Содержание к диссертации
Введение
1 Анализ методов и систем определения параметров движущихся объектов 17
1.1 Анализ систем.определения параметров движущихся объектов 17
1.2 Требования к ИИС определения параметров движущихся объектов 23
1.3 Анализ методов определения параметров движущихся объектов 25
1.3.1 Пироэлектрический метод 26
1.3.2 Ультразвуковой метод 28
1.3.3 Микроволновый метод 29
1.3.4 Телевизионный- метод 31
1.3.5 Комбинированный метод ' 3 4 1.4-Анализ методов выделения и локализации движущихся объектов на основе обработки последовательности изображений 37
1.4.1 Пространственные методы 37
1.4.2 Временные методы 39
1.4.3 Пространственно-временные методы 4
1.5 Анализ методов совмещения изображений объектов на стереопаре 42
Выводы к первому разделу 49
2 Разработка математической модели определения параметров движущихся объектов 51
2.1 Математическая модель адаптивной фильтрации изображений 53
2.2 Математическая модель выделения и локализации движущихся объектов на последовательности изображений 57
2.3 Математическая модель определения диспарантности точек изображений объектов на стереопаре 63
2.4 Математическая модель определения пространственных координат точек объектов 68
2.5 Математическая модель определения параметров объектов 74
Выводы ко второму разделу 76
3 Разработка стереоскопической ИИС определения параметров движущихся объектов 77
3.1 Структурная схема стереоскопической ИИС определения параметров движущихся объектов 77
3.2 Методы и алгоритмы определения параметров движущихся объектов 81
3.2.1 Основные этапы определения параметров движущихся объектов 81
3.2.2 Пространственно-временной метод адаптивной фильтрации изображений 82
3.2.3 Метод выделения и локализации движущихся объектов 89
3.2.4 Метод определения диспарантности точек изображений объектов на стереопаре 93
3.2.5 Алгоритм»адаптивной фильтрации изображений 995
3.2.6 Алгоритм выделения и локализации движущихся объектов 101'
3.2.7 Алгоритм определения диспарантности точек изображений объектов на стереопаре 106
3.2.8 Алгоритм определения пространственных параметров движущихся объектов 109
3.3 Исследование основных параметров стереоскопической-информационно- измерительной системы определения параметров движущихся объектов в пространстве 112
3.3.1 Оценка временных затрат на обработку информации 112
3.3.2 Оценка параметров допустимой дальности и скорости обнаруживаемого объекта 114 Выводы к третьему разделу 116
4 Экспериментальное исследование стереоскопической ИИС определения параметров движущихся объектов 118
4.1 Особенности конструкции стереоскопического датчика изображений 119
4.2 Анализ метрологических характеристик стереоскопической ИИС определения параметров движущихся объектов 121
4.2.1 Анализ методической погрешности определения параметров движущихся объектов 121
4.2.2 Анализ инструментальной погрешности определения параметров движущихся объектов 128
4.2.3 Оценка результирующей погрешности определения параметров движущихся объектов 136
4.3 Методика проведения экспериментального исследования 138
4.4 Проведение экспериментальных исследований 144
Выводы к четвёртому разделу 152
Заключение 154
Список использованных источников
- Требования к ИИС определения параметров движущихся объектов
- Математическая модель выделения и локализации движущихся объектов на последовательности изображений
- Методы и алгоритмы определения параметров движущихся объектов
- Анализ метрологических характеристик стереоскопической ИИС определения параметров движущихся объектов
Введение к работе
В настоящее время в различных отраслях промышленности широкое практическое применение находят системы определения параметров движущихся объектов (ОПДО), например, при контроле качества изделий в производственных процессах, построении траектории движущихся объектов, при,проведении испытаний и так далее. Особый исследовательский интерес представляет их использование в комплексах обеспечения безопасности промышленных объектов.в составе систем-охранного телевидения (СОТ) в качестве обнаружителя движения (ОД) - устройства, формирующего сигнал извещения при обнаружении изменений, обусловленных движением (появлением) цели на сцене [23].
В? общем случае СОТ включает в себя телевизионную камеру (ТК) с объективом, видеомонитор,- видеонакопитель, источник электропитания и соединительные линии [34]. При этом решаются.следующие типовые задачи:
• Оперативное наблюдение за охраняемой территорией, зданием и помещениями — обнаружение нарушителя возложено на оператора;
• Оценка сигнала- тревоги - телекамера используется совместно с техническим средством охраны (ТСО) для подтверждения? факта срабатывания последнего;
• Документирование событий на объекте - материал видеоархивов может оказаться полезным в качестве доказательной- базы при-расследовании несанкционированных действий.
