Разработка алгоритмов функционирования и архитектуры автомата сопровождения объектов по данным видеонаблюдений
Муравьев B.C. Пространственный алгоритм обнаружения объектов на основе адаптивного порога // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций. Тез. докл. 14-й междунар. науч.-техн. конф. Рязань, 2005. — С. 122−123. Алпатов Б. А., Катаев A.A. Метод автоматического выделения опорных участков фона в замкнутой видеокомпьютерной системе // Космонавтика. Радиоэлектроника… Читать ещё >
Разработка алгоритмов функционирования и архитектуры автомата сопровождения объектов по данным видеонаблюдений (реферат, курсовая, диплом, контрольная)
Содержание
ЗАКЛЮЧЕНИЕ Диссертационная работа посвящена разработке алгоритмов функционирования и путей технической реализации автомата сопровождения объектов по данным видеонаблюдений. Автоматы сопровождения являются важной составной частью оптико-электронных систем, которые, в свою очередь, используются для решения обзорных и прицельных задач на различных образцах военной техники. Функционирование автомата сопровождения возможно только при наличии мощного алгоритмического обеспечения, решающего задачи обнаружения, выделения объектов на изображении и измерения их координат. Очевидно, что универсального набора алгоритмов, позволяющего решить перечисленные выше задачи нет. Поэтому весьма актуальной является разработка таких алгоритмов.
Разработанные алгоритмы предназначены для работы в реальном масштабе времени. Особенностью рассматриваемых алгоритмов является их ориентация на применение в задачах «воздух-земля» и «воздух-воздух». Тем не менее, возможно применение полученных алгоритмов в задачах «земля-земля» и «земля-воздух», что подтверждается работой изделий семейства «Охотник» в составе наземных зенитно-ракетных комплексов.
В процессе разработки получены следующие новые научные и практические результаты:
1. На основе введенных пространственно-временных моделей состояния и наблюдения обрабатываемого изображения синтезирован алгоритм принятия решения об обнаружении и выделении объекта в последовательности кадров. Сравнение с алгоритмами, основанными на вычислении межкадровых разностей, показало преимущество предложенного алгоритма, использующего процедуры оценки фона, прогноза вероятностей, классификации на основе апостериорных вероятностей и логической фильтрации в работоспособности при малых отношениях сигнал/шум и наличии неоднородного фонового изображения.
Проведен анализ и выполнено обоснование выбора соотношения точек объекта и точек фона в эталонном изображении. Показано, что для устойчивой работы алгоритма измерения координат количество точек фона и объекта в эталоне должно быть примерно одинаковым. Разработан эвристический многопороговый алгоритм выделения неподвижных объектов на основе разделения изображения на яркостные уровни. Применение алгоритма позволяет получить начальные данные для выбора эталонного изображения объекта. Сформулированы критерии работоспособности алгоритма на основе эталона при различной фоноцелевой обстановке, выработаны правила при анализе возможности захвата объекта на сопровождение. Показана необходимость фильтрации эталона для учета изменений, происходящих с обрабатываемыми изображениями в процессе работы алгоритма. Предложен способ повышения устойчивости сопровождения при попадании в зону поиска других похожих объектов. В результате разработан алгоритм измерения координат на основе эталона, использующий все приведенные выше улучшения, что позволяет автомату решать задачу сопровождения объектов с большой устойчивостью и с минимальными ошибками.
2. Создан многоэтапный алгоритм измерения координат на основе сегментации. Проанализированы характерные признаки изображений, как яркостные, так и градиентные, и даны рекомендации по использованию наиболее подходящих с точки зрения простоты реализации и качества сегментации. Рассмотрены вопросы определения размеров окна и рамки, порядка классификации точек строба, зачистки и восстановления бинарного изображения. Разработаны критерии оценки работоспособности алгоритма сегментации в последовательности кадров, применяемые при анализе возможности захвата объекта на сопровождение.
