Система ідентифікації траєкторії руху об’єктів на основі перетворення Радона та визначення функції перетину площин

Для реалізації алгоритму ідентифікації траєкторії руху об’єкта пропонується з різними формами подання.

Оцінка траєкторії руху об’єкту, шляхом аналізу ФПП, здійснюється отриманням ФПП в чотирьох напрямках та їх порівняння. Кожний напрямок подається відповідним індексом. Для аналізу руху отримують спочатку циклічну ФПП (рис. 1) для нерухомого об’єкта.

Рис. 1. Схематичне зображення циклічної ФПП.

Згідно отриманої ФПП оцінюються такі її параметри як:

Т – період повторення піків, які характеризують зміну ФПП при реалізації зсуву копії;

2X_max – ширина сплеску ФПП, або ділянка, що відповідає ненульовому перетину у горизонтальному напрямку;

S₀ – максимальна амплітуда ФПП.

Для стаціонарних об’єктів описані параметри незмінні. У випадку руху об’єкта дані, що зафіксували рух і складають площу (область) зорової сцени, яка рухається, використовується модифікований метод, що реалізований на КА з гексагональним покриттям [7, 22]. Даний метод дозволяє визначити шість проекцій, по структурі яких здійснюється визначення області, що рухається.

На рисунку 2 показано як сформовано проекції в шістьох напрямках. Постійність проекцій у горизонтальних напрямках, а також переміщення в інших напрямках однакових форм проекцій указує рухому область, яка окреслена пунктирними лініями.

Рис. 2. Приклад формування проекцій рухомого бінарного об’єкта.

Кодування 11 указує на незмінність стану клітин, що проектуються у відповідних напрямках. Код 10 показує перехід клітин з одиничного стану у нульовий, а 01 – перехід клітини з нульового стану в одиничний.

Висновки

Поєднання методів, які ґрунтуються на технології паралельного зсуву на матричних клітинних структурах з гексагональним покриттям та методів детектування руху на основі перетворення Радона, дозволило підвищити швидкодію та точність відстежування траєкторії руху об’єкту. Використання аналізу шістьох проекцій перетворення Радону та їх спеціального кодування дозволило підвищити точність визначення рухомої області в її динаміці руху.

Література

1. Е.П. Путятин, С.И. Аверин. Обработка изображений в робототехнике. – М.: Машиностроение, 1990. – 320 с.

2. Артюхин Б, Н. и др. Телевизионная техника: справочник. Под общ. ред. Ю, Б, Зубарева, Г, Л. Глорионова. М., Радио и связь, 1994, 312с..

3. Попов А. Комплексы компьютерной обработки в системах видео­контроля// http:ttdaily.sec.ru.

4. Руцков М. Видеодетекторы - взгляд изнутри (часть вторая -практическая плоскость) // http:Wdaily.sec.ni.

5. Петраков А. В. Телевидение предельных возможностей (регистра­ция быстропротекающих процессов)- М, Знание, 1991, 62с.

6. Боюн В.П. Інформаційні і вимірювальні відеопроцесорні пристрої та області їх застосування // Наука та інновації. — 2005. — 1, N 6. — С. 102-106.

7. Білан С.М., Моторнюк Р.Л. Системи супроводження рухомих об’єктів у реальному часі на основі клітинних технологій.//Збірник наукових праць ДЕТУТ. Серія «Транспортні системи і технології»-Вип. 18,-2011– с. 5-13.

8. Техническое зрение в системах управления мобильными объектами-2010: Труды научно-технической конференции-семинара. Вып. 4 / Под ред. Р. Р. Назирова.— М.: КДУ, 2011.— 328 с.: табл., ил., ив. ил. ISBN 978-5-98227-794-7.

9. Круглов В.В., Борисов В.В. Исскуственные нейронные сети. Теория и практика. – М.: Горячая линия-Телеком – 2001 – 382с.

10. Фон Нейман Дж. Теория самовоспроизводящихся автоматов: Пер. с англ. – М.: Мир, 1971; В оригинале: von Neumann J. Theory of Self-Reproducing Automata: Edited and completed by A. Burks. – University of Illinois Press, 1966.