Это самые простые функции системы охранного телевидения, требующие присутствия человека-оператора и/или постоянной записи. И, как показывает практика, их не достаточно для эффективной работы СОТ и комплекса безопасности объекта в целом:
Одна из причин - человеческий фактор. В большинстве случаев операторы СОТ перегружены данными, которые они не могут эффективно контролировать. Эксперименты показали, после 12 минут непрерывного наблюдения среднестатистический оператор начинает пропускать до 45% изменений, которые происходят в кадре. После 22 минут этот показатель возрастает до 95% [72, 73]. Кроме того, если системы наблюдения включают множество телекамер, то оператор уделяет слишком мало внимания каждой из них. Это обстоятельство является одной из главных причин, почему в составе СОТ, дополнительно используют системы ОПДО. В этом случае телевидение берет на себя функцию автоматической оценки обстановки; что снижает влияние человеческого фактора и значительно повышает эффективность работы всего комплекса безопасности объекта. Так, например, режим записи по сигналу от системы ОПДО позволяет увеличить суммарное время регистрации и сохранить при этом качестве архивируемого изображения. Последнее, при анализе видеоархива, играет огромную роль — на стоп - кадре часто1 приходиться рассматривать мелкие детали (лица, предметы- и т.п.). Для этого, при цифровой обработке, применяются? специализированные алгоритмы увеличения размеров и повышения контраста мелких деталей, которые дают лучшие результаты при большем разрешении изображения и меньшей степени его компрессии. Другое преимущество заключается в том, что система ОПДО позволяет снизить требования к количеству сотрудников системы безопасности или уменьшить нагрузку на каждого из них. Так при наличии нескольких телекамер, наблюдение приходится вести за каждой из них по очереди, это требует большой- сосредоточенности и внимательности от оператора, чтобы не пропустить какое-либо событие. Система ОПДО самостоятельно определяет тревожные ситуации и оповещает об этом оператора, которому остаётся принять, необходимые и адекватные ситуации меры. В интегрированных системах безопасности (ИСБ) существует возможность выполнения ряда действий по сигналу от системы ОПДО автоматически [А6, 18].
Следует подчеркнуть, что практически для всех случаев применения систем ОПДО в составе СОТ, классифицировать большинство движущихся объектов как цель или фон затруднительно, так как в зависимости от задачи, решаемой системой ОПДО, один и тот же объект может быть как фоном, так и целью. Например, автомобиль - фон, мешающий обнаружению человека-нарушителя и этот же автомобиль - цель для систем, устанавливаемых на транспортных контрольно-пропускных пунктах. Поэтому при выделении реальной цели из фоно-целевой обстановки (ФЦО) большое значение имеет точное определение системой как можно большего числа параметров движущегося объекта для их сравнения с заданными.
В настоящее время в промышленности получили развитие различные методы определения параметров движущихся объектов [63], в том числе ультразвуковые, микроволновые, пироэлектрические и прочие. Наиболее-развивающимся является телевизионный метод, который заключается в обработке данных от датчика изображения, например телевизионной камеры, специальными алгоритмами для выявления в нём признака движения объекта и получения его параметров.
Вместе с тем проблема применения методов определения параметров движущихся объектов остаётся актуальной. В частности, несмотря на явные преимущества, в большинстве источников по системам безопасности [25, 40, 43, 33, 17, 49], телевизионные системы ОПДО фигурируют только как вспомогательное средство, без упоминания о функции обнаружения. Основная причина этого - низкое качество существующих систем.
Современный этап развития телевизионных систем ОПДО и СОТ характеризуется преимущественным применением двумерных систем визуализации и обработки изображений. Как следствие селекция по линейным размерам не отражает соотношение истинных размеров регистрируемых целей. И мелкое животное и человек на экране могут оказаться одних размеров и отличить их друг от друга можно в том случае, если каждому из них добавить ещё один параметр дальность. Более того, некоторые задачи, связанные с анализом изображений не могут быть решены или решаются с существенной потерей времени и качества без использования пространственных характеристик объекта. Плоская проекция не является реальным отображением действительности. Недостатками этого являются: реагирование на объекты, пересекающие зону обнаружения на переднем и заднем плане, и невозможность отстройки от фона. А, как правило, даже самое сложное программное обеспечение не исключает ложных срабатываний на движущийся фон или объекты.
