Содержание к диссертации
Введение
Анализ условий функционирования автоматизированной распределенной мониторинговой сети оценки состояния групповых объектов 15
1.1 Характеристика задач мониторинга угроз локальной безопасности в социально-экономической сфере 15
1.2 Характеристика высокомобильных групповых объектов и условия распознавания их состояния 19
1.3 Оценка результативности существующих способов поиска групповых объектов на дорожной сети 24
1.4 Обобщенная структурно-функциональная организация автоматизированной системы слежения за состоянием ГО 41
Выводы 43
2. Разработка способа и двухэтапнои процедуры распознавания оперативно-важных одиночных объектов 45
2.1 Процедуры предварительной обработки и преобразования изображений одиночных объектов 45
2.1.1 Выбор диапазона дальностей функционирования устройства распознавания телевизионных изображений и размеров анализируемого кадра 48
2.1.2 Выделение информативного для распознавания фрагмента контура боковой проекции одиночного объекта 50
2.1.3 Определение диапазона изменений размеров и углов наклона силуэта объекта в кадре изображения 53
2.2 Разработка моделей и устройств для распознавания ОО по их изображениям в условиях неопределенности взаимного положения телевизи онной камеры и объекта 54
2.2.1 Синтез нейросетевого устройства распознавания оперативно-важных одиночных объектов по фрагменту контура 55
2.2.2 Модель одиночного объекта в признаковом пространстве — моментов сплайна, интерполирующего верхнюю часть контура 58
2.3 Разработка способа и двухэтапной процедуры распознавания, инвари антных к условиям взаимного положения одиночного объекта и датчиков средства наблюдения 64
2.3.1 Описание одиночного объекта в пространстве структур ных признаков на основе функций доверия 64
2.3.2 Двухэтапная процедура распознавания одиночных объектов, инвариантная к взаимному расположению объекта и датчиков сред ства наблюдения 70
Выводы 74
3. Разработка метода, моделей и алгоритмов для распознавания состояния групповых объектов 76
3.1 Исследование возможностей распознавания целевого назначения и состояния группового подвижного объекта в условиях его импликантного наблюдения средствами АРМС 76
3.2 Метод многоуровневого распознавания и оценки состояния группового объекта в условиях его импликантного наблюдения на дорожной сети 79
3.3 Разработка нечеткого описания группового объекта 84
3.4 Способ, алгоритм обнаружения колонны в общем потоке техники при неполных априорных данных о параметрах ее движения 89
3.4.1 Способ, алгоритм обнаружения колонны в условиях изменения параметров ее движения 89
3.4.2 Обнаружение колонны при прогнозировании параметров ее движения 100
Выводы 106
4. Разработка способа, алгоритма определения рациональной пространственной структуры автоматизированной распределенной мониторин говой сети для обнаружения и слежения за групповыми объектами 107
4.1 Вопросы создания АРМС обнаружения и слежения за перемещением ГО в районе поиска 107
4.1.1 Анализ внешних факторов, влияющих на определение пространст венной структуры АРМС 109
4.1.2 Анализ пространственной структуры дорожных сетей в районе поиска ПО
4.2 Способ, обобщенный алгоритм рационального размещения средств наблюдения АРМС для гарантированного обнаружения передислокации ГО 112
4.3 Итерационный алгоритм расчета размещения средств наблюдения АРМС 118
4.4 Методика рационального размещения элементов АРМС на вероятных маршрутах движения ГО 120
4.5 Способ прогнозирования направления движения ГО в условиях его импликантного наблюдения средствами АРМС 124
Выводы 126
5. Экспериментальная оценка разработанных метода, моделей и алгоритмов оценки состояния го 127
5.1 Экспериментальная проверка алгоритма и методики определения рациональной пространственной структуры АРМС для обнаружения ГО в районе поиска 127
5.2 Экспериментальная оценка процедуры определения направления движения ГО 137
5.3 Экспериментальная проверка моделей и алгоритмов распознавания ГО
в условиях его импликантного наблюдения на дорожной сети 139
5.3.1 Экспериментальная оценка результативности предложенного способа обнаружения колонны наземной техники 139
5.3.2 Проверка достоверности распознавания целевого назначения ГО средствами АРМС 144
5.4 Оценка достоверности и оперативности обработки, доведения данных, получаемых в условиях применения АРМС 151
5.4.1 Оценка достоверности распознавания одиночных объектов средствами из состава АРМС 151
5.4.2 Оценка достоверности и оперативности добывания, обработки, доведения информации в условиях применения АРМС 154
5.5 Ориентировочная оценка создания и внедрения автоматизированной распределенной мониторинговой сети 159
Выводы 162
Заключение 163
Список литературы
- Характеристика высокомобильных групповых объектов и условия распознавания их состояния
- Выделение информативного для распознавания фрагмента контура боковой проекции одиночного объекта
- Метод многоуровневого распознавания и оценки состояния группового объекта в условиях его импликантного наблюдения на дорожной сети
- Способ, обобщенный алгоритм рационального размещения средств наблюдения АРМС для гарантированного обнаружения передислокации ГО
Введение к работе
В соответствии с принятой и практически реализуемой Концепцией национальной безопасности Российской Федерации в решении ряда вопросов жизнедеятельности происходит смещение центра тяжести с федерального на региональный уровень [ 9, 52, 83 ]. Особую значимость для региональной (локальной) безопасности в современных условиях приобретает поддержание требуемого уровня стабильности в социально-экономической сфере, требующее оперативного реагирования на возникающие угрозы.