11. Тоффоли Т., Марголус Н. Машины клеточных автоматов. Пер. с англ. – М.: Мир, 1991. – 280 с.

12. С.Н. Белан Специализированные клеточные структуры для контурного анализа изображений.// Кибернетика и системный анализ - №5 – 2011 – С. 33-44.

13.Аладьев В.З. Классические однородные структуры. Теория и приложения / В.З. Аладьев, В.К. Бойко, Е.А. Ровба. – Гродно: ГрГУ, 2008. – 486 с.

14. Евреинов Э.В. Однородные вычислительные структуры и среды – М.: Радио и связь – 1986 – 304с.

15. Васин Н.Н., Баранов А.М. Обработка видеосигналов для идентификации объектов на железнодорожном переезде // Компьютерная оптика. 2005. Выпуск 28. – с.152-155.

16. Hiroaki Niitsiima, Tsutomu Maruyama. Real-Time Detection of Moving Objects // FPL 2004, LNCS 3203, pp. 1155-1157, - ISSN 0302-9743, ISBN 3-540-22989-2.

17. Hiroaki Niitsuma, Tsutomu Maruyama. Real-Time Generation Of Three-Dimensional Motion Fields // FPL 2005: pp. 179-184 - ISBN 0-7803-9362-7.

18. Ashit Talukder, Larry Maithies. Real-time Detection of Moving Objects from Moving Vehicles using Dense Stereo and Optical Flow // Intelligent Robots and Systems, 2004. (IROS 2004). 3718 - 3725 vol.4.

19. Nan Lu, Jihong Wang, Q.H. Wu, Li Yang An Improved Motion Detection Method for Real-Time Surveillance // IAENG International Journal of Computer Science, 35:1, IJCS_35_1_16, - ISSN: 1819-9224 (online version); 1819-656X (print version).

20. Sedat Doğan, Mahir Serhan, Temiz Sıtkı Külür Real Time Speed Estimation of Moving Vehicles from Side View Images from an Uncalibrated Video Camera // Sensors 2010, 10, pp. 4805-4824, - ISSN 1424-8220.

21.Chunrong Yuan, Hanspeter A. Mallot Real-Time Detection of Moving Obstacles from Mobile Platforms // ICRA10 Workshop on Robotics and Intelligent Transportation System. - pp. 109-113.

22. Моторнюк Р.Л. Методи комп’ютерної ідентифікації зображень рухомих об’єктів на основі клітинних автоматів з гексагональним покриттям./ Дисертація на здобуття наукового ступеня кандидата технічних наук.- Київ.- 2013.- 199 с.

23. С. Н. Белан, Р. Л. Моторнюк Выделение характеристических признаков изображений с помощью преобразования Радона и возможность его аппаратной реализации в клеточных автоматах // Кибернетика и системный анализ, 2013, № 1, с. 11-19.

24. Білан С.М., Моторнюк Р.Л. Система ідентифікації вантажних вагонів по номерах на основі клітинних технологій.//Збірник наукових праць Державного економіко-технологічного університету транспорту. Серія „Транспортні системи і технології”. – 2010. – № 17. – с. 183-188.

25.Білан С.М., Южаков С.В. Метод розпізнавання зображень, що оснований на процесі паралельного зсуву для систем ідентифікації об’єктів на залізничних переїздах // Збірник наукових праць ДЕТУТ. Серія «Транспортні системи і технології» – Вип. 13, 2008. – С. 216-226.

26. Belan Stepan & Yuzhakov Sergey A Homogenous Parameter Set for Image Recognition Based on Area // Computer and Information Science, Published by Canadian Center of Science and Education. – Vol. 6, No 2, 2013. – pp.93-102. – doi:10.5539/cis.v6n2p93

27.Belan Stepan & Yuzhakov Sergey Machine Vision System Based on the Parallel Shift Technology and Multiple Image Analysis // Computer and Information Science, Published by Canadian Center of Science and Education. – Vol. 6, No 4, 2013. – pp.115-124. – doi:10.5539/cis.v6n4p115

28. Orten В., Alalan A., Moving Object Identification and Event Recognition in Video Surveillance Systems. // Ms. Thesis, Electric and Electronic Department. METU, 2005 – 73p.

Дата добавления: 2015-05-29