Сопровождение движущихся объектов в условиях их заслонения движущимися и неподвижными препятствиями. Н.П. Походенько, И.Е. Ермолаев, Н.В. Птицын, ООО «Синезис»,

Презентация:



Advertisements
Похожие презентации
IV всероссийская научно-практическая конференция «Территориально-распределенные системы охраны» Алгоритмы сопровождения целей в системах охраны протяженных.
Advertisements

Алгоритм многокамерного сопровождения человека используя данные от видеокамеры и тепловизора В.В. Терехов, И.Е. Ермолаев, Н.В. Птицын ООО «Синезис»,
Основы построения телекоммуникационных систем и сетей Лекция 15 «Методы прогнозирования» профессор Соколов Н.А.
Практический опыт внедрения биометрических технологий идентификации личности Конференция Intelligent Video Докладчик: Андрей Хрулев.
Модуль «Основы финансового моделирования» Презентационные материалы © Митрофанов В.Р. (Институт управления, бизнеса и права)
Лекция 8 ЭЛЕМЕНТЫ ТЕОРИИ СТАТИСТИЧЕСКОГО СИНТЕЗА ОПТИМАЛЬНЫХ РАДИОТЕХНИЧЕСКИХ УСТРОЙСТВ.
Лекция 6 множественная регрессия и корреляция. ( продолжение )
Системный анализ процессов химической технологии Лекция 3 Преподаватель:профессор ИВАНЧИНА ЭМИЛИЯ ДМИТРИЕВНА СИСТЕМНЫЙ АНАЛИЗ – СТРАТЕГИЯ ОБРАБОТКИ ИНФОРМАЦИИ.
Модели со стохастическими регрессорами. Ранее мы предполагали, что COV(x i,u i )=0 На практике это не всегда справедливо. Причины: 1. В моделях временных.
Моделирование и исследование мехатронных систем Курс лекций.
Линейная модель парной регрессии и корреляции. 2 Корреляция – это статистическая зависимость между случайными величинами, не имеющими строго функционального.
ВЫБОР СИСТЕМЫ ИНФОРМАТИВНЫХ ПРИЗНАКОВ ДЛЯ КЛАССИФИКАЦИИ ТРАНСПОРТНЫХ СРЕДСТВ НА ОСНОВЕ ЭВОЛЮЦИОННОГО ПОИСКА.
ИНФОРМАЦИОННАЯ ЧУВСТВИТЕЛЬНОСТЬ КОМПЬЮТЕРНЫХ АЛГОРИТМОВ И ЕЁ КОЛИЧЕСТВЕННЫЕ МЕРЫ д.т.н., профессор М.В. Ульянов Кафедра «Управление разработкой программного.
Моделирование сетей в ГИС Карта 2008 Балинская М.О. студентка 3-го курса кафедра географического мониторинга и охраны природы.
Регрессионный анализ. Основная особенность регрессионного анализа: при его помощи можно получить конкретные сведения о том, какую форму и характер имеет.
О ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ МЕТОДОВ КОМПЛЕКСНОЙ СРАВНИТЕЛЬНОЙ ОЦЕНКИ ДЛЯ АНАЛИЗА СИСТЕМЫ ЗАЩИТЫ ПЕРСОНАЛЬНЫХ ДАННЫХ ШИРОКОВ Е.В. Омский государственный технический.
В общем виде вероятностный ( стохастический ) автомат ( англ. probabilistic automat) можно определить как дискретный потактный преобразователь информации.
АВТОМАТИЧЕСКОЕ ФОРМИРОВАНИЕ УЗЛОВЫХ И КОНТУРНЫХ УРАВНЕНИЙ СЕТЕВОГО ОБЪЕКТА Назаренко Д.А., Чередникова О.Ю.
Основы построения телекоммуникационных систем и сетей Лекция 16 «Методы оценки надежности» профессор Соколов Н.А.
АЛГОРИТМЫ НАХОЖДЕНИЯ КРАТЧАЙШИХ ПУТЕЙ НА ГРАФАХ..
Транксрипт:

Сопровождение движущихся объектов в условиях их заслонения движущимися и неподвижными препятствиями. Н.П. Походенько, И.Е. Ермолаев, Н.В. Птицын, ООО «Синезис»,

Общая информация Цифровые системы видеонаблюдения представлены в большинстве общественных мест для увеличения охраны и анализа ситуаций. Видео данные используются операторами слежения, но по сути дела мало информативны. Желательно использовать автоматические системы охраны и анализа ситуаций с целью увеличить эффективность работы операторов и фильтрации излишних данных. Многокамерное сопровождение является обязательным для огромных пространств, где происходят события приводящие к дублированию или избытку информации поступающей к оператору. В этой презентации мы представляем алгоритм и систему для обработки видео и тепло информации поступающей от множественных источников.

