Обухова Наталия Александровна. Методы видеонаблюдения, сегментации и сопровождения движущихся объектов

Краткое описание

Обухова Наталия Александровна. Методы видеонаблюдения, сегментации и сопровождения движущихся объектов : диссертация ... доктора технических наук : 05.12.04 / Обухова Наталия Александровна; [Место защиты: ГОУВПО "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ""].- Санкт-Петербург, 2008.- 580 с.: ил. РГБ ОД, 71 09-5/289

ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ
Государственное образовательное учреждение высшего профессионального образования
«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»
На правах рукописи <■//^<7 ^
Обухова Наталия Александровна
МЕТОДЫ ВИДЕОНАБЛЮДЕНИЯ, СЕГМЕНТАЦИИ И
СОПРОВОЖДЕНИЯ ДВИЖУЩИХСЯ
ОБЪЕКТОВ
Специальность: 05.12.04 - Радиотехника, в том числе системы и устройства
телевидения
ДИССЕРТАЦИЯ
на соискание ученой степени доктора технических наук
^ (рЦ
Научный консультант: .
доктор технических наук, профессор Тимофеев Б.С.
Санкт-Петербург - 2008 
Содержание
Введение 5
Глава 1. Обзор современного состояния прикладных ТВ систем.
1.1. Классификация прикладных ТВ систем 19
1.2. Функциональные особенности интеллектуальных прикладных ТВ систем
1.2.1. Функциональные особенности интеллектуальных систем
видеонаблюдения 27
1.2.2. Функциональные особенности интеллектуальных систем
сегментации и сопровождения объектов интереса 31
1.3. Анализ основных методов обработки видеоданных в ТВ системах
сегментации и сопровождения объектов интереса 37
1.3.1. Сегментация на основе признака яркости 37
1.3.2. Сегментация на основе признака текстуры 44
1.3.3. Сегментация на основе признака формы 51
1.3.4. Сегментация на основе признака движения 70
1.3.4.1. Оценка признака движения на основе
энергии движения 71
1.3.4.2. Оценка признака движения на основе
векторов движения 83
Выводы и постановка задачи 89
Глава 2. Оценка признака движения в интеллектуальных системах видеонаблюдения, сегментации и сопровождения подвижных объектов.
2.1. Анализ эффективности методов и алгоритмов определения
векторов движения 102
2.2. Априорная оценка достоверности векторов движения 136
2.3. Метод определения векторов движения с учетом априорных оценок их
достоверности и значимости 155
2.4. Субпиксельная оценка векторов движения 164
2.4.1. Интерполяционный метод 165
з
2.4.2. Метод, основанный на многомасштабной
межкадровой разности 167
2.4.3. Экспериментальное исследование методов
субпиксельной оценки 170
Выводы по главе 2 175
Глава 3. Обработка видеоданных в интеллектуальных системах видеонаблюдения на основе признака движения.
3.1. Анализ эффективности коррекции пространственных искажений на основе
цифровой обработки изображений 177
3.1.1. Метод коррекции пространственных искажений на основе
идентификации параметров искажающих сигналов 177
3.1.2. Экспериментальное исследование эффективности метода
коррекции пространственных искажений на основе идентификации параметров искажающих сигналов 185
3.2. Синтез панорамного изображения протяженного движущегося объекта на
основе оценки его видимой скорости 203
3.3. Определение видимой скорости движения протяженного объекта для
построения его панорамного изображения 209
3.3.1. Особенности определения векторов движения при оценке видимой
скорости протяженных объектов 210
3.3.2. Временная фильтрация векторов движения при определении скорости
протяженного объекта 225
3.3.3. Регрессионная предсказывающая модель пространственного среза
скоростей 234
Выводы по главе 3 243

Глава 4. Сегментация и сопровождение объектов интереса на основе совокупности признаков.
4.1. Основные принципы анализа видеоданных на основе
совокупности признаков 246
4.2. Предварительный анализ изображения
на основе признака детальности 250
4.3. Сегментация объектов интереса на основе признаков движения и
пространственной связности 262
4.4. Сопровождение объектов интереса
на основе гауссовой модели формы 274
Выводы по главе 4 282
Глава 5. Реализация и экспериментальное исследование интеллектуальных систем видеонаблюдения, сегментации и сопровождения движущихся объектов.
5.1. Многоцелевой телевизионно-компьютерный комплекс видеомониторинга
железнодорожных составов 285
5.1.1. Экспериментальное исследование качественных показателей
синтезированного изображения 289
5.1.2. Точность оценки видимой скорости движения
протяженного объекта 293
5.1.3. Получение дополнительной информации об объекте интереса 296
5.2. Многофункциональный оптико-электронный комплекс сегментации и
сопровождения неточечных объектов 304
5.3. Видеокомпьютерная система контроля запуска
космических аппаратов 328
Выводы по главе 5 339
Заключение 342
Литература 344
Приложение I П-1
Приложение II П-6
Приложение III П-216

