Алгоритмы обработки изображений динамических объектов в системах видеонаблюдения

  • № 1(19) 2019

Страницы: 

44

 – 

56

Язык: русский

Открыть файл статьи
Открыть страницу статьи в Интернет

Аннотация

В настоящее время в мире активно ведутся научно-исследовательские работы, направленные на усовершенствование моделей и алгоритмов автоматизированной обработки изображений в системах видеонаблюдения, а также создание алгоритмов обработки изображений динамических объектов. Анализ современного состояния исследований в области обработки данных видеонаблюдения, образующих одно из научных направлений обработки изображений, показывает, что разработка эффективных в смысле быстродействия методов и алгоритмов обработки видеоданных с учетом специфики задач видеонаблюдения, является одной из наиболее актуальных проблем в указанной области, которая до сих пор недостаточно изучена. Целью работы является разработка быстрых алгоритмов обработки изображений динамических объектов, полученных с помощью неподвижной видеокамеры или из внешней памяти систем видеонаблюдения. Для достижения поставленной цели разработаны и эскпериментально проверены алгоритмы быстрого обнаружения движущихся объектов на сцене неподвижной камеры, восстановления искаженного (смазанного) изображения динамического объекта, оценки пригодности этого изображения к распознаванию,атакжесегментациисимволовнаизображениипластиныгосударственного номерного знака автотранспорта. Научная значимость полученных результатов определяется тем, что предложенные алгоритмы способствуют дальнейшему развитию теоретической основы технологий обработки изображений в системах видеонаблюдения. Практическая значимость результатов работы определяется тем, что использование разработанного программного обеспечения в системах видеонаблюдения способствует автоматизации процесса обнаружения динамических объектов на видеозаписи.

The aim of the work is to develop fast algorithms for processing images of dynamic objects obtained with a fixed camera or from an external memory of video surveillance systems. To achieve this goal, algorithms for fast detection of moving objects on the stage of a fixed camera, recovery of a distorted (blurred) image of a dynamic object, evaluation of the suitability of this image for recognition, and segmentation of symbols on the image of a plate of a state license plate have been developed and tested experimentally. The scientific significance of the results obtained is determined by the fact that the proposed algorithms for the rapid detection and extraction of dynamic objects in an image, as well as assessing the similarity of these objects based on characteristic features, contribute to the further development of the theoretical basis of image processing technologies in video surveillance systems. The practical significance of the results of work is determined by the fact that the use of the developed software in video surveillance systems helps automate the process of detecting dynamic objects in video recording.