Разработанные в итоге многоэтапный алгоритм сегментации показал высокую точность измерения координат объекта и устойчивость в работе даже на неоднородных шумах.
3. Разработанное алгоритмическое обеспечение и его аппаратная реализация легли в основу автоматов сопровождения семейства «Охотник», выпускаемых
ФГУП ГРГ13. Рассмотрены принципиальная, структурная и функциональная схемы автомата сопровождения. Обосновано применение в схеме автомата программируемых логических интегральных схем и цифровых сигнальных процессоров. Приведены примеры построения аппаратных модулей и выполнения типовых аппаратных операций.
1. Алпатов Б. А., и др. Алгоритмы последовательных испытаний в задаче совмещения двумерных изображений // Изв. вузов. Сер. Электромеханика. 1988. -№ 7. с. 87−91.
2. Алпатов Б. А., Селяев A.A. Алгоритм коррекции эталонного изображения при слежении за двумерным объектом // Обработка и преобразование информации в задачах управления: Межвуз. сб. Рязань: РРТИ, 1984. -С. 52−57.
3. Алпатов Б. А., Селяев A.A. Алгоритм оценки местоположения объекта на двумерном изображении // Изв. вузов. Сер. Приборостроение. 1988. -№ 5.-С. 3−5.
4. Алпатов Б. А., Селяев A.A. Методы адаптации эталонного изображения объекта в корреляционных следящих устройствах // Вестник Рязанской государственной радиотехнической академии. 2004. — Вып. 14. — С. 37−40.
5. Алпатов Б. А., Селяев А. А., Степашкин А. И Устройство для определения рассогласования координат положения объекта в телевизионной следящей системе. А. С. № 1 443 794, 1988.
6. Баклицкий В. К., Бочкарёв A.M. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации. М.: Радио и связь, 1986.-216 с.
7. Бочкарёв A.M. Корреляционно-экстремальные системы навигации // Зарубежная радиоэлектроника. 1981. — № 9. — С. 28−53. Буймов А. Г. Корреляционно-экстремальная обработка изображений. -Томск: Изд-во Том. ун-та, 1987. — 134 с.
8. Гороховатский В. А., Кацлап С. Ф., Путятин Е. П. Анализ изображений в условиях локальных искажений // Автометрия. 1986. — № 6. — С. 46−517.
9. Латышев В. В. Кодирование изображений в корреляционно-экстремальных системах // Автоматика и телемеханика. 1983. — № 5. -С. 117−121.
10. Мильман Г. Ю. Применение методов оптимального растрирования для решения задач распознавания изображений // Вопросы кибернетики. Устройства и системы. М: МИРЭА, 1994 — С. 49−56.
11. Селяев А. А. Методы адаптации эталонного изображения объекта в корреляционных следящих устройствах // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. 13-й междунар. науч.-техн. конф. Рязань, 2004. — С. 106−107.
12. Селяев А. А. Способы повышения точности работы корреляционных следящих устройств // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. 12-й междунар. науч.-техн. конф. Рязань, 2004. — С. 77−79.
13. Barnea O.I., Silverman H.F. A class of algorithms for fast image registration // IEEE Trans. Computers. 1972. — c-21. — № 6. — Pp. 179−186.
14. Casasent D., Shenoy R. Detection and Classification in SAR using MINACE correlation filters // Proc. of SPIE Vol. 2487, Algorithms for Synthetic Aperture Radar Imagery II. 1995. Pp. 211−224.
15. Eklund M. W., Trivedi M.M. Adaptive correlation-based tracking algorithm //.
16. Proc. of SPIE Vol. 2234, Automatic Object Recognition IV. 1994. Pp. 384 393.
17. Mostafavi H. Optimal window function for image correlation in the presence of geometric distortion // IEEE Trans.-1979.-Vol. ASSP 27.-№ 2. — Pp. 163 169.