Таким образом, построение эффективных систем ОПДО требует оперировать трехмерной информацией и обрабатывать её в реальном масштабе времени с целью определения пространственных параметров движущихся объектов. Одним из способов получения информации о глубине регистрируемой сцены, является применение принципов стереоскопического телевидения. В этом случае в качестве датчика изображения выступают две идентичные по характеристикам телевизионные камеры, которые удалены друг от друга на определённое расстояние.
Подобная система позволяет добиться качественно новых результатов по определению параметров движущихся объектов. Достоверность обнаружения объектов в условиях сложной фоно-целевой обстановки (ФЦО), полученная при обработке стереоизображения, многократно превышает достоверность, которую в принципе можно достигнуть в двумерных системах. Это определяется возможностью извлекать точную информацию о положении и поведении объекта в пространстве - действительные размеры, расстояние до объекта, направление и скорость его перемещения, в том числе при изменениях вектора перемещения. Кроме того, информация о глубине сцены, позволяет определять зону обнаружения в виде объёмных фигур. Так, например, на объекте вдоль ограждения, можно выделить объемные зоны, которые будут реагировать на приближение к ограде, и в тоже время беспрепятственно пропускать персонал через контрольно-пропускной пункт. Помимо этого открываются новые возможности по опознаванию объектов и их классификации. Если образцы, с которыми необходимо сравнивать движущийся объект, - трёхмерные, то сравнение выполняется точнее, хотя при этом возрастает и объём затраченных на это вычислительных ресурсов. Из трёхмерной модели объекта можно получить больше признаков, что позволяет более точно проводить классификацию объекта [А5].
Стереоскопические системы ОПДО для СОТ только начинают появляться на рынке систем безопасности, и информация в литературе о них носит преимущественно рекламный характер. Основными недостатками известных систем являются малое быстродействие и недостаточная точность измерения параметров движущихся объектов. Малое быстродействие обусловлено большой вычислительной сложностью используемых алгоритмов обнаружения объектов и определения их параметров, что не позволяет на практике строить системы, функционирующие в реальном времени. Недостаточная точность измерений приводит к некорректному определению размера объекта, его скорости, его классификации - всё это в свою очередь является предпосылкой к ложным извещениям системы.
В связи с выше сказанным разработка стереоскопической информационно-измерительной системы (ИСС) для определения параметров движущихся объектов с высокой точностью и в реальном масштабе времени представляется весьма актуальной.
Целью диссертационной работы является разработка методов и алгоритмов для определения параметров движущихся объектов и создание на их основе стереоскопической информационно-измерительной системы, обеспечивающей определение пространственных параметров движущихся объектов с заданной точностью в реальном масштабе времени.
Объектом исследований в работе является процесс обработки и «понимания» изображений стереоскопических телевизионных камер для промышленных отраслей.
Предметом исследований являются методы и алгоритмы обнаружения и определения параметров движущихся объектов в условиях сложной фоно-целевой обстановки, в реальном масштабе времени.
В соответствии с поставленной целью в диссертационной работе решаются следующие задачи исследования:
1. Анализ существующих методов и систем определения параметров движущихся объектов впространстве;
2. Формулирование основных требований к разрабатываемой ИИС и обоснование выбора телевизионного метода ОПДО;
3. Анализ методов выделения и локализации движущихся объектов на основе обработки последовательности изображений;
4. Анализ методов совмещения изображений выделенных объектов на стереопаре;
5. Разработка математической модели определения параметров движущихся объектов;
6. Разработка методов и алгоритмов для определения параметров движущихся объектов;
7. Оценка основных параметров стереоскопической ИИС определения параметров движущихся объектов;
8. Исследование методических и инструментальных погрешностей, а также рассмотрение их влияния на результирующую погрешность определения параметров движущихся объектов;
9. Создание методики тестирования стереоскопических систем определения параметров движущихся объектов;
10.Экспериментальное исследование разработанной стереоскопической ИИС ОПДО на основе предложенной методики тестирования систем ОПДО.
Методы исследования. Для решения поставленных задач использовались: основы теории измерений, методы системного- анализа, обработки информации, методы линейной алгебры, аналитической геометрии, математического моделирования, аппарат математического анализа и теории погрешностей.
Научная новизна проведённых в диссертационной; работе исследований заключается в следующем:
1. Разработан метод и алгоритм выделения и локализации движущихся объектов на последовательности изображений, который позволяет адаптироваться к повторяющимся изменениям заднего плана и освещения за счёт моделирования каждой точки изображения с помощью смеси нормально распределённых случайных величин;
2. Разработан метод и алгоритм адаптивной фильтрации изображений, отличительной особенностью которого является динамическая оценка полной дисперсии шума на изображении;
3. Разработана математическая модель определения параметров движущихся объектов в условиях сложной структуры фона, которая представляет собой совокупность моделей основных процессов ОПДО в созданной стереоскопической ИИС и позволяет оценить вероятность обнаружения, а также точность измерения параметров движущихся объектов;
4. Предложена методика экспериментального исследования стереоскопических ИИС определения параметров движущихся объектов, которая позволяет эффективно оценивать основные параметры систем, и не требует наличия дополнительных аппаратных и программных средств.
