WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 | 2 ||

Четвертый раздел посвящен решению задач определения параметров протяженного объекта и его панорамного отображения. В качестве примера рассматривается система дистанционного осмотра грузовых железнодорожных составов. Задачами такой системы являются оценивание технического состояния вагонов, автоматическая фиксация информации о передвижении составов и выявление нештатных ситуаций. Для этого необходимо обеспечить выполнение следующих функций:

  • фиксация времени прохождения локомотива и последнего вагона состава;
  • определение скорости и направления движения состава;
  • определение порядкового номера вагона в составе и общего числа вагонов;
  • синтез цифровых изображений вагонов, формирование информационных кадров и сжатие видеоинформации для последующей архивации и составления базы данных.

Фиксация моментов прохождения локомотива и последнего вагона выполняется с использованием алгоритма выделения объекта из фона, рассмотренного во втором разделе. Анализ скорости позволяет определить направление движения, в зависимости от которого система может по-разному реагировать на появление состава (на некоторых товарных станциях необходимо контролировать только прибывающие или отбывающие составы).

Отличительной особенностью предложенной системы является использование панорамных проекций для визуального отображения вагонов на рабочем месте оператора. При построении панорамы объединяются фрагменты кадров, содержащие различные части объекта. Таким образом, сканирование большой поверхности объекта выполняется за счет его перемещения относительно неподвижной камеры. Камера, как правило, устанавливается на расстоянии около 1,5 метров от железнодорожного полотна и имеет сверхширокоугольный объектив, вносящий значительные геометрические искажения.

Для исследования предложенного в работе алгоритма формирования панорамного изображения произведен расчет геометрической модели проекции точек в пространстве на растр. Вычисления показали, что скорость перемещения различных частей объекта на изображении отличается не менее, чем в 1,25 раза, когда поверхность объекта плоская. Если поверхность объекта выпуклая, что характерно для многих типов железнодорожных вагонов, различие видимой скорости в центре и по краям растра еще более существенно.

Для корректного построения панорамы необходимо измерить карту смещений в строках телевизионного растра. Зависимость смещения от номера строки имеет сложный характер, который определяется типом вагона и направлением оптической оси объектива камеры.

Результаты измерения смещений в строках корреляционным методом могут быть подвержены аномальной погрешности. Для устойчивого определения карты смещений применен анализ двумерной функции рассогласования

где u – величина смещения в пикселях, i – номер строки, x0 – левая граница блока, W – ширина блока, I0 – опорный кадр, I1 – предшествующий кадр.

Для вычисления смещения матрица функции рассогласования разбивается на горизонтальные блоки (рис. 4). Суммирование в границах блока увеличивает помехоустойчивость алгоритма измерения карты смещений, но приводит к снижению точности определения смещений в отдельных строках. При суммировании строк матрицы рассогласования игнорируются те строки, в которых отсутствует локальный минимум (участок функции рассогласования с положительно определенной второй производной), что позволяет существенно снизить чувствительность алгоритма к аномальным смещениям.

Рис. 4. Форма вагона (а), функция рассогласования (б) и кусочно-линейная аппроксимация карты смещений (в)

Диапазон строк телевизионного изображения, в пределах которого строится карта смещений, определяется границами объекта, выделенного из фона по рассмотренному во втором разделе алгоритму. Диапазон поиска минимума при построении карты смещений ограничивается интервалом

где i – номер строки, sign – функция определения знака, V – оценка скорости объекта, полученная на основе кластерного анализа межкадровых смещений. Коэффициенты выбраны таким образом, что при различной конфигурации вагона смещения в отдельных строках не выходят за пределы заданного диапазона относительно скорости перемещения объекта.

Непрерывная карта смещений в строках телевизионного растра, используемая для построения панорамного изображения, формируется путем кусочно-линейной аппроксимации (см. рис. 4, б).