18. Sabio V. Efficient method of target recognition based on spectral correlation of wideband resonance effects // Proc. of SPIE Vol. 2230, Algorithms for Synthetic Aperture Radar Imagery. 1994. Pp. 328−335.
19. Yang W" Shen Z" Li Z" Wang W. Using phase correlation approach to correct images // Proc. of SPIE Vol. 2561, Signal and Data Processing of Small Targets. 1995. Pp. 526−532.
20. Путятин Е. П., Аверин С. И. Обработка изображений в робототехнике. -М.: Машиностроение. 1990. — 320 с.
21. Kim S., Jay Kuo С.-С. A Stochastic Approach for Motion Vector Estimation in Video Coding // Proc. of SPIE Vol. 2304, Neural and Stochastic Methods in Image and Signal Processing III. 1994. Pp. 111−122.
22. Алпатов Б. А., Катаев A.A. Метод автоматического выделения опорных участков фона в замкнутой видеокомпьютерной системе // Космонавтика. Радиоэлектроника. Геоинформатика: Тез. докл. 4-й междунар. науч,-техн. конф. Рязань, 2003. — С. 315 — 317.
23. Бохан К. А., Баранов Д. Е. Совмещение кадров видеопоследовательности на основе постановки опорных точек // Математическое и программное обеспечение вычислительных систем: Межвуз. сб. науч. трудов / Рязань: РГРТА, 2005.-С. 103−106.
24. Бакут П. А., Колмогоров Г. С., Ворновицкий И. Э. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника, — 1987.-№Ю.-С.25−47.
25. Pham Q.H., Brosnan T.M., Smith M.J.T. Multistage algorithm for detection of targets in SAR image data // Proc. of SPIE Vol. 3070, Algorithms for Synthetic Aperture Radar Imagery IV. Jul. 1997. Pp. 2−11.
26. Pham Q.IT., Brosnan T.M., Smith M.J.T. Sequential digital filters for fast detection of targets in FLIR image data // Proc. of SPIE Vol. 3069, Automatic Target Recognition VII. Jun 1997. Pp. 62−73.
27. Алпатов Б. А., Муравьев B. C, Муравьев С. И. Алгоритм предварительного обнаружения объектов на основе адаптивной пороговой обработки // Сети и системы связи: Матер.всерос. научн. практ. сем. Рязань, РВВКУС, 2005. — С. 195−197.
28. Муравьев B.C. Пространственный алгоритм обнаружения объектов на основе адаптивного порога // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций. Тез. докл. 14-й междунар. науч.-техн. конф. Рязань, 2005. — С. 122−123.
29. Цифровая обработка изображений в информационных системах: Учеб. пособие / И. С. Грузман, B.C. Киричук и др. Новосибирск: Изд-во НГТУ, 2002. — 352 с.
30. Foulkes S.B., Booth D.M. Improved object segmentation using Markov random fields, artificial neural networks, and parallel processing techniques. // SPIE Vol. 3068, Signal Processing, Sensor Fusion, and Target Recognition VI.-Jul 1997.-Pp. 443−454.
31. Алпатов Б. А., Балашов O.E. Исследование алгоритмов сегментации изображения по фрактальным признакам // Космонавтика. Радиоэлектроника. Ееоинформатика: Тез. докл. 4-й междунар. конф. Рязань, 2003.-С. 320−321.
32. Алпатов Б. А., Балашов O.E. Исследование методов оценки фрактальной размерности и сегментация изображения // Цифровая обработка сигналов и ее применения: Тез. докл. 6-й междунар. конф. Том 2. М.: 2004. — С. 97−99.
33. Алпатов Б. А., Блохин А. Н., Бохан К. А. Исследование алгоритма сегментации, основанного на Байесовской процедуре классификации // Космонавтика. Радиоэлектроника. Геоинформатика: Тез. докл. 2-й междунар. науч.-техн. конф. Рязань, 1998. — С. 169 — 170.
