Delist.ru

Методы видеонаблюдения, сегментации и сопровождения движущихся объектов (30.01.2008)

Автор: Обухова Наталия Александровна

Предложен метод автоматического сопровождения объектов при существенной динамике их свойств и окружающей обстановки, основанный на обобщенной модели формы объекта с обновляемыми параметрами и признаке движения.

Практическая значимость

Предложенный принцип и метод синтеза панорамного изображения обеспечивает резкое повышение эффективности систем видеонаблюдения за протяженными объектами:

Систем, ведущих наблюдение за крупными объектами с собственным движением, например, комплексов пограничного и коммерческого контроля железнодорожных составов.

Систем, использующих камеру, установленную на поворотном столе или подвижном носителе для наблюдения статичных объектов большой площади. В частности, обзорных и мониторинговых систем ландшафтов местности или морского дна, водных акваторий, нефтяных разливов, нефтепроводов и газопроводов.

Сформированное изображение объекта интереса имеет пространственные искажения в (20(25) раз ниже, чем в исходных кадрах; обеспечивает комфортную скорость просмотра видеоматериала, синхронность просмотра, преобразование чересстрочного изображения в построчное. Это создает качественно новые условия для работы оператора и обеспечивает возможность автоматического анализа видеоданных.

Метод реализует семантическое сжатие без потери информации об объекте интереса: коэффициент сжатия от 25 до 80 раз. Это снимает противоречие между объемом записанных данных и их качеством и позволяет реализовать длительное хранение больших объемов информации. Для протяженных объектов обеспечена возможность передачи высококачественных изображений по каналам связи с низкой пропускной способностью в реальном масштабе времени

(Все приведенные выше количественные оценки получены при апробации метода синтеза панорамного изображения в контексте видеонаблюдения на железной дороге).

В системах сегментации и сопровождения объектов реализован автоматический захват и сопровождение одновременно до 50 объектов на сложном фоне при отсутствии априорной информации. Автоматический захват имеет особую значимость в динамических сценах с несколькими быстродвижущимися объектами, где возможности оператора по наложению стробов на объекты интереса ограничены.

При сопровождении обеспечено устойчивое разрешение ситуации окклюзии, слияния и разделения объектов; сопровождение объектов при существенной динамике их свойств и окружающей обстановки; идентификация объектов интереса при вторичной сегментации.

Введение трехкомпонентных субпиксельных векторов движения, а также метод их определения с использованием функций достоверности и значимости одновременно обеспечивает необходимый уровень достоверности и резко снижает вычислительную нагрузку, что снимает ограничения по использованию этого инструмента в прикладных ТВ системах видеонаблюдения, сегментации и сопровождения объектов интереса, а также при сжатии видеоданных и в кинопроизводстве.

Использование результатов теоретических исследований, доведенных в работе до уровня практических алгоритмов, структурных схем, программных решений, инженерных рекомендаций и методик синтеза сократит сроки и затраты на создание новых прикладных ТВ систем различного назначения.

Реализация результатов работы

Полученные в диссертации результаты, сделанные обобщения и выводы позволили разработать ряд интеллектуальных прикладных телевизионных систем. В рамках научно-исследовательских и опытно – конструкторских работ совместно ПК НПК «Автоматизация» разработан многоцелевой телевизионно-компьютерный комплекс видеомониторинга железнодорожных составов; совместно с филиалом ФГУП ЦНИИ «Комета» многофункциональный оптико-электронный комплекс сегментации и сопровождения неточечных объектов; совместно с ФГУП НИИ промышленного телевидения «Растр» видеокомпьютерная система контроля запуска космических аппаратов, что подтверждено соответствующими актами.

Результаты исследований внедрены в учебный процесс СПб ГУАП при подготовке инженеров по специальностям: «Аудиовизуальная техника» и «Электронные системы». Они включены в разработанные автором учебно-методические комплексы по дисциплинам: «Автоматизированные телевизионные системы», «Синтез видеоизображений на ЭВМ» и др.

С использованием результатов, полученных в диссертации подготовлен электронный учебник по курсу «Автоматизированные телевизионные системы» (зарегистрирован в отраслевом фонде алгоритмов и программ № ВНИТЦ 50200100503, 2001) и изданы 4 учебно – методических указания к выполнению лабораторных работ.

Апробации работы

Основные положения работы докладывались и обсуждались на:

49,50 Научно – технической конференции «НТОРЭС им. А. С. Попова» 1994,1995; 10th International Conference on Control Systems and Computer Science. Bucharest, 1995; I Научно –технической конференции «Новейшие достижения в области телевидения, аудио и видеотехники.» СПб, 1999; III Международной конференции «Цифровая обработка сигналов и ее применение» Москва, ИВТА РАН,2000; I,II,III,IV,V Международных научно – технических конференциях «Телевидение: передача и обработка изображений» СПб, 2000-2007; The International Conference «Radio – That Connects Time. 110 Anniversary of Radio Invention» St Petersburg, 2005; III Международная научно-практическая конференция «Электронные средства и системы управления» Томск, 2005; The Tenth IEEE International Symposium on Consumer Electronics, St Petersburg, 2006; 15 Всероссийской научно – технической конференции «Современное телевидение» Москва, 2007; Научно – технической конференции профессорско - преподавтельского состава, научных сотрудников и аспирантов СПб ГУТ,2007.