Усиливающаяся нестабильность в социально-экономической сфере ряда регионов связана, в первую очередь, с возможностью проведения террористических акций, проникновением на территорию регионов криминальных групп, возрастающим количеством нелегальных переходов регламентированных границ государства и границ приграничных регионов, регионов вооруженного противоборства мобильными криминальными группировками, увеличением преступлений на дорожной сети, а также количества краж стратегических ресурсов (нефти, газа, леса и др.) [9, 12, 58, 70 ]. Действия этих мобильных группировок отличаются высокой маневренно-:• стью, что обусловлено широким применением ими автотранспортных средств и др. техники.
В этих условиях существенно возрастают требования к эффективности процессов управления силами и средствами подразделений Государственной инспекции безопасности дорожного движения (ГИБДД), Федеральной пограничной службы (ФПС), таможенных структур и др. силовых структур на территории регионов России. Управление осуществляется через пункты управления действиями поисковых подразделений (ПУПП) взаимодействующими в рамках единой автоматизированной ч информационной системы дежурно-диспетчерской службы (перспективной системы мониторинга чрезвычайных ситуаций региона) [ 46, 59, 60, 67 ].
Важнейшим этапом повышения эффективности управления силами поисковых подразделений региона является мониторинг в районах кризисных (чрезвычайных) ситуаций, деятельности мобильных группировок в целях своевременного реагирования на возникающие угрозы. Своевременное принятие решений руководством региональных ПУПП требует распознавания состояния мобильных группировок (далее - групповых объектов) в момент выдвижения их в предполагаемые районы оперативных действий, места постоянной и временной дислокации. С целью формализации дальнейшего описания входящие в состав групповых объектов колонны автотранспорта (техники) далее будем называть простыми групповыми объектами (ПГО). В то же время под одиночными объектами понимается как автотранспорт (техника) входящий в состав ПГО, так и автотранспорт, покидающий район совершения несанкционированных действий и пр.
В настоящее время результативность деятельности поисковых подразделений регионов на основе существующих технологий и методов обнаружения и распознавания, особенно в плане слежения за передвижением групповых объектов, остается недостаточной. Вместе с тем существующие методы сбора, обработки сведений при ограниченном ресурсе привлекаемых дежурных сил приводят к задержкам в оценке характера деятельности (далее - состояния) групповых объектов, а следовательно, к задержкам при принятии соответствующих управляющих решений. Под текущим состоянием групповых объектов в данном случае следует понимать направление его выдвижения.
Таким образом, в настоящее время имеет место противоречие между необходимостью повышения эффективности управления поисковыми силами на основе решения задач по своевременной и достоверной оценке состояния групповых объектов и существующими оперативно-техническими возможностями сил и средств поисковых подразделений. Разрешение этого противоречия возможно путем повышения результативности процесса поиска и оценки состояния групповых объектов на основе создания автоматизированной распределенной мониторинговой сети (АРМС).
Одним из основных этапов создания такой сети является реализация автоматического распознавания как одиночных так и ГО в соответствующих физических полях (оптическом, сейсмическом, магнитном и т.д.). Наиболее информативным остается распознавание одиночных объектов по визуальным признакам, проявляющимся в оптическом и ИК-диапазоне длин волн.
