ігання інформації. Цифрові технології дають ряд переваг перед застарілими методами аналогового запису на плівку. Наприклад, в середній якості середній жорсткий диск може зберігати обсяг інформацією, відповідний відеозапису протягом місяця, а також забезпечується швидкий доступ до будь-якої частини запису, що можна зробити з будь-якої точки світу, якщо записуючий комп'ютер підключений до мережі.
Комп'ютери надають широкі можливості по автоматичній обробці зображень, яка все ще використовуються лише в незначній мірі. Такі прості завдання, як виконання записи тільки рухів, мають достатньо універсальні рішення. Однак більш складні завдання, особливо з області комп'ютерного зору, досі не мають спільних рішень, а пропоновані алгоритми, як правило, застосовні тільки при дотриманні ряду умов і обмежень. У зв'язку з цим, на сьогоднішній день, дана область досліджень представляє великий інтерес, як в науковому, так і в прикладному плані. Однією з важливих, але до кінця не вирішених підзадач є автоматичне виділення рухомих об'єктів, що є необхідною попереднім кроком при вирішенні таких завдань відеоспостереження, як системи контролю доступу, видалення фону, орієнтація роботів в просторі, системи допомоги водіям, розпізнавання осіб, полегшення сприйняття сцени людським оком та багатьох інших. У роботі розглядається питання виділення рухомих об'єктів на відеопослідовність.
Існує два основні класи методів виділення рухомих об'єктів:
) шляхом аналізу їх меж (контурів);
) шляхом аналізу всієї області об'єкту на кадрах.
Основною ідеєю методів першого класу є пошук відмінностей векторів оптичного потоку з подальшим побудовою контурів рухомих об'єктів. Методи другого класу, навпаки, грунтуються на групуванні східних векторів з оптичного потоку в області, які подаються на вихід алгоритму в качестве рухомих об'єктів. Більшість класичних методів аналізують не власними кадри відеопослідовності, а оптичний потік (поле видимих ??зміщень пікселів зображень), побудований за цим кадрам.
Для порівняльного аналізу побудуємо дані методи на базі широко використовуваною в комп'ютерному зорі загальнодоступної бібліотеки OpenCV, що містить реалізації для деяких кроків досліджуваних методів, таких як побудова оптичного потоку, обчислення градієнта і пошук контурів, а також простий і зручний інтерфейс для роботи з камерами і висновок результату на екран.
Для побудови оптичного потоку використовуються функції з бібліотеки OpenCV, реалізують алгоритми Хорна-Шанко (Horn-Schunck), Лукаса-Канаде (Lucas-Kanade) і метод блочного зіставлення.
Для побудови контурів рухомих об'єктів виконуються наступні кроки:
побудова оптичного потоку одним із запропонованих вище методів;
обчислення градієнта оптичного потоку;
побудова матриці, кожна осередок якої відповідає модулю градієнта;
знаходження контурів на основі бінаризованими поля модуля градієнта.
Загальна схема побудови областей рухомих об'єктів буде включати наступні кроки:
побудова оптичного потоку одним із запропонованих вище методів;
- порівняння вектора оптичного потоку в кожній точці кадру з векторами в сусідніх точках (порівняння ведеться тільки з точками знизу і праворуч від поточної точки, оскільки порівняння з точками зліва і зверху вже було виконано при розгляді попередніх точок) ;
- якщо вектори подібні, то точки об'єднуються в область або приєднуються до вже існуючої області (для позначок областей їх номери записуються у відповідні комірки кадру).
Таким чином, після однократного проходу по зображенню отримаємо розмітку на області. Як функції схожості векторів оптичного потоку для розглянутих методів прийнятний результат дає використання наступної умови. Якщо модуль різниці векторів менше однієї третини довжини найкоротшого, то вектора схожі. Даний критерій, хоча і виглядає евристичним, дає хороший результат і є прийнятним при порівнянні ефективності різних методів виділення рухомих об'єктів. Коефіцієнт емпірично випливає з спектра векторів оптичного потоку.
Проведемо порівняння різних методів виявлення рухомих об'єктів за критеріями швидкодії, складності реалізації та якості досягається результату. Перераховані характеристики важливі, оскільки для забезпечення безперервного відеоспостереження потрібна обробка зображень в масштабі реального часу. Проте досягнення необхідної швидкодії не повинно призводити до погіршення ймовірностей виявлення об'єктів інтересу. При всьому цьому для можливості легкого впровадження методу в будь-які проекти бажано мати просту і очевидну реалізацію.
Швидк...