Обоснованность результатов диссертационной работы, полученных с использованием признанных научных положений и апробированных методов исследования, подтверждается корректным применением математического аппарата и согласованностью результатов с известными теоретическими положениями.
Достоверность результатов подтверждается хорошим согласованием теоретических данных, полученных с помощью математического моделирования, и научных выводов.
Практическая ценность:
1. Разработанная математическая модель определения параметров движущихся объектов позволяет создавать инженерные методики , для расчёта основных характеристик стереоскопической, информационно-измерительной системы;
2. Разработанная стереоскопическая информационно-измерительная система ОПДО позволяет организовать независимый рубеж контроля; в системах безопасности промышленных объектов,- что подтверждают полученные результаты экспериментальных исследований;
3. Внедрение разработанной стереоскопической информационно-измерительной системы ОПДО повышает вероятность правильного обнаружения- движущихся объектов- за счёт измерения с высокой точностью их трёх основных параметров — размера, скорости перемещения и расстояния до объекта. Что позволяет улучшить, темг самым, характеристики системы безопасности промышленного объекта;
4. Результаты исследования диссертационной работы могут послужить основой для развития новых систем по определению параметров движущихся объектов.
Практическая ценность подтверждена актом внедрения результатов диссертации. Программное обеспечение АПК «Nucleus» и АПК «Бастион», в которых были использованы полученные результаты, установлено в нескольких десятках организаций и предприятий Самарской области, Москвы и других регионах России.
На защиту выносятся:
- Результаты анализа методов и систем определения параметров движущихся объектов;
- Математическая модель определения параметров движущихся объектов;
- Пространственно-временной метод и алгоритм адаптивной фильтрации изображений;
- Метод и алгоритм выделения и локализации движущихся объектов на последовательности изображений;
- Результаты экспериментального исследования стереоскопической информационно-измерительной .системы, определения параметров движущихся объектов.
Апробация работы. Основные положения диссертационной работы, научные и практические результаты докладывались и обсуждались на международных и всероссийских научно-технических конференциях, в том числе на XIII Международной научно-практической конференции студентов, аспирантов и молодых ученых «Современные техника и технологии» (Томск, 2007), XLV Международной научно-практической конференции «Научно-технический прогресс» (Новосибирск, 2007), Всероссийской научно-технической конференции «Актуальные проблемы информационной безопасности при противодействии криминалу и терроризму. Теория и практика использования аппаратно-программных средств» (Самара, 2007), Всероссийской межвузовской научно-практической конференции «Компьютерные технологии в науке, практике и образовании» (Самара, 2007).
Личный вклад. Основные теоретические и практические результаты, содержащиеся в диссертационной работе и публикациях, получены автором самостоятельно и под руководством научного руководителя.
Публикации. Всего по теме диссертации опубликовано восемь печатных работ. Список опубликованных работ приведён в заключении.
Структура и краткое содержание диссертации:
Диссертация состоит из основной части и приложения, содержит 168 страниц основного текста; 38 рисунков; список литературы из 89 именований. Основная часть содержит введение, четыре раздела, заключение, список использованных источников. Приложение содержит акт внедрения и свидетельство об официальной регистрации программы для ЭВМ.
В о- введении показана актуальность темы диссертации, дана общая характеристика работы, определены цели и задачи исследования. Приведены структура и краткое содержание диссертации, основные положения, выносимые на защиту.
В первом разделе проводится сравнительный анализ систем и методов определения параметров движущихся объектов; рассматриваются-преимущества и недостатки каждого из методов; на основеч этого формулируются основные технические требования к разрабатываемой информационно-измерительной системе; обосновывается использование телевизионного метода для построения систем определения параметров движущихся объектов; исследуются методы выделения и локализации движущихся объектов на основе обработки последовательности изображений с точки зрения вычислительных затрат; выполняется анализ методов совмещения изображений выделенных объектов на стереопаре.
Во втором разделе разрабатывается математическая модель ОПДО представляющая собой совокупность математической модели адаптивной фильтрации изображения, модели выделения и локализации движущихся объектов для получения множества локализованных областей содержащих динамические объекты; модели определения диспарантности точек изображений движущихся объектов на стереопаре, модели определения пространственных координат точек объектов и модели определения параметров объектов.