Вопросы распознавания одиночных объектов по их изображениям рассмотрены в работах Захарова И.С. [ 10 ], Титова B.C. [ 50, 57 ] , Юхно П.М. [ 57, 91 ], Прэтта У. [ 71 ] и др. Однако распознавание одиночных объектов в условиях мониторинга ГО на дорожной сети имеет ряд специфических особенностей (скрытное •расположение телевизионного средства наблюдения позволяет получать изображение только бокового ракурса объекта; наличие меняющихся фоновых условий наблюдения и условий освещенности, кратковременное нахождение объекта в зоне наблюдения и т.д.), что требует разработки способов и систем распознавания, учитывающих эти особенности.
Вопросы поиска одиночных объектов в непрерывном пространстве рассматривались в работах Абчука В.А. [ 1 ], Атакищева О.И. [ 3 ], Суздаля В.Г. [ 1 ], Сизова А.С. [ 41, 78 ] и др. Методы оценки состояния объектов поиска изложены в работах Поспелова Д.А. [ 69 ], Клыкова Ю.И. [ 30 ] и др. Однако следует отметить, что задача автоматизированного поиска и оценки состояния распределенного группового объекта (ГО) в пространстве дорожной сети произвольной топологии на основе сведений, поступающих от постов наблюдения и поисковых подразделений региона, еще окончательно не решена.
Поэтому в качестве объекта исследований выступают средства мониторинга поисковых подразделений для оценки характера деятельности групповых объектов, а предмета исследований - методы и способы автоматизированного распознавания и оценки состояния групповых объектов, учитывающие вышеизложенные особенности проявления объекта на входе распознающей системы.
Целью диссертационной работы является повышение эффективности управления мероприятиями поисковых подразделений путем автоматизации оценки состояния групповых объектов на основе создания распределенной мониторинговой сети.
Для достижения поставленной цели в работе решаются следующие задачи:
1. Анализ особенностей и технических предпосылок создания АРМС для оценки состояния ГО и определение ее структурно-функциональной организации.
2. Разработка способа распознавания одиночных объектов.
3. Разработка метода, моделей и алгоритма распознавания целевого назначения и состояния ГО в условиях его импликантного наблюдения.
4. Разработка способа обнаружения и слежения за ГО на основе АРМС.
5. Экспериментальная проверка метода и алгоритмов оценки состояния типовых ГО.
Методы и математический аппарат исследования. В работе использованы методы теории эффективности, поиска, графов, распознавания образов, теории вероятностей, математической статистики, теории сетей, методы экспертного анализа, теории нечетких множеств, теории функций доверия.
Границы исследования. Поиск, распознавание и оценка состояния ГО в условиях его наблюдения на дорожной сети произвольной топологии. Научная новизна работы заключается в разработке:
1. Аналитических моделей поиска объектов постами наблюдения и подвижными патрулями на дорожной сети произвольной топологии, базирующихся на дифференциальных уравнениях, описывающих динамику приращения вероятности их обнаружения, и обеспечивающих расчет значений вероятности обнаружения для оценки результативности различных вариантов поиска.
2. Способа распознавания одиночных объектов (00) на основе функций доверия и двухэтапной процедуры последовательной обработки векторов пространства признаков, обеспечивающих распознавание, инвариантное к взаимному расположению в пространстве объекта и датчиков средства наблюдения.
3. Метода многоуровневого распознавания ГО и его состояния при движении по дорожной сети произвольной топологии, учитывающего нечеткость описания признаков на каждом иерархическом уровне и позволяющего обеспечить требуемую для практики достоверность и своевременность распознавания.
4. Способа и алгоритма обнаружения колонны наземной техники в условиях неполных априорных данных о параметрах ее движения, особенностью которого является адаптация к динамике движения колонны путем постоянного уточнения ее основных параметров на основе текущих измерений параметров движения отдельных элементов колонны, позволяющего автоматизировать обнаружение колонн со структурно-временными параметрами движения, отличающимися от стандартных.
5. Способа и обобщенного алгоритма обнаружения ГО в условиях априорной неопределенности его местоположения и характера движения по дорожной сети, отличающегося наблюдением за дорогами, входящими в минимальное сечение графа, и обеспечивающего заданную вероятность обнаружения объекта.
Практическая значимость работы состоит в том, что ее результаты позволили:
- уменьшить объем проектных работ и финансовых средств на создание автоматизированной системы Единой дежурно-диспетчерской службы (ЕДДС) в Курской области и других субъектах РФ;
- сократить временные затраты на сбор и обработку информации по сравнению с использовавшимися в Управлении ГИБДД по Курской области технологиями информационной поддержки деятельности должностных лиц.
