Структура допоміжної класифікації наземних об’єктів за відеоспостереженням

Автор(и)

  • M. P. Mukhina Національний авіаційний університет, Київ
  • I. V. Barkulova Національний авіаційний університет, Київ

DOI:

https://doi.org/10.18372/1990-5548.54.12339

Ключові слова:

Вектор характерних ознак, дескриптивний простір, допоміжна класифікація, класифікатор Байєса, Марковські процеси

Анотація

Проведено аналіз системи класифікації за даними відеоспостереження. Сформульовано, що для виділення ознак та їх класифікації, потрібно отримати нормалізовані гіпотези для виявлення ознак об’єкта, приймаючи до уваги орієнтацію камери та висоту польоту. Запропоновано структуру допоміжної класифікації на основі ймовірнісних моделей, таких як класифікатор Байєса та Марковські процеси. Запропонований алгоритм був застосований для виявлення лише двох ознак, що відносяться до BLOB аналізу. Класифікацію було проведено відповідно до двох основних характерних параметрів – площа та центр мас. Вектор ознак складається лише з найінформативніших складових та дозволяє мінімізувати ризики. Результати підтвердили надійність класифікації відповідно до набору відео кадрів у умовах неповних даних дескриптивного простору.

Біографії авторів

M. P. Mukhina, Національний авіаційний університет, Київ

Кафедра авіаційних комп’ютерно-інтегрованих комплексів, Навчально-науковий інститут інформаційно-діагностичних систем

Доктор технічних наук. Професор

I. V. Barkulova, Національний авіаційний університет, Київ

Кафедра авіаційних комп’ютерно-інтегрованих комплексів, Навчально-науковий інститут інформаційно-діагностичних систем

Аспірант

Посилання

Teutsch, W. Krüger, and N. Heinze, “Detection and classification of moving objects from UAVs with optical sensors,” SPIE Defense, Security, and Sensing. 2011, pp. 80501J–80501J.

Syriamkin, and V. Shidlovkiy, Correlation-extremal radio navigation systems, Tomsk izdatelstvo, 2010, 316 p.

Javed, and M. Shah, “Tracking and object classification for automated surveillance,” in European Conference on Computer Vision, Springer, Berlin, Heidelberg, 2002, pp. 343–357.

Jianzhuang, L. Wenqing, and T. Yupeng, “Automatic thresholding of gray-level pictures using two-dimension Otsu method,” in IEEE International Conference on Circuits and Systems, 1991, Conference Proceedings, China, 1991, pp. 325–327.

Hassaballah, A. Abdelmgeid, and H. Alshazly, “Image Features Detection, Description and Matching,” Image Feature Detectors and Descriptors.” Springer International Publishing, 2016, pp. 11-45.

Chen, Y. Lin, and T. Y. Chen, “Intelligent vehicle counting method based on blob analysis in traffic surveillance,” in IEEE Second International Conference on Innovative Computing, Information and Control, 2007, pp. 238–238.

Piccardi, “Background subtraction techniques: a review,” in IEEE international conference on Systems, man and cybernetics, 2004, vol. 4, pp. 3099–3104.

##submission.downloads##

Номер

Том 4 № 54 (2017)

Розділ

МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ ПРОЦЕСІВ ТА СИСТЕМ

Ліцензія

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).