34. Бакут П. А., Колмогоров Г. С., Ворновицкий И. Э. Сегментация изображений: Методы пороговой обработки // Зарубежная радиоэлектроника. -1987. -№ 10.-С.6−24.
35. Бакут П. А., Лабунец В. Г. Телевизионная следящая система с байесовским дискриминатором цели // Зарубежная радиоэлектроника. 1987 -№ 10. — С.81−93.
36. Денисов Д. А., Низовкин В. А. Сегментация изображений на ЭВМ // Зарубежная радиоэлектроника. 1985. — № 10. — С. 5 — 30.
37. Муравьев С. И., Муравьев B.C. Использование вейвлет-признаков в задачах сегментации изображений // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. 12-й междунар. науч.-техн. конф. Рязань, 2004. — С. 73−74.
38. Применение методов сегментации изображений в автономных системахобнаружения, распознавания и сопровождения движущихся целей / Подред. П. А. Бакута // Зарубежная радиоэлектроника. 1987. — № 10. — С. 3 -93.
39. Liyan Li, Maylor K.H. Leung Integrating Intensity and Texture Differences for Robust Change Detection // IEEE Trans, on Image Processing, Vol. 11, No. 2. February 2002. — Pp. 105−112.
40. Dirk Farin, Peter FI. N. de With, and Wolfgang Effelsberg A Segmentation System with Model Assisted Completion of Video Objects // Proc. Conf. VisualCommunications&ImageProcessing, Proc. SPIE 5150. Jun 2003. Pp. 366−377.
41. Farin D" de With P.FI.N., Effelsberg W. Robust background estimation for complex video sequences // International Conference on Image Processing 2003.-Sept. 2003. Pp. 145−148.
42. Алпатов Б. А. Алгоритм обнаружения и выделения движущегося фрагмента изображения // Техника средств связи. Серия Техника телевидения. 1991. — № 2. — С. 72−76.
43. Алпатов Б. А., Блохин A.FI. Модели и алгоритмы обнаружения и выделения движущихся фрагментов изображений // Автометрия. 1995. -№ 4.-С. 100−104.
44. Алпатов Б. А., Бохан К. А. Алгоритм обнаружения и выделения изображения движущегося объекта в присутствии неоднородного фона // Вестник Рязанской государственной радиотехнической академии. Рязань, 1999,-№ 6-С. 7−11.
45. Алпатов Б. А., Бохан К. А. Алгоритм обнаружения и выделения изображения движущегося объекта // Цифровая обработка сигналов и её применение: Тез. докл. 2-й междунар. науч. конф. М.: МЦНТИ, 1999. — С. 233−240.
46. Алпатов Б. А., Бабаян П. В., Бохан К. А. Разностный алгоритм обнаружения и определения координат объектов при движущемся датчике изображения // Космонавтика. Радиоэлектроника. Геоинформатика: Тез. докл. 4-й междунар. конф. Рязань, 2003. — С. 317−320.
47. Бохан К. А. Выбор анализируемых сегментов при классификации // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. 12-й междунар. науч.-техн. конф. Рязань, 2004. — С. 62−64.
48. Алпатов Б. А. Оценивание параметров движущегося фрагмента двумерного изображения // Техника средств связи. Сер. Техника телевидения. -1991. -№ 2. С. 77−81.
49. Алпатов Б. А. Оценивание параметров движущегося объекта в последовательности изменяющихся двумерных изображений //Автометрия. -1991.-№ 3,-С. 21−24.
50. Алпатов Б. А. Оптимальное оценивание параметров движущегося объекта в последовательности изображений //Автометрия. 1994. — № 2. — С. 32−37.
51. А. Aridgides, М, Fernandez, D. Randolph, D. Bray, Adaptive Three-Dimensional Spatio-Temporal Filtering Techniques for Infrared Clutter Suppression. Proc. of SPIE Vol. 1305, Signal and Data Processing of Small Targets 1990 (Oct 1990). Pp. 63−74.