Основные результаты, полученные в работе внедрены в Управлении ГИБДД по Курской области, в в/части 25714 и учебном процессе Курского ГТУ по специальности 010502 - «Прикладная информатика в экономике» (дисциплина - «Информационные технологии»).
На защиту выносятся следующие научные положения:
1. Способ распознавания движущейся техники по данным от датчиков средств наблюдения на основе функций доверия, инвариантный к взаимному расположению в пространстве объекта и датчиков.
2. Метод многоуровневого распознавания целевого назначения и состояния ГО в условиях его импликантного наблюдения на дорожной сети произвольной топологии.
3. Способ и обобщенный алгоритм обнаружения ГО, базирующиеся на наблюдении за дорогами, входящими в минимальное сечение графа, отображающего всевозможные пути между оперативно важными пунктами.
Апробация и публикации по теме диссертации. Основные положения и результаты работы докладывались и обсуждались на научно-технических конференциях в/части 25714, Курского ГТУ. По теме диссертации опубликовано 15 работ, в том числе: 7 статей, 6 тезисов докладов, 2 раздела отчетов по НИР.
Личный вклад автора. Аналитические модели для оценки результативности поиска объектов на дорожной сети; способ распознавания одиночных объектов; метод многоуровневого распознавания целевого назначения и состояния ГО; способ и алгоритм обнаружения колонны наземной техники; способ и обобщенный алгоритм обнаружения ГО при движении по дорожной сети произвольной топологии, а также результаты экспериментальных исследований получены автором лично.
Структура и объем работы. Диссертация состоит из введения, пяти разделов, заключения, списка использованной литературы (92 наименования). Текст диссертации включает 173 страницы, из них 128 страниц основного текста.
В первом разделе проведен анализа угроз, задач локальной безопасности в социально-экономической сфере в современных условиях. Проведен анализ основных особенностей поиска и оценки состояния ГО при передвижении с учетом существующих ограничивающих внутренних и внешних факторов.
Разработаны модели и оценена результативность существующих способов поиска ГО. Обоснована необходимость создания автоматизированной распределенной мониторинговой сети для поиска и оценки состояния ГО.
Во втором разделе рассматриваются вопросы выбора, исследования признаковых пространств для разработки устройств и алгоритмов распознавания движущейся техники (автотранспорта) по телевизионным изображениям боковых проекций в условиях искажений их геометрических размеров, обусловленных неодназначно-стью взаимного расположения телевизионной камеры и объекта.
Предложен способ, процедура, которые на основе данных о структуре объекта обеспечивают его распознавание, инвариантное к взаимному расположению в пространстве объекта и датчиков средств наблюдения АРМС, разработана обобщенная структура автоматизированного средства распознавания ОО (средства наблюдения).
В третьем разделе предложен метод многоуровневого распознавания целевого назначения ГО в условиях его импликантного наблюдения в движении по дорожной сети, учитывающий нечеткость в описании признаков на каждом иерархическом уровне.
Предложены модели и разработаны алгоритмы для обнаружения, распознавания колонн ГО разного ранга в условиях неполных априорных данных о значениях их признаков.
В четвертом разделе разработан способ и алгоритм определения рациональной пространственной структуры АРМС в интересах обнаружения и слежения за ГО в условиях априорной неопределенности в его местоположении и характере движения по дорожной сети, учитывающие особенности средств наблюдения из состава АРМС и базирующиеся на теориях графов, вероятностей.
В пятом разделе проведена экспериментальная оценка вскрытия состояния моделируемого объекта поиска в условиях его импликантного наблюдения в контролируемом АРМС районе на основе знакового моделирования. Показана возможность автоматизации распознавания состояния ГО в указанных условиях. Проведена расчетным путем оценка оперативности и достоверности формирования данных в АРМС для оценки состояния ГО.
Заключение содержит краткий обзор результатов исследований и практические рекомендации по их использованию при автоматизации ПУПП региона.
На защиту выносятся следующие научные положения:
1. Способ распознавания движущейся техники по данным от датчиков средств наблюдения на основе функций доверия, инвариантный к взаимному расположению в пространстве объекта и датчиков.
2. Метод многоуровневого распознавания целевого назначения и состояния ГО в условиях его импликантного наблюдения на дорожной сети произвольной топологии.
