения людьми, слежение и подсчет количества людей, определение нештатных ситуаций, возникающих среди людей и находящихся в общественных местах.
На сегодняшний день, подобные системы активно развиваются и имеют широкое распространение в разных областях, в частности с контролем зон с большим количеством скопления людей. Но, несмотря, на свои однозначные преимущества, они тоже имеют свои недостатки. Наиболее распространенными проблемами автоматизированных систем, подобной нашей, являются:
1. Недостаточная точность имеющихся систем.
X Недостаточно точные методы определения объектов, что приводит к неточному результату (алгоритмы и системы плохо учитывают наличие шумов, теней, изменения освещенности и заднего плана).
2. Наложение объектов друг на друга
X Неправильное сегментирование кадра, приводит к тому, что некоторые объекты могут не браться в расчет, что приводит к потере важных данных.
3. Ресурсоемкость некоторых, предлагаемых, как общепринятых и известных, методов и алгоритмов
Цель дипломной работы заключается в разработке системы распознавания людского трафика и его распределения по городу на основе анализа видеоматериалов, полученных из камер видеонаблюдения.
На сегодняшний день, подобные системы активно развиваются и имеют широкое распространение в разных областях, в частности с контролем зон с большим количеством скопления людей. Но, несмотря, на свои однозначные преимущества, они тоже имеют свои недостатки. Наиболее распространенными проблемами автоматизированных систем, подобной нашей, являются:
1. Недостаточная точность имеющихся систем.
X Недостаточно точные методы определения объектов, что приводит к неточному результату (алгоритмы и системы плохо учитывают наличие шумов, теней, изменения освещенности и заднего плана).
2. Наложение объектов друг на друга
X Неправильное сегментирование кадра, приводит к тому, что некоторые объекты могут не браться в расчет, что приводит к потере важных данных.
3. Ресурсоемкость некоторых, предлагаемых, как общепринятых и известных, методов и алгоритмов
Цель дипломной работы заключается в разработке системы распознавания людского трафика и его распределения по городу на основе анализа видеоматериалов, полученных из камер видеонаблюдения.
✅ Заключение
В работе разработан и программно реализован алгоритм распознавания и трекинга пешеходов по кадрам видеопотока. Для распознавания использован известный метод направленных градиентов. Предложен новый алгоритм трекинга, отличающийся простотой реализации и высокой скоростью работы.
Проанализированы существующие алгоритмы и методы видеоанализа и трекинга объектов. Выявлены основные проблемы, сопровождающие данные алгоритмы:
• Высокая ресурсоемкость
• Сложность распознавания объектов при их наложении друг на друга
Программно реализованы следующие методы распознавания объектов:
• Метод Виолы-Джонса
• Метод Гистограмм направленных градиентов
Показано, что наиболее эффективным методом для распознавания фигур пешеходов является метод Гистограммы направленных градиентов (см. Таблицу 2), поскольку по сравнению с методом Виолы-Джонса, обеспечивает:
• Увеличение скорости обработки изображений в 2,5 раз
• Определение объектов с меняющейся геометрией (шагающий человек)
• Меньшее число ложных срабатываний
Разработанный алгоритм трекинга основан на попарном сопоставлении вершин прямоугольников, ограничивающих найденный объект.
Сопоставляются точки прямоугольников, найденных на текущем и предыдущем кадрах видео. Алгоритм подходит для видеоанализа в реальном времени, потому что он менее ресурсоемкий, так как алгоритму не нужно выделять характеристики движения и объектов(цветовые характеристики, скорость, направление движения), рассчитать вероятность перехода объекта из одной точки предыдущего кадра в другую точку текущего кадра для верного присвоения траектории перемещения при одновременном движении в кадре нескольких объектов. На проведение всех этих подсчетов требуются большие вычислительные мощности.
Отличием данной системы от других подобных системы является:
• Собственный алгоритм трекинга
• Независимость от положения видеокамеры
• Возможность нахождения наложенных друг на друга людей
Проанализированы существующие алгоритмы и методы видеоанализа и трекинга объектов. Выявлены основные проблемы, сопровождающие данные алгоритмы:
• Высокая ресурсоемкость
• Сложность распознавания объектов при их наложении друг на друга
Программно реализованы следующие методы распознавания объектов:
• Метод Виолы-Джонса
• Метод Гистограмм направленных градиентов
Показано, что наиболее эффективным методом для распознавания фигур пешеходов является метод Гистограммы направленных градиентов (см. Таблицу 2), поскольку по сравнению с методом Виолы-Джонса, обеспечивает:
• Увеличение скорости обработки изображений в 2,5 раз
• Определение объектов с меняющейся геометрией (шагающий человек)
• Меньшее число ложных срабатываний
Разработанный алгоритм трекинга основан на попарном сопоставлении вершин прямоугольников, ограничивающих найденный объект.
Сопоставляются точки прямоугольников, найденных на текущем и предыдущем кадрах видео. Алгоритм подходит для видеоанализа в реальном времени, потому что он менее ресурсоемкий, так как алгоритму не нужно выделять характеристики движения и объектов(цветовые характеристики, скорость, направление движения), рассчитать вероятность перехода объекта из одной точки предыдущего кадра в другую точку текущего кадра для верного присвоения траектории перемещения при одновременном движении в кадре нескольких объектов. На проведение всех этих подсчетов требуются большие вычислительные мощности.
Отличием данной системы от других подобных системы является:
• Собственный алгоритм трекинга
• Независимость от положения видеокамеры
• Возможность нахождения наложенных друг на друга людей
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.