АНАЛІЗ АЛГОРИТМІВ ВИЯВЛЕННЯ ТА СУПРОВОДЖЕННЯ ТОЧКОВИХ ОБ’ЄКТІВ У ВІДЕОПОТОЦІ

Автор(и)

  • Т. В. Маленчик Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»
  • О. Ю. Мирончук Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»
  • О. С. Неуймін Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

DOI:

https://doi.org/10.31649/1997-9266-2022-165-6-48-56

Ключові слова:

виявлення об’єктів, супроводження об’єктів, точковий об’єкт, фон, шум, комп’ютерний зір

Анотація

Комп’ютерний зір є актуальною технологією, оскільки він дозволяє машині, враховуючи дані з датчиків, самостійно ухвалювати рішення як реагувати на зовнішні чинники. Однією з можливих задач, які має розв’язувати комп’ютерний зір, є автоматичне виявлення та супроводження точкових об’єктів. Для цього на практиці часто використовується система відеоспостереження, що дозволяє отримати відеопотік місця огляду. Методи цифрової обробки зображення дозволяють надійно та своєчасно виявляти та супроводжувати різні об’єкти. Позаяк точковий об’єкт маневрений, то алгоритм виявлення повинен бути швидким і надійним, щоб уникнути хибних виявлень, що призводить до ускладнення таких алгоритмів. В роботі подано огляд відомих методів виявлення об’єктів та їхнього супроводження. Наведено переваги і недоліки методів, заснованих на принципі «виявлення до супроводження» та «супроводження до виявлення». Методи, які ґрунтуються на принципі «виявлення до супроводження», виявляють об’єкт у кожному кадрі, тому не потребують додаткового накопичення інформації про параметри шуканого об’єкта, після чого отримані результати передаються на оброблення за алгоритмом супроводження. Методи, що базуються на принципі «супроводження до виявлення», спочатку накопичують певну кількість кадрів для визначення траєкторії об’єкта, після чого за результатами обробки декількох кадрів ухвалюється рішення про виявлення об’єкта. Це призводить до затримки в отриманні результатів.

Розглянуто методи супроводження об’єктів. Такі методи базуються на обробленні координатної інформації про рух об’єктів. Однією з ключових задач для супроводження є фільтрація параметрів руху об’єкта. Для оцінювання стану і управління динамічною системою з випадковою структурою доцільно застосувати апарат змішаних марківських процесів в дискретному часі. Розглянуто такі алгоритми траєкторної фільтрації: автономний багатомодельний алгоритм, узагальнений псевдобаєсівський алгоритм першого порядку, узагальнений псевдобаєсівський алгоритм другого порядку, багатомодельний алгоритм з міжмодельною взаємодією.

Біографії авторів

Т. В. Маленчик, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

аспірант кафедри радіотехнічних систем

О. Ю. Мирончук, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

PhD, старший викладач кафедри радіотехнічних систем

О. С. Неуймін, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

канд. техн. наук, старший викладач кафедри радіотехнічних систем

Посилання

X. Zou, “A Review of Object Detection Techniques,” in 2019 International Conference on Smart Grid and Electrical Automation (ICSGEA), 2019, pp. 251-254, https://doi.org/10.1109/ICSGEA.2019.00065 .

K. L. Masita, A. N. Hasan, and T. Shongwe, “Deep Learning in Object Detection: a Review,” in 2020 International Conference on Artificial Intelligence, Big Data, Computing and Data Communication Systems (icABCD), 2020, pp. 1-11, https://doi.org/10.1109/icABCD49160.2020.9183866 .

O. Nichtern, and S. R. Rotman, “Parameter Adjustment for a Dynamic Programming Track-before-Detect-Based Target Detection Algorithm,” EURASIP J. Adv. Signal Process, 146925, 2008. https://doi.org/10.1155/2008/146925 .

S. Rawat, Sashi Kant Verma, Y. Kumar, “Review on recent development in infrared small target detection algorithms,” Computer Science, 2020.

P. Li, B. Yan, R. Ye, and G. Sun, “An infrared dim and small target detection method based on fractional differential,” in 2018 Chinese Control And Decision Conference (CCDC), 2018, pp. 2381-2386, https://doi.org/10.1109/CCDC.2018.8407524 .