3. Способ и обобщенный алгоритм обнаружения ГО, базирующиеся на наблюдении за дорогами, входящими в минимальное сечение графа, отображающего всевозможные пути между оперативно важными пунктами.
Автор выражает благодарность научному консультанту кандидату технических наук Д.А. Стребкову за помощь, оказанную при написании диссертации.
Характеристика высокомобильных групповых объектов и условия распознавания их состояния
В условиях высокой мобильности современных криминальных группировок, передвигающихся на автотранспорте, одной из основных задач решаемых поисковыми подразделениями и их органами управления является оценка их характера деятельности и происходящих в нем изменений. Решение этой задачи базируется на вскрытии (обнаружении и распознавании) ГО и определении их состояния.
Одним из определяющих признаков, наиболее доступным поисковым подразделениям для своевременного распознавания изменений в состоянии ГО является состояние его составных элементов в момент их перемещения по дорожной сети. Под текущим состоянием ГО в данном случае следует понимать направление его передвижения, совпадающее с одним из районов или населенных пунктов региона.
Выдвижение составных элементов ГО в направлении одного из районов (населенных пунктов) одновременно с дополнительными признаками крименогенной ситуации (или обострения ситуации) может свидетельствовать о его прогнозируемом характере деятельности - прогнозируемом состоянии.
Основное влияние на своевременную оценку состояния ГО в условиях высокой мобильности их деятельности оказывают как внутренние так и внешние факторы.
К основным внешним факторам следует отнести [ 12, 70 ]: 1. Динамику перемещения ГО по дорожной сети. 2. Условия местности, свойства дорожной сети. К основным внутренним факторам процесса ведения поиска следует отнести [12,31,70]: 1. Существующую структуру процесса добывания, обработки, доведения информации до разных потребителей (органов управления региона). 2. Существующие способы поиска подвижных объектов.
При подготовке и проведении криминальными группировками преступных действий особое внимание обращается на необходимость частой смены их местоположения. Это увеличивает время пребывания объектов в движении по дорожной сети при смене позиций, выдвижении в новые районы базирования и районы преступной деятельности.
Особенностью передвижения ГО является то, что она как правило производится в ночное время [ 12, 70 ]. При этом ширина полосы (площадь района движения ГО) движения входящих в состав ГО криминальных групп, может составлять до десятков километров (до нескольких сотен километров) [ 12, 70 ], а в некоторых ситуациях составные части ГО могут двигаться в диаметрально противоположных направлениях. Криминальные группировки на Северном Кавказе выдвигались в район проведения террористической акции колоннами на автотранспорте с разных направлений и при этом пересекали границы нескольких районов.
Возможный вариант выдвижения ГО, совершающее в район предполагаемого базирования (покидающего район хищения на нескольких автотранспортах), представлена на рисунке 1.2.
Особенностями походных порядков при передислокации ГО являются: . 1. Движение ГО может осуществляться одной или несколькими колоннами ПГО как по одному так и по нескольким маршрутам. В состав колонны могут входить несколько автотранспортов, а в некоторых случаях и бронетехника. 2. Дистанции между колоннами ПГО могут составлять до 1-2,5 км. Дистанции между машинами в составе маршевой группы одинаковые и могут изменяться в диапазоне от 25 до 100 м. Как показывает анализ значительная часть перемещений ГО (до 70 %) производится с использованием существующей дорожной сети [ 5 ].
Следует отметить, что дорожная сеть обладает такими населенными пунктами и инженерными сооружениями, которые определяют маневренные возможности перемещающегося по региону, в приграничной полосе ГО и наблюдение за которыми или за дорогами, ведущими к ним, позволяет добывать информацию, свидетельствующую об изменениях состояния как объекта поиска, так и складывающейся си туации в районе. Назовем такие элементы дорожной сети оперативно важными пунктами (ОВЕГ). В качестве ОВП могут рассматриваться разные объекты дорожной сети (таблица 1.1), выбор которых определяется решением определенных задач поиска.