В третьем разделе приводится структурная схема разрабатываемой информационно-измерительной системы; на основе созданной математической модели, выделяются основные этапы определения параметров движущихся объектов для разрабатываемой системы, их последовательность и взаимосвязь друг с другом; разрабатываются новые методы и алгоритмы для ОПДО; проводится их экспериментальное исследование; исследуются основные параметры стереоскопической ИИС ОПДО в пространстве.
В четвёртом разделе описываются особенности конструктивного исполнения стереоскопического датчика изображений; выполняется анализ метрологических характеристик разработанной ИИС; приводится оригинальная методика экспериментального исследования стереоскопических систем ОПДО; выполняется экспериментальное исследование разработанной системы в соответствии с предложенной методикой; делаются соответствующие выводы.
В заключении обобщаются результаты проведенного исследования, а также приводится список опубликованных работ.
Требования к ИИС определения параметров движущихся объектов
Разрабатываемая стереоскопическая, ИИС определения- параметров движущихся объектов должна:удовлетворять,следующим?требованиям: 1.. Использовать пассивный; принцип обнаружения движения? объектов и определения их параметров; 2. Позволять задавать неограниченное число; непересекающихся, независимых и объёмных тревожных зон; 3. Определять действительные размеры движущегося объекта в диапазоне значений от 0,3 до 3 м. по горизонтали, вертикали и глубине; определять расстояние от ТК датчика до объекта в диапазоне значений от 1,5 до 10 м.; определять среднюю скорость перемещения объекта между измерениями в диапазоне значений от 0,2 до 10 м/с; 4. Осуществлять обнаружение движущихся объектов и вычисление их параметров в условиях стационарного расположения элементов системы и их полной исправности; 5. Функционировать в условиях равномерного освещения сцены наблюдения и видимых частей движущихся объектов; 6. Определение параметров объектов с помощью ИИС должно проводиться в условиях отсутствия влияния каких-либо внешних воздействий как на элементы ИИС, так и на сцену наблюдения, включая движущиеся объекты; 7. Обеспечить погрешность по каждому из измеряемых параметров до 15% включительно от значения величины параметра; 8. Обеспечить обнаружение движущихся объектов в указанном диапазоне значений их параметров с вероятностью не менее 0.95%; 9. Определять параметры не более 10-ти движущихся объектов одновременно находящихся в поле зрения датчика ИИС; 10. Производить измерения указанных параметров каждого из обнаруженных объектов не менее 2-х раз в секунду; 11. Поддерживаться в функциональном состоянии с помощью ремонтных и регламентных работ.
Под системой реального времени понимается ИИС, в которой корректность выходной информации зависит не только от правильности обработки, но и от моментов времени появления информации [20].
Обратимся вновь к рисунку 1. Наибольшее подразделение систем ОПДО можно провести по методу обнаружения движущихся объектов или, другими словами, по регистрируемому физическому параметру. Каждый из методов обладает собственными преимуществами и недостатками. Поэтому дальнейшей задачей является сравнительный анализ методов ОПДО. Это позволит обосновать преимущества и соответствие телевизионного метода ОПДО требованиям к разрабатываемой ИИС.
На следующем рисунке приведена классификация существующих методов определения параметров движущихся объектов.
Как видно из схемы усилиями разработчиков использован ряд физических явлений, позволяющих определять параметры движущихся объектов в зоне обнаружения. Каждый из представленных методов обладает как преимуществами, так и недостатками. Рассмотрим более подробно каждый из них.
Принцип пироэлектрического метода определения параметров движущихся объектов, в общем случае, основан на регистрации изменений потока инфракрасного (теплового) излучения. Пироэлектрический метод заложен в принцип работы ИК систем ОПДО, являющихся одними из наиболее популярных средств детектирования движения в системах безопасности [63]. ИК системы ОПДО подразделяются на две большие группы: пассивные и активные.
Пассивные ИК системы реагируют на тепловое излучение движущегося объекта. Их принцип действия основан на регистрации изменения во времени разницы между интенсивностью ИК излучения от объекта и фонового теплового излучения: ИК пассивные системы состоят из трех основных элементов: оптической системы, пироприемника и блока обработки сигналов (БОС) пироприемника;
Форма зоны обнаружения, как правило; определяется; линзой? Френеля;:, различают объемную, линейную; ИЛИЇ поверхностную зоны;. ВЇ соответствии с расположением чувствительного элемента и: особенностями плана-местности: изменить диаграмму можно, используя прилагаемые к детектору сменные линзы Френеля или накладки, которые перекрывают часть чувствительного элемента [5].