X. Bai, et al., “Survey on dim small target detection in clutter background: Wavelet, inter-frame and filter based algorithms,” Procedia Eng., no. 15, pp. 479-483, 2011.

Т. В. Маленчик, i О. С. Неуймін, «Огляд методів виявлення точкових цілей на послідовностях зображень,» ІХ Міжнародна науково-технічна конференція «Радіотехнічні поля, сигнали, апарати та системи», 2020.

Melita Hadzagic, Hannah Michalska, and Eric Lefebvre, “Track-Before-Detect Methods in Tracking Low-Observable Targets: A Survey,” Sensors and Transducers Magazine (ST e-Digest), Special Issue, pp. 374-380, 2005.

S. Rawat, S. Verma, and Y. Kumar, “Review on recent development in infrared small target detection algorithms,” Procedia Comput. Sci., no. 167, pp. 2496-2505, 2020.

G. Boccignone, A. Chianese, and A. Picariello, “Small target detection using wavelets,” in Proceedings. Fourteenth International Conference on Pattern Recognition (Cat. No.98EX170), 1998, pp. 1776-1778, vol. 2, https://doi.org/10.1109/ICPR.1998.712072 .

R. Strickland, Han, et al., “Wavelet Transform for Detecting Microcalcifications in Mammograms,” IEEE Trans. Medical Imaging, no. 15 (2), pp. 218-229, 1996.

S. G. Mallat, “A theory for multiresolution signal decomposition: the wavelet representation,” in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 11, no. 7, pp. 674-693, July 1989. https://doi.org/10.1109/34.192463 .

D. J. Gregoris, et al., “Detection of Dim Targets in FLIR Imagery Using Multiscale Transforms,” Proceedings of SPIE, 2262, pp. 62-71, 1994.

X. Z. Chen, H. Y. Sun, “Image Targets Detection based on the Energy Feature,” Infrared and Laser Engineer, no. 30 (1), pp. 30-32, 2001.

Z. X. Cheng, and Y. P. Lin, “Application of wavelet analysis in image processing,” Journal of Engineering Mathematics, no. 18(5), pp. 57-86, 778, 2001.

Bai Xiangzhi, et al., “Survey on Dim Small Target Detection in Clutter Background: Wavelet, Inter-Frame and Filter Based Algorithms,” Procedia Engineering, December 06, 2011.

S. Tunç, and H. Ilgin. “Dim Target Detection in Infrared Images Using Saliency Algorithms,” Radioengineering, no. 27, pp. 635-642, 2019.

С. Я. Жук, Методы оптимизации дискретных динамических систем со случайной структурой, моногр. Київ, Україна: НТУУ «КПИ», 2008, 232 с.

А. Ю. Мирончук, O. O. Шпилька, и С. Я. Жук, «Метод оценивания частотной характеристики канала а OFDM системах на основе фильтрации и экстраполяции пилот-сигналов,» Вісник НТУУ«КПІ». Серія Радіотехніка, Радіоапаратобудування, № 78, с. 36-42, 2019. https://doi.org/10.20535/RADAP.2019.78.36-42 .

А. Ю. Мирончук, А. А. Шпилька, и С. Я. Жук, “Метод двухэтапного совместного оценивания информационных символов и частотной характеристики канала в системах связи с OFDM,” Известия вузов. Радиоэлектроника, т. 63, № 8, с. 497-508, 2020. https://doi.org/10.20535/S002134702008004X .

X. Rong Li, and V. P. Jilkov, “Survey of maneuvering target tracking. Part V. Multiple-model methods,” IEEE Transactions on Aerospace and Electronic Systems, vol. 41, no. 4, pp. 1255-1321, Oct., 2005. https://doi.org/10.1109/TAES.2005.1561886.

##submission.downloads##

Переглядів анотації: 149

Опубліковано

2022-12-30

Як цитувати

[1]
Т. В. Маленчик, О. Ю. Мирончук, і О. С. Неуймін, «АНАЛІЗ АЛГОРИТМІВ ВИЯВЛЕННЯ ТА СУПРОВОДЖЕННЯ ТОЧКОВИХ ОБ’ЄКТІВ У ВІДЕОПОТОЦІ», Вісник ВПІ, вип. 6, с. 48–56, Груд. 2022.

Номер

Розділ

Інформаційні технології та комп'ютерна техніка

Метрики

Завантаження

Дані завантаження ще не доступні.