Выделение информативного для распознавания фрагмента контура боковой проекции одиночного объекта
Для построения эталонных описаний, базирующихся на соответствующем представлении их кривой fit Л), для каждого / - го класса объекта, необходимо учитывать возможные изменения размеров силуэта объекта наблюдения и его угла наклона ОСн в кадре изображения. Изменение размера силуэта ОО в кадре изображения обусловлено разной дальностью развертывания СТН (Dp) от предполагаемого места движения ОО [ 78 ]. Учитывая, что диапазон дальностей развертывания (Dp) может меняться в значительных пределах, целесообразно для сокращения объема эталонного описания каждого класса объектов перед распознаванием выполнить масштабирование [ 74 ]. В данном случае под масштабированием понимается преобразование размеров выделенного силуэта ОО в кадре изображения, полученного при расположении СТН на дальности развертыванияDp, к размеру, получаемому при развертывании СТН на дальности
Рассматриваемая дальность развертывания Dp должна быть выбрана на основе анализа существующего диапазона рабочих или наиболее предпочтительных дальностей. Исходя из практической целесообразности предполагаем, что предельная дальность развертывания СТН не превышает D max) =60 м. На основе рассмотренной схемы размещения, а также известных характеристик СТН (угла поля зрения СТН - в вертикальной плоскости &вер. и горизонтальной плоскостиссгор=12 град., размеров матрицы ПЗС), определим: минимальные / Г\ (min) ч , r\ (max) N размеры кадра, минимальные \иР ) и максимальные дальности у - р ) развертывания СТН, обеспечивающие отображение наиболее информативного участка контура боковой проекции и распознавание класса ОО на основе его анализа.
При выборе размеров анализируемого кадра учитывалось, что количество линий штриховой миры в поле изображения, приходящееся на минимальный размер объекта (1 м) на максимальной дальности должно соответствовать критерию Джонсона [ 25 ]. При этом учитывалось, что рассматриваемые классы техники имеют длину — до 9 м, а ряде случаев наиболее информативная часть контура этих объектов от их начала имеет длину не превышающую 9 м.
Количество анализируемых точек матрицы ПЗС по горизонтали при известном значении дальности Dp определим исходя из следующего выражения: Г) (max) JV ПЗС N0 g{ -) (2.1) где N пзс - количество используемых при формировании кадра точек матрицы ПЗС по горизонтали ; N0 - задаваемое количество точек (пикселов) в матрице ПЗС, соответствующее 1 м в размере реального изображения; агор - Угол поля зрения телекамеры в горизонтальной плоскости.
Учитывая вышесказанное и предполагая, что для обеспечения требуемой скрытности функционирования телевизионную камеру целесообразно разместить на удалении не менее 30 м, то минимальный размер анализируемого кадра целесообразно выбрать не менее - 208x128 точек (пикселов).
Выберем в качестве расстояния D значение /)(тах) « б Ом. Таким образом, после проведения операции масштабирования изображение силуэта ОО должно соответствовать эталонному. При точном измерении дальности развертывания D под эталонным будем считать изображение силуэта ОО, в котором 1 м реального объекта соответствует 10 точкам в кадре изображения ( фотоприемной матрице ). Для рассматриваемого случая процедура масштабирования представляет преобразование полученного изображения таким образом, чтобы выбранному количеству No=l0 обрабатываемых точек матрицы ПЗС ( точек в кадре изображения) соответствовал требуемый размер реального объекта LQ=\ М.
Как было отмечено ранее, анализ изображений оперативно важных ОО, имеющих разное назначение и внешний вид, позволил выявить в качестве контрастного признака верхний контур (рисунок 2.3) проекции объекта наблюдения на фотоприемник СТН. Под верхней частью контура ОО понимаем множество принадлежащих ему точек, для которых выполняются условия У(Л о , (2.2) y(/ max(Yx), (2.3) где у(/ ) - значение ординаты кривой / (t,l) ; Y0 -ордината центра тяжести / - ой реализации силуэта / - го класса; Yx — множество ординат для которых выполняется условие ( 2.1 ) при одинаковом значении абсциссы (х) .
Учитывая то, что в большинстве случаев длина ОО рассматриваемых классов находится в пределах от 3 до 9 м [ 5, 11 ], практически не уменьшая полноты информации о форме кривой / (t/l), можно считать достаточным проводить анализ ее участка (далее - кривой f(t,l)), попадающего в поле анализа выбранной размерности. При этом считаем, что техника имеющая размер (длиной) от 3 до 5 м будет относиться к легковому автотранспорту, а техника размером от 5 до 9 м — к одному из классов: грузовому, пассажирскому автотранспорту, уборочной, инженерной технике, образцам военной техники. Учитывая, что основным отличием рассматриваемого автотранспорта является внешний вид контура их боковой проекции, то рассмотренные этапы процедуры выделения контура и распознавания могут быть применены для всех рассматриваемых классов техники.