Недостаток самых простых и; дешевых пассивных.ИК системі0ПД в-том, что они выдают тревогу при? определенной скоростю изменениям теплового потока. Однако, более совершенные (ил более: дорогие-соответственно) ИК системы не имеют этих недостатков. Их надежность и; стойкость к тепловым помехам обеспечивается многоканальным пироэлементом и сложной обработкой сигнала в БОС системы [5,40].
Математическая модель выделения и локализации движущихся объектов на последовательности изображений
В предыдущем разделе был сделан вывод о том, что с точки зрения потребностей и вычислительных затрат, временные методы лучше всего соответствуют поставленной задаче выделения и локализации движущихся объектов. Опишем сначала процесс выделения объектов, или другими словами, выделения переднего плана изображения с подавлением фона.
Запишем полученную модель восстановленного изображения (2.8) в виде:, s {x, у) = h(x, у)г(х, у) + g(x, у)(\ - г(х, у)) , (2.9) где х = \,К; у = \,L; К и L — ширина и высота изображения; s (x,y) -восстановленное изображение; g(x, у) и h(x, у) - неизвестные яркости точек фона и1 объектов соответственно. Функция г(х, у) задаёт расположение объектов на изображении и задаётся правилом: г(х,.у) = 1, если в точке (х,у) изображения находится объект л -(2.10) 0, в противном случае v /
Задача выделения объектов на изображении заключается в нахождении оценки (х,у) на основе наблюдаемого изображения (х,у).
Одним из наиболее простых подходов для определения изменений . между двумя кадрами изображений основывается на сравнении соответствующих точек этих двух кадров. Для этого применяется процедура формирования так называемой разности кадров [70]: d(x,y) = 1, если s t(x, у) (х, у)\ в 0, если s t (х, у) - , _, (х, у)\ в к ) где в - значение порогового уровня, выбираемого таким образом, чтобы определить точки, в которых кадры значительно отличаются друг от друга, от точек, в которых за время / произошли незначительные шумовые перепады яркости. Не смотря на простату в реализации, на практике данный поход практически не применим, из-за таких проблем как большая подверженность влиянию шумов, реагирование на флуктуацию освещённости, невозможность функционирования при наличии динамической составляющей фона.
В процессе анализа поставленной задачи [71, 76, 80, 83, 86] был разработан метод выделения объектов использующий временной подход к обработке последовательности изображений на основе вероятностных моделей, который не подвержен выше перечисленным проблемам. Для выполнения оценки фона для всего изображения создается поточечная модель наблюдаемой сцены с использованием смеси нормальных распределений. С поступлением каждого нового кадра s (x,y) модель обновляется, и каждый пиксель классифицируется как принадлежащий к заднему или к переднему плану. Таким образом, можно записать: к d(x3y) = YdWp(.xiy)N(x1yijup,Sl) ш (2.12) p=i где Wp(x,y) - вес точки с координатами (х, у); N(x,y,jup,Sp)- функция одномерной нормально распределённой случайной величины. Каждому слагаемому в сумме соответствует процесс в точке сцены, который характеризуется параметрами нормального распределения (математическим ожиданием и дисперсией) и коэффициентом Wpi который является показателем того, насколько часто данный процесс в данной точке попадал в поле зрения регистрирующей системы. Параметр к — максимальное количество процессов соответствующих каждой точке изображения, выбирается в соответствии с ресурсами ЭВМ.
Функция случайной величины N(x,y,jup,Sp) для точки изображения s(x,y) из выражения (2.12) определяется как [61]: N{x,y,M,8 )--jLje « »-"» , (2.13) где c(x,y) = s (x,y) - значение точки изображения с координатами (х,у), определяемое выражением (2.8); // - среднее значение случайной величины с(х, у), 8 - её среднеквадратичное отклонение, 8 - дисперсия. Оценки среднего значения случайной величины //, и дисперсии 8 обновляются с помощью низкочастотного фильтра сглаживания [85]: Mt (х У) = 0- \ )АМ 0 У) + АХ У), (2-14) $5 (х, У) = (1 - 2 ) ( JO + «2 № У) - Mt (х, у))2, (2.15) с-2 „ где //,_!, 0М - оценки случайной величины и дисперсии текущего процесса; a jut, 8t - оценки обновления; ссх — 0,1 и ос2 = ОД - параметры фильтра позволяющие регулировать скорость обучения.