Диссертационная работа получила апробацию:

- на расширенном научном семинаре кафедры «Телевизионных и электронных устройств», СПб ГУАП, 2006;

- научно – техническом совете ФГУП НИИ Прикладного телевидения «Растр» Великий Новгород, 2007;

- на заседании кафедры «Телевидения и видеотехники», СПб ГЭТУ «ЛЭТИ» им. В.И. Ульянова (Ленина), 2007.

Публикации

По теме диссертации опубликовано 48 научных работ, из них – 21 статья, в том числе в ведущих рецензируемых журналах и изданиях, определенных ВАК РФ; 17 работ - в материалах и трудах всероссийских и международных научных и научно – технических конференций и симпозиумов; 10 свидетельств об официальной регистрации программ для ЭВМ в отраслевом фонде алгоритмов и программ.

Структура и объем диссертации

Диссертация состоит из введения, пяти глав, заключения, списка литературы, включающего 194 наименования, трех приложений. Основная часть диссертации изложена на 297 страницах машинописного текста. Диссертация содержит 116 рисунков и 38 таблиц.

Содержание работы

Во введении обоснована актуальность рассматриваемой проблемы, сформулированы цель и задачи исследований. Даны научные положения, выносимые на защиту, определены их научная новизна и практическая значимость, приведены сведения об апробации и внедрении результатов работы.

В первой главе: выявлена основная тенденция развития современных прикладных ТВ систем; определены функциональные особенности и сформулирован перечень требований к методам анализа видеоданных в интеллектуальных системах видеонаблюдения, сегментации и сопровождения; приведен аналитический обзор методов обработки видеоданных в современных прикладных ТВ системах; показана необходимость и определены основные направления разработки методов представления и анализа видеоданных для интеллектуальных ТВ систем; постановлены задачи, подлежащие решению в данной работе.

Прогресс технических средств определяет современную тенденцию развития прикладных ТВ систем – создание автоматических или автоматизированных с минимальным участием оператора многофункциональных видеокомпьютерных комплексов, обладающих интеллектом.

К функциональным особенностям интеллектуальной системы видеонаблюдения следует отнести: адаптацию к изменениям условий наблюдения: установку режимов работы камеры на основе анализа изображения; синтез изображения объекта интереса, обеспечивающий коррекцию пространственных искажений, комфортную скорость просмотра видеоматериала, синхронность просмотра, преобразование чересстрочного изображения в построчное; извлечение информации из видеоданных: определение параметров движения объекта интереса, его геометрических характеристик и др.; семантическое сжатие без потери информации, позволяющее обеспечить длительное хранение больших объемов данных и их передачу по каналам связи с низкой пропускной способностью.

Обзор современных прикладных ТВ систем показывает, что решение перечисленных задач особенно актуально при видеонаблюдении протяженных объектов – объектов, проекция которых на плоскость кадра существенно превышает размер последнего.

Системы видеонаблюдения за протяженными объектами следует разделить на две группы.

Первая группа – системы, ведущие наблюдения за объектами с собственным движением. Наиболее показательный пример, видеонаблюдение на железной дороге. В этом случае объектом интереса является железнодорожный состав или железнодорожный вагон. Минимальный размер вагона 12 метров в длину и 5 метров в высоту. По тактическим соображениям видеокамеры бокового обзора должны быть установлены в промежутках между путями с тем, чтобы не допустить перекрытие сектора обзора встречным составом. Расстояние от камеры до объекта 1,5-2 метра.

Вторая группа – обзорные и мониторинговые системы ландшафтов местности или морского дна, водяных акваторий, нефтяных разливов, нефтепроводов и газопроводов. В этом случае объект не имеет собственного движения, но наблюдается перемещающейся камерой. Примерами являются система экологического мониторинга нефтяных разливов или система контроля целостности трубопроводов. Контроль объекта интереса ведут с помощью видеокамеры на борту летательного аппарата.

Для повышения эффективности систем видеонаблюдения за протяженными объектами целесообразно заменить исходное изображение объекта интереса синтезированным, в котором должны быть устранены пространственные искажения и обеспечены комфортные условия анализа видеоданных оператором, сохранена информация только об объекте интереса (обеспечено семантическое сжатие)

Синтез изображения протяженного объекта интереса предполагает его сегментацию от фона и других объектов. Протяженные объекты, как правило, имеют неоднородную яркость, и одновременно являются слабо текстурировнными. Это не позволяет использовать в полной мере яркостный и текстурный признаки. Присутствие в кадре только части объекта затрудняет использование признака формы. Наиболее информативным свойством протяженного объекта является движение. Таким образом, для систем видеонаблюдения за протяженными объектами актуальной является разработка принципов и методов синтеза изображения протяженного объекта на основе признака движения.

Функциональными особенностями интеллектуальной системы сегментации и сопровождения объектов интереса являются: на этапе сегментации – выделение изображений объектов на сложном фоне с максимальным подобием их реальному изображению; на этапе сопровождения – разрешение ситуаций окклюзии (перекрытия изображений объектов интереса фоном или друг другом), слияния и разделения на несколько одного объекта интереса; устойчивое сопровождение объектов при существенной динамики их свойств и окружающей обстановки; идентификация объекта интереса при вторичной сегментации. Все перечисленные задачи должны быть решены в автоматическом режиме.

элементов (пикселей) и обладающие жестким движением. Внесенные ограничения не снижают общность задачи: перечисленным характеристикам соответствуют наземные и водные транспортные средства, летательные аппараты.

загрузка...