В условиях изменения геометрических размеров и наклона силуэта объекта, а также отсутствия точных данных о положении объекта в кадре изображения, выделение кривой f(t,l) необходимо осуществлять по следующему алгоритму.
Метод многоуровневого распознавания и оценки состояния группового объекта в условиях его импликантного наблюдения на дорожной сети
Для решения задачи распознавания ГО п - го ранга (В ), его целевого назначения при движении по дорожной сети существующими методами необходимо иметь полную информацию о целевом назначение входящих в его состав ПГОі ."-1), однако в условиях его наблюдения средствами АРМС поступление этих данных на ПУПП имеет последовательный характер.
Последовательный, многоуровневый процесс сбора и обработки сведений в условиях импликантного наблюдения составных частей ГО J- класса (В ) средствами АРМС на дорожной сети базируется на моделях вида Mf=(Bf,Din\Q \V{n)) , где - нечеткое описание (модель) каждого ГО (или ПГО) J - го класса П го ранга, базирующееся на множестве ГО (ПГО) (п — 1)- го ранга; Е№ - модель колонны ГО (ПГО) п — го ранга в движении по одному маршруту; пО) - алгоритм принятия решения о целевом назначении ГО {Вр) в условиях последовательного наблюдения его составных частей (2 "_1)) в динамике движения по дорожной сети (по одному маршруту); V - множество правил влияния, устанавливающих взаимосвязь выявленных признаков Xs = {Х{} с целевым назначением передислоцируемого ГО (ПГО) П - го ранга и его состоянием Sk . да В качестве признаков для распознавания целевого назначения и оценки состояния ГО п— го ранга предлагается использовать направление движения и полосу (площадь района), в пределах которой (-го) обнаружено перемещение ГО (п—ї) - го ранга.
Алгоритм принятия решения Qip) базируется на последовательном выполнении этапов, каждый из которых заключается в обнаружении колонн и распознавании объектов п- го ранга (В ",п ) на основе множества признаков, отображающих динамику их движения, и признаков целевого назначения (А ",п ) - ПГО, ГО (п — 1) го ранга (i?(.OT "_1)), доступных в момент времени (t m,n ) наблюдения т— ой импли-канты. По результатам распознавания объекта В п\ наблюдаемого в момент времени t m n\ производится обновление множества признаков 0 +1) для распознавания объекта
С учетом вышесказанного основными этапами алгоритма распознавания Q№ являются следующие:
1. Обнаружение и распознавание ОО (2 =1/ ) из состава колонн авто J "ч транспорта (техники). На основе распознавания объекта 2?(m "=), наблюдаемого в момент времени f(m n=0) = fim)} производится обновление множества признаков !# Дщп=1) позволяющих производить распознавание ГО 5(/и и=1) 2. Обнаружение и распознавание криминальной группы на автотранспорте (технике) (Мот "=1)) на основе множества признаков А ",п=:1\ следующих автомо бильной колонной. На основе распознавания объекта В !" п=1\ наблюдаемого в момент времени ((т "=1) = /0") производится обновление множества признаков д(т,п=2) позволяющих производить распознавание ГО В !",п=2 .
3. Обнаружение и распознавание криминальной группировки (В( п=2)), сле дующей последовательными колоннами на автотранспорте (технике), на основе множества признаков Jrjn,n . На основе распознавания объекта В ,п=2\ наблю даемого в момент времени гт = Г , производится обновление множества при знаков А ,п=2\ позволяющих производить распознавание ГО В !",п=2 .
4. Распознавание криминальной группировки (нескольких криминальных групп, нескольких колонн с краденным сырьем, выдвигающихся по нескольким маршрутам) (В( п=3)), следующей по одному маршруту на основании соответствующего множества признаков А ,п Распознавание мобильной криминальной группировки (В !",п= ), следующей по нескольким маршрутам проводится на основе применения правил влияния, учитывающих множество признаков Ау,п , выявленных на каждом маршруте, направление движения и ширину полосы выдвижения ДОш (или площадь района выдвижения AS ).
Блок-схема алгоритма распознавания Q(») представлена на рисунке 3.1. В представленном алгоритме приняты следующие обозначения: - Уп - обнаруженный f\ -ый ОО в составе колонны автотранспорта криминальной группы в(,п=1); - А т,п - множество признаков ПГО, ГО /7-го ранга, корректируемое по #0») результатам распознавания импликанты в момент времени Гv ; - тп - порядковый номер обнаруженной и распознанной импликанты ПГО, ГО (« + !)- го ранга.