Список литературы

Заключение
Основными результатами, полученными в диссертационной работе, являются:
1. Сформулированы функциональные особенности интеллектуальных систем видеонаблюдения, сегментации и сопровождения, обеспечивающие существенное повышение их эффективности.
2. Предложены принципы обработки и представления видеоданных на основе признака движения, обеспечивающие реализацию функциональных особенностей интеллектуальных прикладных ТВ систем.
3. Введен критерий оценки эффективности методов и алгоритмов определения векторов движения в интеллектуальных системах видеонаблюдения, сегментации и сопровождения - уровень достоверности. Проведены экспериментальные иссле-дования существующих методов и алгоритмов, и у них выявлен низкий уровень достоверности 0,58.
4. Для оценки векторов движения в интеллектуальных прикладных системах разработаны специальные методы:
• Метод оценки векторов движения с учетом их априорных оценок достовер-ности и значимости, который позволяет задавать необходимый уровень достовер-ности и снижает вычислительные затраты по определению поля векторов движения в 10-20 раз. Метод дает возможность найти трехкомпонентные вектора движения. Третьей компонентой является вероятность правильного определения вектора дви-жения (оценка достоверности), имеющая самостоятельную ценность при дальней¬шей обработке видеоданных.
•Метод субпиксельной оценки векторов движения на основе многмасштабной межкадровой разности, позволяющий определить вектора движения с точностью до 0,07 пикселя и, одновременно, повышающий уровень достоверности на 20% по отношению к полному перебору.
5. Показана низкая эффективность цифровой коррекции пространственных ис-кажений в изображениях, полученных с помощью сверхширокоугольных объек¬тивов. Изображения после коррекции имеют существенные потери разрешения: на краях растра до 70%, в центре до 40%.
6. Разработан метод синтеза панорамного изображения протяженного движу-щегося объекта интереса на основе оценок его видимой скорости, позволяющий: обеспечить широкий угол обзора до 180 градусов; компенсировать пространст¬венные искажения без потерь разрешения, присущих методам цифровой коррек¬ции; реализовать комфортные условия анализа видеоданных; существенно сжать видеоданныее без потери информации об объекте интереса.
7. Предложен алгоритм оценки видимой скорости движения протяженного объекта на основе временной фильтрации и фильтрации по предсказывающей рег-рессионной модели. Средняя ошибка при оценке скорости 2,7%, уровень досто-верности 0,999985.
8. Построена обобщенная модель формы объекта на основе эллипсов рассеива¬ния Г аусса.
9. С учетом сложных условий видеонаблюдения и специфики объектов интере¬са предложено заменить текстурный признак признаком детальности. Введена оценка детальности фрагмента изображения. Разработана процедура предвари¬тельной классификации изображения на основе признака детальности, позволяю¬щая исключить из дальнейшего анализа до 80% блоков изображения.
10. Разработан метод сегментации объектов интереса по совокупности призна¬ков с использованием математического аппарата нечеткой логики, позволяющий одновременно выделить изображения нескольких объектов на сложном фоне.
11. Разработан метод сопровождения объектов на основе гауссовой модели формы с обновляемыми параметрами, позволяющий разрешать ситуации окклю¬зии, слияния и разделения объектов интереса, а также сопровождать объекты при существенной динамике их свойств и окружающей обстановки.
12. На основе разработанных методов реализованы многоцелевой телевизионно -компьютерный комплекс видеомопиторинга железнодорожных составов, много¬функциональный оптико-электронный комплекс сегментации и сопровождения неточечных объектов, видеокомпьютерная система контроля запуска космических аппаратов.
Совокупность проведенных исследований, полученных новых научных и практических результатов показывает, что поставленная в диссертационной работе проблема повышения эффективности прикладных ТВ систем, путем придания им интеллектуальных свойств решена.