Метод пошуку підозрілих об’єктів на відео з камери літального апарата на основі гістограмних оцінок
DOI:
https://doi.org/10.18372/2310-5461.38.12827Ключові слова:
пошук об’єктів, літальний апарат, гістограмна оцінка, статистичні методи розпізнаванняАнотація
Проблема пошуку конкретних об’єктів на відео, яка виникає в деяких практичних задачах, вирішується відомими методами за наявності бази еталонних зображень. За умови відсутності такої бази можливо виконувати пошук підозрілих об’єктів за допомогою евристичних підходів. Але такі підходи не є швидкими і тому не можуть застосовуватись у системах реального часу. В даній публікації пропонується метод пошуку цільових (підозрілих) об’єктів на відео з камери літального апарата на основі гістограмних оцінок, який має достатню для використання в системах реального часу швидкість роботи.
Посилання
Горелик А.Л. Методы распознавания: Учеб. пособие. 2-е изд. / Горелик А.Л., Скрипкин В.А. – М., «Высш. школа», 1984. – 208 с.
Viola, P., Jones, M.: Rapid Object Detection using a Boosted Cascade of Simple Features. In: Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2001). IEEE, Kauai, HI, USA (2001). doi:10.1109/CVPR.2001.990517
Viola, P., Jones, M.J.: Robust Real-Time Face Detection. International Journal of Computer Vision 2(57), pp. 137 154 (2004). doi:10.1023/B:VISI.0000013087.49260.fb
Krizhevsky, A., Sutskever, I., Hinton, G.E.: Imagenet classification with deep convolutional neural networks. In: Advances in neural information processing systems, pp. 1097 1105. NIPS, Lake Tahoe, Nevada, USA (2012). doi:10.1145/3065386
Accelerating Very Deep Convolutional Networks for Classification and Detection [електронний ресурс] // https://arxiv.org/abs/1505.06798
Accelerating Convolutional Neural Networks on Raspberry Pi [електронний ресурс] // http://cv-tricks.com/artificial-intelligence/deep-learning/accelerating-convolutional-neural-networks-on-raspberry-pi/
Massimo Piccardi Background subtraction techniques: a review / Massimo Piccardi // 2004 IEEE International Conference on Systems, Man and Cybernetics. – October 2004. – P. 3099–3104.
Aniket Bhondave et al. Suspicious Object Detection Using Back-Tracing Technique / Aniket Bhondave, Bhagyawant Biradar, Vishal Suryavanshi, Harshal Nakil // International Journal of Advanced Research in Computer and Communication Engineering. – January 2016. – vol. 5, issue 1. – P. 406–408.
Suspicious Object Detection and Tracking [електронний ресурс] // http://www.spit.ac.in/wp-content/uploads/profkttalele/project/2009-10/(4)Suspicious%20Object%20Recognization/report%20Suspicious_Object_Detection.pdf
Roberto Brunelli Template Matching Techniques in Computer Vision: Theory and Practice / Roberto Brunelli. – Chichester: Wiley, 2009. – 338 p.
Чирков А.В. Пошук підозрілих об’єктів на відео з камери безпілотного літального апарата на основі аналізу гістограм / А. В. Чирков // Проблеми створення, випробування, застосування та експлуатації складних інформаційних систем: збірник наукових праць. – 2016. – №13. – С. 126-135.
John Canny A Computational Approach to Edge Detection / John Canny // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1986. – vol. PAMI-8, no. 6. – P. 679–698.
Грузман И.С. Цифровая обработка изображений в информационных системах / Грузман И.С., Киричук В.С., Косых В.П. и др. – Новосибирск: Изд во НГТУ, 2002. – 352 с.
Papic, V., Turic, H., Dujmic, H.: Two-stage segmentation for detection of suspicious objects in aerial and long-range surveillance applications. In: 10th WSEAS International Conference on Automation & Information, pp. 1–5, WSEAS, Athens, Greece (2009).
Васильева И.К. Методы распознавания образов: Учебное пособие по лабораторному практикуму / Васильева И.К., Ельцов П.Е. – Х.: Нац. аэрокосм. ун т «ХАИ», 2008. – 56 с.
Статистические методы распознавания образов [електронний ресурс] // http://yury.name/modern/07modernnote.pdf
Philip Prystavka The Mathematical Foundations of Foreign Object Recognition in the Video from Unmanned Aircraft / Philip Prystavka, Anastasia Rogatyuk // Proceedings of the National Aviation University. – 2015. – №3(64). – P. 133 139. doi:10.18372/2306-1472.64.9048
Приставка П.О. та ін. Експериментальний зразок автоматизованої системи пошуку підозрілих об’єктів на відео з безпілотного повітряного судна / П. О. Приставка, В. І. Сорокопуд, А. В. Чирков // Системи озброєння і військова техніка. – 2017. – №2(50). – C. 26 32.
Новейшие методы обработки изображений / Под ред. А. А. Потапова. – М.: Физматлит, 2008. – 496 с.
Приставка А.Ф. Смеси и сплайн-распределения на неоднородных нормальных пространствах / Приставка А.Ф., Райко О.В. – Д.: ДГУ, 1987, 233 с.
Руренко В.Л. Евристичний алгоритм розділення сумішей двох нормальних розподілів / Руренко В.Л., Чирков А.В. // Проблеми та перспективи розвитку авіації та космонавтики: тези доп. V Всеукр. наук. практ. конф. […], м. Київ, 29–30 листопада 2016 р., Національний авіац. ун т. – К.: НАУ, 2016.
Чирков А.В. Методика реалізацій програмних рішень для обробки даних на борту безпілотного літального апарату / Чирков А.В. // Математичне та програмне забезпечення інтелектуальних систем: тези доп. ХIII міжнар. наук. практ. конф., м. Дніпропетровськ, 18–20 листопада 2015 р., Дн вський національний ун т ім. Олеся Гончара. – Д.: ДНУ, 2015. – С. 245–246.
Сорокопуд В.І. Аналіз швидкодії алгоритму обробки потокового відео в залежності від способу реалізації / Сорокопуд В.І., Чирков А.В. // ПОЛІТ. Сучасні проблеми науки. Інформац.-діагн. с ми: тези доп. ХVII міжнар. наук. практ. конф. […], м. Київ, 5–7 квітня 2017 р., Національний авіац. ун т. – К.: НАУ, 2017. – С. 55.