Способ, обобщенный алгоритм рационального размещения средств наблюдения АРМС для гарантированного обнаружения передислокации ГО
Рассмотренный в пункте 3.2.1 алгоритм обнаружения колонны ПГО может быть упрощен в случае, если параметры движения колонны (ее элементов) являются прогнозируемыми, т.е. минимальные и максимальные значения скорости, дистанции между элементами колонны могут быть выбраны экспертами на основании известных нормативов, а также если допускается быстрое изменение скорости движения у некоторых элементов колонны. Такой подход может являться наиболее предпочтительным для обнаружения колонн маршевых эшелонов и походных колонн.
Рассматриваемая в данном случае процедура распознавания базируется на сравнении значений основных параметров элементов колонны ( ОО или ПГО ) с прогнозируемыми, а также учитывает возможные быстрые изменения этих характеристик у некоторых элементов колонны. Предлагаемая процедура колонн разного ранга базируется как на ранее рассмотренных допущениях, так и учитывает следующие дополнительные предположения:
1. Основные параметры движения элементов колонны (скорость Vn, дистанция Д.) находятся в известных, прогнозируемых пределах ( от Vm\n до ах, от R ДО max)
2. Допускается быстрое изменение характеристик одного из элементов колонны, т.е когда эти параметры не равны выбранным на основании соответствующих нормативов. Частота этого события составляет — , где у 5 - количество движущихся последовательно элементов колонны.
Измеренные значения характеристик для элементов колонны должны попадать в установленный интервал выбранных значений. Выполнение этого условия должно происходить не менее г раз из г при сравнении скоростей, а также не менее г(Л) раз из i{k) при сравнении дистанций. Кроме того, в этой процедуре считается, что быстрые изменения характеристик ОО колонны не должны превышать величины AVnpmax = W . M«p.max = Anax . гДе Кр. Rnp. " Прогнозируемые средние значения скорости, дистанции в колонне.
Выбор значений or, /?, ormax, /?max должен производиться экспертами на основании прогнозирования значений наиболее вероятных максимальных отклонений от их средних значений в стандартных условиях движения.
Значения i{k\ i{v\ i{R) выбираются экспертами на основании минимально возможного количества г а единиц техники в составе колонн конкретных оперативно-тактических назначений, а также с учетом частоты — изменения параметров ОО колонны. Учитывая вышесказанное, значения /(ft), i(V), fR) определяются как: а)если 4sr, =44-1. - -1. = -2: б) если « у , " =У, im =im -1, im =im -2 .
Учитывая общность получаемых результатов при разработке процедур обнаружения колонн для потоков техники, колонн, движущихся в разных направлениях, рассмотрим случай, когда техника, колонны движутся в одном из направлений, которое назовем первым.
В этом случае процедура обнаружения колонны включает следующие шаги: Шаг 1. Параметры обнаруженных АСРОО элементов колонны Уг іЩ.% - подразделения П - ранга) запоминаются в соответствующем массиве If . В массиве данных i запоминаются элементы колонны, движущиеся соответственно только в первом направлении. Для первого формируемого массива Щ =1, а для первого элемента, характеристики которого помещены в массив
Если выполняется условие г/8 -гх 1, то присваивается / =1, =1, fy=0, qR=0, q=0 и происходит переход к шагуЗ. Шаг 2. Если выполняются условия г/ах) -гх 1 и щ 1, то происходит переход к выполнению шага 3. Если выполняются условия rffi - rt 1, #р 1 ( или qR 1 ), щ 3 , то происходит переход к выполнению шага 3. 103 Если выполняются условия г/3 - гх 1, qy =0 ( или #д =0 ), щ з, то происходит переход к выполнению шага 8. Если rffi - гх 1, то производится накопление данных в массиве ч о проехавших через контролируемую зону элементах колонны. Если время ожидания превышает выбранный порог (Гі/Гі+і Тпор), то производится переход к шагу 9. 1. Далее предполагается, что с обнаружением каждого нового элемента колонны в контролируемой зоне, ему присваивается порядковый номер 1о =/1о+1 в массиве If141, а его характеристики запоминаются в массиве Х 4 как Vno, i io. 2. Значения qv, qR - количество ( подряд ) выполнения соответствующих условий равенства скоростей, дистанций при анализе гх - го элемента массива
