Тип работы:
Предмет:
Язык работы:


Распознавание людей и распределение трафика по городу на основе анализа данных с камер видеонаблюдения

Работа №84339

Тип работы

Дипломные работы, ВКР

Предмет

информатика

Объем работы48
Год сдачи2016
Стоимость4265 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
117
Не подходит работа?

Узнай цену на написание


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

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.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


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



1. P. Viola and M.J. Jones, «Rapid Object Detection using a Boosted Cascade of Simple Features» [Текст], proceedings IEEE Conf, on Computer Vision and Pattern Recognition2001
2. G. Bradski, A. Kaebler, «Learning OpenCV» [Текст], Published by O’Reilly Media 2008
3. Р.Гонсалес, Р.Вудс, «Цифровая обработка изображений» [Текст], изд-во: Техносфера, Москва, 2005.
4. N. Dalal and B. Triggs. Histograms of oriented gradients for human detection [Текст] // Conference on Computer Vision and Pattern Recognition (CVPR), 2005.
5. P. Dollar, S. Belongie and P. Perona The Fastest Pedestrian Detector in the West BMVC [Текст] 2010, Aberystwyth, UK
6. С.Н.Ярышев Цифровые методы обработки видеоинформации и видеоаналитика [Текст]/ Санкт-Петербург 2011.
7. Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход[Текст] / Пер. с англ. А.В. Назаренко и И.Ю. Дорошенко.- М /// Издат. дом "Вильяме", 2004
8. Шапиро Л., Стокман Д. Компьютерное зрение [Текст] / Пер. с англ.- М.:БИНОМ. Лаборатория знаний, 2006.
9. Qiang Zhu, et al., “Fast Human Detection Using a Cascade of Histograms of Oriented Gradients” [Текст]
10. Yilmaz, A. Object tracking: a survey [Текст] / A. Yilmaz, O. Javed, M. Shah // ACM Computing Surveys (CSUR). - 2006
11. Буй Тхи Тху Чанг, Фан Нгок Хоанг, Спицын В.Г. Алгоритмическое и программное обеспечение для классификации цифровых изображений с помощью вейвлет-преобразования Хаара и нейронных сетей [Текст] // Известия Томского политехнического университета. - 2011
12. Lucas B.D. An Iterative Image Registration Technique with an Application to Stereo Vision [Текст] / B.D. Lucas, T. Kanade //
Proceedings of the 7th international joint conference on Artificial intelligence. - 1981.
13. Лукьяница А.А. Цифровая обработка видеоизображений [Текст] / А.А. Лукьяница, А.Г. Шишкин. - М.: Ай-Эс-Эс Пресс, 2009.
14. статья об обучении каскада Хаара [Электронный ресурс] / Режим доступа:http: //techcave.ru/po sts/5 5 -obuchenie-kaskadno go-klassifikatora-v-opencv-opencv-traincascade-opencv-createsamples.html- свободный
15. описание класса PedestrianDetection из библиотеки Emgu CV [Электронный ресурс] / Режим доступа: http://www.emgu.com/wiki/index.php/Pedestrian Detection in CSharp- свободный
16. Статья от OpenCV об класса CascadeClassification [Электронный ресурс] / Режим доступа:
http://docs. opencv.org/2.4/modules/obj detect/doc/cascade classification.html?highlight=detectmultiscale#cascadeclassifier-detectmultiscale- свободный
17. Статья об эффективности HOG в нахождении людей [Электронный
ресурс] / Режим доступа: https: //www. quora. com/Why-are-HOG-
features-more-accurate-than-Haar-features-in-pedestrian-detection -
свободный
18. Открыты источник библиотека компьютерного зрения[Электронный ресурс] / Режим доступа:http://opencv.org/- свободный


Работу высылаем на протяжении 30 минут после оплаты.




©2024 Cервис помощи студентам в выполнении работ