Обновление весов процессов для каждой точки изображения я(х,у) происходит в соответствии с выражением: W, (х, у, р) = (1- аъ )Wt_x (х, у, р) + а3М(р), (2.16) где ос3 = ОД - параметр, отвечающий за скорость изменения веса, а М(р) функция определяемая как: Г1, если р равен индексу текущего процесса М(р) = [0, иначе. Таким образом, учитывая выражения (2.13) и (2.16), поточечную модель изображения (2.12) для момента времени t можно представить как: A,y) U 8 (2Л?) Текущий процесс/? выбирается в соответствии с условием: где є — порог, влияющий на чувствительность метода, подбирается исходя из вероятности того, что отклонение, вызванное шумом камеры, попадет в указанный выше диапазон.
Методы и алгоритмы определения параметров движущихся объектов
На основе созданной математической модели ОПДО были выделены основные этапы определения параметров движущихся объектов для разрабатываемой системы, их последовательность и взаимосвязь друг с другом (рисунок 13).
На первом этапе происходит формирование аналогового видеосигнала, поступающего от стереоскопического датчика изображений. На втором шаге осуществляется преобразование аналогового видеосигнала в цифровой. На следующем этапе для уменьшения влияния шумов датчика изображения и канала связи в соответствии с (2.6) производится адаптивная фильтрация цифровых изображений, при этом за основу фильтра взяты среднее значение случайной величины и дисперсия [22]. Далее по полученной последовательности оцифрованных изображений осуществляется выделение и локализация движущихся объектов, как множества областей, представленных выражением (2.26) и геометрически выступающих в роли прямоугольников, охватывающих точки выделенных объектов. На следующем шаге алгоритма, в соответствии с (2.36) и (2.37), производится вычисление диспарантности для точек изображений объектов на изображениях стереопары, содержащихся в замкнутых областях S, полученных на предыдущем шаге алгоритма через их сопоставление [24]. То есть определяется соответствие между выделенными объектами на правом кадре с выделенными объектами на левом. Далее по формулам (2.41), (2.46), (2.47), (2.50) определяются пространственные координаты. На заключительном этапе, на основе полученных координат определяются пространственные параметры динамических объектов, такие как средняя скорость, действительные размеры, расстояние до объекта [А4].
Пространственно-временной метод фильтрации основан на прямом манипулировании значений- пикселями изображений с учётом временных изменений, произошедших между двумя соседними кадрами. Процесс пространственной обработки в общем случае описывается уравнением: u (x,y) = T[s(x,y)], (3.1) где s(x,y) - входное, искажённое шумами, изображение; и (х,у)-получаемое преобразованное изображение; Т — оператор над s, определенный в окрестности S точки (х,у).
Главный подход в определении окрестности S вокруг точки (х,у) заключается в использовании квадратной или прямоугольной области — подмножества изображения, центрированного в точке (х,у), как показано на рисунке 14. Центр данного подмножества передвигается от пикселя к пикселю, начиная с верхнего левого угла. Оператор Т выполняется в каждой точке (х,у), давая в результате выходное значение s для данной точки. Процесс использует только пиксели внутри области изображения, ограниченной окрестностью S размером nxm [79, 22, 12].
Как было показано во втором разделе, в каждой точке изображения (х,у) отклик адаптивного фильтра определяется четырьмя основными величинами: значением изображения с шумом в точке (х,у), дисперсией 8п шума, превращающего исходное изображение и(х,у) в искаженное изображение s(x,y), локальным средним mL по значениям в окрестности S, локальной дисперсией SL по значениям в окрестности S . Учитывая это, оператор Т используемого пространственного метода адаптивной фильтрации-в (3 . 1) задаётся выражением: s(x,y), при 8 = О или 8\ »8 (3.2) Т = mL, иначе
Таким образом,, при нулевой дисперсии шума 8п\ что соответствует случаю полному отсутствию шума; и в случае, когда локальная дисперсия много больше полной 8L » 8п\ что связано;с наличием контуров, результат фильтрации равен текущему значению точки изображения s(x,y)„Если» же: обе дисперсии принимают значение одного порядка,.то. отклик фильтраравен локальному среднему mL в окрестности S . Как было показано» ранее, адаптивный: фильтр; удовлетворяющий свойствам оператора: Т у;: соответствует выражению (2.6):
Идея применения усреднения: при фильтрации достаточно? ясна.,. Заменойї исходных значений элементов изображения на? средние значения:, достигается; уменьшение1 «резких» переходов уровней яркости. Поскольку случайнышшум как раз характеризуется резкими скачками яркости наиболее очевидным применением сглаживания является подавление-шума. При этом, так как, предлагаемый; метод фильтрации, является адаптивным; то контуры; которые также характеризуются резкимишерепадами/яркостей — сохраняются без изменений; При. вычислении локального-среднего mL в некоторошточке (х,у)\ используются значения функции / внутри некоторой окрестности; заранее заданной.формы, окружающей точку. Это так называемая маска [22]j которая представляет собой небольшой!двумерный; массив с определёнными значениями — коэффициентами маски. Локальные преобразования оперируют одновременно как со значениями пикселей окрестности «S , так и с соответствующими им значениями некоторой маски, имеющей те же размеры, что и окрестность. Схема использования маски показана на рисунке 15.