52. A. Aridgides, M. Fernandez, D. Randolph, D. Ferris Adaptive 4-D IR clutter suppression fdtering technique // Proc. of SPIE Vol. 1481, Signal and Data Processing of Small Targets 1991. Aug 1991. Pp. 110−116.
53. M. Fernhdez, A. Aridgides, D. Randolph, and D. Ferris. Optimal subpixel-level IR frame-to-frame registration // Proc. of SPIE Vol. 1481, Signal and Data Processing of Small Targets 1991.-Aug 1991. Pp. 172−179.
54. Fernandez M.F., Aridgides A., Bray D. Detecting and Tracking Low-Observable Targets Using IR // Proc. of SPIE Vol. 1305, Signal and Data Processing of Small Targets 1990. Oct 1990. — Pp. 193−206.
55. N. Paragios and G. Tziritas, Detection and location of moving objects using deterministic relaxation algorithms // Intern. Conf. OnPatternRecognition, Vol. I, Austria, 1996. Pp. 201−205.
56. Левин Б.P. Теоретические основы статистической радиотехники. М.: Сов. радио, 1968. — Кн.2. — 503 с.
57. Кобзарь А. И., Прикладная математическая статистика. Для инженеров и научных работников. М.: ФИЗМАТЛИТ, 2006. — 816 с.
58. Lloyd G. Clark, Vincent J. Velten Image characterization for automatic target recognition algorithm evaluations // Proc. of SPIE Vol. 1310, Signal and Image Processing Systems Performance Evaluation, 1990, pp. 68−78.
59. Correia P., Pereira F. Objective evaluation of video segmentation quality. -IEEE Transaction on image processing, February 2003, vol. 12, no. 2, pp. 186−200.
60. Прэтт У. Цифровая обработка изображений. М.: Мир, 1982. — 790 с.
61. Алпатов Б. А., Блохин А. Н. Исследование алгоритмов обнаружения движущихся фрагментов изображений // Распознавание образов и анализ изображений: Тез. докл. Всерос. конф. Ульяновск, 1995. — С.78−79.
62. Алпатов Б. А., Блохин А. Н. Алгоритмы обнаружения кратковременных изменений в последовательности изображений // // Проблемы математического моделирования и обработки информации в задачах управления: Сб. науч. тр. / Рязань: РГРТА, 1996. С. 17−19.
63. Алпатов Б. А., Блохин А. Н. Обнаружение и выделение быстропротека-ющих явлений в последовательности изображений // Космонавтика. Радиоэлектроника. Геоинформатика: Тез. докл. междунар. науч.-техн. конф. Рязань, 1997. — С. 143 — 144.
64. Алпатов Б. А., Блохин А. Н., Зеленюк Ю. И., Костяшкин Л. Н, Романов Ю. Н., Шапка C.B. Системы обработки изображений обзорно-прицельных комплексов // Мир Авионики. 1999. — № 7. — С. 16−18.
65. Блохин А. Н. Особенности сегментации полутоновых изображений при использовании байесовского классификатора // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. 11-ой межд. науч.-техн. конф. Рязань, 2002. — С.21−22.
66. Алпатов Б. А, Блохин А. Н., Муравьев B.C. Алгоритм обработки изображений для систем автоматического сопровождения воздушных объектов // Цифровая обработка сигналов. 2010. — № 4. — С. 12−17.
67. Алпатов Б. А., Блохин А. Н., Костяшкин Л. Н, Романов Ю. Н., Шапка C.B. Семейство многофункциональных систем обработки видеоизображений «Охотник» // Цифровая обработка сигналов. 2010. — № 4. — С. 44−51.77.
68. Блохин А. Н. Выбор и обоснование размеров эталона в алгоритме слежения за телевизионным изображением объекта // Обработка информации в автоматических системах: Сб. науч. тр. / Рязань: РГРТУ, 2011 С. 40−42.