Введение Сопровождение движущихся объектов на видеопоследовательностях является ключевой функцией многих систем видеонаблюдения. Заслонения объекта значительно затрудняют его сопровождение и часто ведут к потере объекта или к переключению сопровождения на другой движущийся объект. Таким образом, ситуации наложения и заслонения наблюдаемых объектов значительно ограничивают возможности современных систем видеонаблюдения. Радикальным решением вопроса является применение многокамерного сопровождения, полагающегося на то, что наложения не возникают одновременно в полях зрения всех камер системы. Тем не менее, при применении даже одной камеры, можно успешно преодолевать ситуации неопределенности, вызываемые наложениями. Здесь мы рассмотрим метод разрешения указанных неопределенностей при сопровождении одной камерой, который легко может быть адаптирован к многокамерному сопровождению.

Основные характеристики метода сопровождения Цель: Сопровождение нескольких объектов в условиях их наложения и прохождения за препятствиями. Предположения: Цвет объектов не всегда доступен, и, поэтому, не используется. Форма объектов может значительно изменяться. В каждой ситуации наложения участвует 2 объекта. Подход: Построение траектории объекта производится в два этапа. Неопределенности разрешаются апостериорно, т.е. после того, как объект снова становится виден. Искаженные регионы не участвуют в построении траектории.

1.Построение подтраекторий: Регионы движения, обнаруженные на последовательных кадрах, объединяются в подтраектории. Необходимым условием добавления очередного региона в конец подтраектории является отсутствие для региона другой возможной траектории и отсутствие для траектории другого возможного региона. Цели: Надежно определить параметры объекта на основании нескольких кадров. Снизить вычислительную нагрузку на следующем этапе связи подтраекторий, позволить применение ресурсоемких алгоритмов. Предотвратить возможность ошибки связывания в тривиальных случаях. Построение траекторий

Для сопровождения прежде всего нужны значения параметров объекта в концевых точках подтраектории. Их значения могут быть определены на основе нескольких последовательных кадров. При этом параметр X на соответствующем временном интервале моделируется формулой, коэффициенты которой определяются методом наименьших квадратов из уравнений где - время захвата i-го кадра, - значение X, измеренное на i-ом кадре, - весовой коэффициент i-го кадра. Оценка параметров объекта

Построение траекторий 2.Связывание подтраекторий: Объединение подтраекторий в траектоии происходит на основании критерия оценки стоимости перехода объекта с одной подтраектории на другую. transitionCost = Cost (predecessor, successor) где predecessor – предшествующая подтраектория, successor – траектория назначения, Cost – функция оценки стоимости перехода, transitionCost – стоимость перехода. Учитываемые параметры: Местоположение концевых точек подтраеткорий Время обрыва подтраекторий Скорость объекта в концевых точках подтраеткорий Внешний вид объекта

Связывание подтраекторий На рисунке представлена модель видимого наложения двух объектов при пересечении их путей. Модель представляет из себя сеть, узлами которой являются концевые точки подтраекторий, а дугами – подтраектории и переходы между ними. Связи подтраекторий определяются путем оптимизации потока в этой сети. Исток Сток Объект 1 до столкновения Объект 1 после столкновения Объект 2 после столкновения Объект 2 до столкновения Два объединившихся объекта

Игнорирование искаженных регионов При заходе объектов за неподвижные препятствия возникают ошибки определения реального местоположения. Для того чтобы исключить влияние искажений подобного вида производится обнаружение случаев частичного заслонения объектов и исключение соответствующих регионов их подтраекторий из рассмотрения.

Результаты Разрешение неопределенности траекторий при наложении двух идущих людей произошло после того, как они стали детектироваться отдельно.

Результаты Если полагаться на одноэтапный алгоритм объединения регионов в траектории, то неизбежны ошибки сопровождения.

Результаты Сравнение сопровождения человека при проходе за препятствием с игнорированием и без игнорирования искаженных регионов.