Анализ метрологических характеристик стереоскопической ИИС определения параметров движущихся объектов
Погрешность результата измерения имеет много составляющих, каждая из которых обусловлена различными факторами и источниками. Типичный подход к анализу и оцениванию погрешностей состоит в выделении этих составляющих, их изучении по отдельности и суммировании по принятым правилам [38, 52]. В разработанной ИИС преобладающими составляющими являются методическая и инструментальная погрешность. Вначале рассмотрим влияние методической погрешности на результат измерений.
Известно [38, 48], что методическая погрешность ИИС возникает из-за недостатков используемого метода измерений. Чаще всего это является следствием различных допущений при использовании эмпирических зависимостей между измеряемыми величинами. В разработанной системе ОПДО точность определения пространственных параметров объектов зависит в основном от точности измерения координат плоских изображений. Методика представления цифровых изображений в ЭВМ [60] допускает появление случайной погрешности определения координат точек на плоских изображениях, обусловленной не соответствием физического разрешения ПЗС матрицы ТК и разрешения изображения в ЭВМ [9, 50]. На практике при ОПДО данный факт является причиной возникновения случайной методической погрешности определения линейного параллакса и, как следствие, пространственных координат точек.
Обратимся к рисунку 29 на котором упрощённо представлена оптическая схема формирования изображения на плоскости ПЗС телевизионной камеры. Точность определения координат (смещения относительно оптической оси) точек начала и конца проекции L объекта L на плоскости ПЗС определяется размером элементов матрицы ПЗС. С увеличением размера ячейки матрицы 1ПЗС увеличивается и погрешность определения координат, т.е. для перемещения точек начала и конца проекции L в соседние элементы матрицы требуется большее передвижение объекта L. Данной погрешностью можно пренебречь, однако, в случае не соответствия количества элементов матрицы ПЗС и количества точек в изображении ЭВМ появляется дополнительная методическая погрешность Аг определения координат точек, которую необходимо учитывать. В общем случае координата точки определяется как: r = f tga-kdpi, (4.1) где /- фокусное расстояние; а - угол проекции данной точки на плоскость ПЗС; kdpi - коэффициент преобразования метрического значения в количество элементов матрицы ПЗС.
Из теории измерений известно [52], что среднеквадратичная ошибка функции независимых аргументов равна корню1 квадратному из суммы квадратов произведений частных производных функций по каждому из аргументов на среднеквадратичные ошибки соответствующих аргументов. Продифференцировав выражение (4.1) получим среднеквадратичную погрешность определения смещения или координаты точки на ПЗС: Лг2 = и (дг да, или с учётом (4.1) можно записать: Асе2, (4.2) Ar = J "-dpi cos2 a j Aa\ (4.3) где a - угол проекции точки объекта на плоскость ПЗС; Аа -приращение угла проекции точки объекта на плоскость ПЗС в радианах, при котором не меняются её координаты на изображении в ЭВМ.
Поскольку координата любой точки изображения в ЭВМ представляет собой совокупность значений горизонтального т и вертикального п смещения [60], то расчёт необходимо провести как для определения погрешности смещения Amj,, так Для и погрешности Ап2и, при этом использовать граничные значения половины угла обзора а для ТК: fga-Ц &пи = / к dpi vcos2 a j Аа2, Аа„, — a —arctn imgrn dpi - ПЗСт L- imgm imgm dpi f-K \ , (4.4) imgm где Ln3Cm - разрешение матрицы ПЗС по горизонтали; Lv разрешение изображения по горизонтали; Аат - приращение угла в градусах, которое перед подстановкой в (4.3) необходимо переводить в радианы. ґ f-K dpi Апм = Аа\, Аап =а-arctn , (4.5) f tga- L к - Lmcn + L vcos a j imgn J dpi где LmCn - разрешение матрицы ПЗС по вертикали; Lm п - разрешение изображения по вертикали; Аап - приращение угла в градусах, которое перед подстановкой в (4.3) необходимо переводить в радианы.