Список использованных источников

  1.  Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера, 2006. 1072 с.
  2.  Дуда Р., Харт П. Распознавание образов и анализ сцен. – М.: Мир, 1976. 511 c.
  3.  Ламовский В., Садыхов Р.Х. Алгоритм построения модели сцены для одноканальной системы видеонаблюдения // Материалы междунар. научно-техн. конф. “Интеллектуальные системы ИИ-2008”. –АР Крым, Украина, 2008. С. 316–321.
  4.  Лукьяница А.А., Шишкин А.Г. Цифровая обработки видеоизображений. – М.: ООО «Ай-Эс-Эс Пресс», 2009. 518 с.
  5.  Мамарауфов О.А. О повышении точности распознавания объектов в системах видеонаблюдения // Наука и Мир, 2015. Т. 1. №12(28). С. 54–59.
  6.  Потапов А.А. и др. Новейшие методы обработки изображений. – М.: ФИЗМАТЛИТ, 2008. 496 с.
  7.  Прэтт У. Цифровая обработка изображений/ в 2-х. кн. – М.: Мир, 1982. 792 с.
  8.  Сизиков В.С. Обратные прикладные задачи и Matlab. – СПб.: Лань, 2011. 256 с.
  9.  Форсайт Д.А., Понс Ж. Компьтерное зрение. Современный подход/Пер. с англ. – М.: Издательский дом «Вильямс», 2004. 928 с.
  10.  Хорн Б. Зрение роботов. – М.: Мир, 1989. 400 c.
  11.  Хуанг Т.С., Эклунд Дж.-О., Нуссбаумер Дж. и др. Быстрые алгоритмы в цифровой обработке изображений/Пер. с англ. – М.:Радио и связь, 1984. 224 с.
  12.  Шапиро Л., Стокман Дж. Компьютерное зрение/Пер. с англ. – М.: БИНОМ. Лаборатория знаний, 2006. 752 с.
  13.  Яне Б. Цифровая обработка изображений. – М.:Техносфера, 2007. 584 с.
  14.  Fazilov Sh.X., Mamaraufov O.A., Xasanov X. Fast algorithm to detection the moving objects in video surveillance // International Conference on IT Promotion in Asia, 2011. P. 89–94.
  15.  Lee M.-J. Distributed video coding with video analytics information for video surveillance application // Electronics letters, 2013. Vol. 49. №20. P. 54–57.
  16.  Liu J., Sridharan S., Fookes C. Recent Advances in Camera Planning for Large Area Surveillance: A Comprehensive Review // ACM Computing Surveys, 2016. Vol. 49. №1. P. 1–37.
  17.  Mamaraufov O.A. Detection and determination coordinates of moving objects from a video // European science review, 2018. №3-4. P. 253–260.
  18.  Mamaraufov O.A. Observational discrete lines for the detection of moving vehicles in road traffic surveillance // International Journal of Computer Science, Engineering and Information Technology (IJCSEIT), 2015. Vol. 5, №6.
  19.  Mamaraufov O.A. The program for the analysis of video images and build the metadata of moving objects in video surveillance system // 11th International Conference on Eurasian scientific development. –Vienna, 2016. P. 104–106.
  20.  Mirzamohammada M., Ahmadi A., Mirzarezaeeaa M. Moving object detection and tracking in video by cellular learning automata and gradient method in fuzzy domain // Journal of Intelligent & Fuzzy Systems, 2014. №27. P. 929–936.
  21.  Paul A., Bharanitharan K., Wu J. Algorithm and architecture for adaptive motion estimation in video // IEEE Technical Review, 2013. Vol.30, ISSUE 1, Jan-feb, 2013. P. 24– 30
  22.  Gonzales R.C., Woods R.E., Eddins S.L. Digital image processing using MATLAB. – Prentice-Hall, 2004. 344 p.
  23.  Prince S.J.D. Computer vision. Models, Learning and Inference. – Cambridge: Cambridge University Press, 2012. 632 p.
  24.  Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах. – Новосибирск: Изд-во НГТУ, 2002. 352 с.
  25.  Журавель И.М. Image Processing Toolbox. Краткий курс теории обработки изображений. URL: http://matlab.exponenta.ru/imageprocess/book2/16.php.
  26.  Мирзаев Н.М., Жумаев Т.С., Махкамов А.А. Алгоритмы сегментации цветных изображений, основанные на выделении сильносвязанных элементов // Исследования технических наук, 2015. №4(18). С. 22–27.
  27.  Мирзаев О.Н., Раджабов C.C., Жумаев Т.С. О параметризации моделей алгоритмов распознавания,основанныенаоценкевзаимосвязанностипризнаков//Узбекскийжурнал «Проблемы информатики и энергетики», 2008. №2-3. С. 23–27.
  28.  Дамьяновски В. CCTV. Библия видеонаблюдения. Цифровые и сетевые технологии /Пер. с англ. – М.: ООО «Ай-Эс-Эс Пресс», 2006. 480 с.
  29.  Mamaraufov O.A. Videonazorat tizimlarining dinamik ob’ektlarini identifikatsiyalash // Kimyoviy texnologiya. Nazorat va boshqaruv, 2012. №3. B. 90–95.

Список всех публикаций, цитирующих данную статью