Для построения панорамы из каждой строки каждого кадра необходима выборка длиной d(n) отсчетов (размер выборки зависит от номера строки). Для минимизации пространственных искажений центр выборки должен совпадать с вертикальной беспараллаксной осью изображения. Имеется в виду семейство точек на растре, в которых отсутствует видимое горизонтальное смещение деталей объекта при удалении от камеры. Для стыковки фрагментов панорамы выполняется совмещение выборок из соседних кадров и их интерполяция в узлах равномерной сетки дискретизации панорамного изображения.

Для наблюдения на железнодорожных станциях широко используются камеры с чересстрочной разверткой, имеющие низкую цену и совместимые с широкой номенклатурой аналогового телевизионного оборудования. При наблюдении такого изображения на электронно-лучевом мониторе с чересстрочной разверткой поля воспроизводятся по очереди, а время свечения люминофора мало, поэтому смещение объекта за время одного поля не вызывает видимых искажений. При компьютерном наблюдении движущихся объектов, снятых чересстрочной камерой, на изображении появляются артефакты в виде смаза и «гребенки», что вынуждает разработчиков видеокомпьютерных систем намеренно снижать вертикальную четкость при отображении подвижных объектов, воспроизводя только одно поле, либо выполняя усреднение полей. При построении панорамного изображения описываемым методом становится возможным восстановить полную вертикальную четкость изображения. Для этого выборки из строк четного поля (или нечетного, в зависимости от очередности полей при оцифровке телевизионного сигнала) смещаются на половину кадрового смещения в направлении, обратном направлению движения объекта. Погрешность оценки межкадровых смещений является достаточно низкой для того, чтобы скомпенсировать эффект «гребенки».

Применение предложенного алгоритма построения панорамы протяженного объекта в системе дистанционного осмотра железнодорожных составов позволило:

  • расширить поле зрения телевизионной системы наблюдения без применения дополнительных технических средств;
  • сформировать изображение с прогрессивной разверткой, имеющее разрешение до 1,5 мегапикселей, с использованием одной чересстрочной камеры стандартной четкости;
  • осуществить коррекцию горизонтальных геометрических искажений (коэффициент горизонтальных нелинейных искажений на исходном изображении составляет 110%, на панорамной проекции – менее 1%);
  • выполнить эффективное сжатие информации за счет преобразования последовательности телевизионных кадров в серию неподвижных изображений высокого разрешения.

Проведен синтез алгоритма, позволяющего определить моменты прохождения стыков между вагонами по телевизионному изображению. Отличительной особенностью алгоритма является инвариантность к типу вагона и условиям съемки (нет необходимости в использовании дополнительных конструкций, например, контрастных щитов). Алгоритм использует ряд признаков, измеряемых по телевизионному изображению, а также априорные данные о минимальной и максимальной длине вагона. По экспериментальным данным (50 составов) определены характеристики предложенного алгоритма: вероятность правильного обнаружения стыка составила более 99% при вероятности ложного срабатывания 0,5%.

Разработанная система реализована программно. Быстродействие используемых алгоритмов позволяет в реальном времени обрабатывать до 4 телевизионных сигналов стандарта ITU-R BT.601 на ЭВМ с двухъядерным процессором Intel Pentium или AMD с тактовой частотой не менее 2,4 ГГц. На рис. 5 приведено телевизионное изображение железнодорожного состава и сформированная на его основе панорамная проекция одного из вагонов.

Рис. 5. Исходное (а) и панорамное (б) изображения грузового вагона

В заключении сформулированы основные результаты диссертационной работы и приведены рекомендации по перспективным направлениям дальнейших исследований.

В приложениях приведены результаты экспериментальной проверки предложенных в работе алгоритмов на разноплановых тестовых изображениях. Также приведены некоторые математические расчеты, результаты которых использованы в основной части.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

  1. Проведен анализ работы существующих алгоритмов обработки изображений в интеллектуальных телевизионных системах. При наблюдении за протяженными объектами основными аспектами обработки изображений, которые неудовлетворительно решаются существующими методами, являются выделение и определение границ объекта при сложных условиях наблюдения, а также целостное отображение объекта, превосходящего по размерам поле зрения телевизионной системы.
  2. Предложен и исследован алгоритм моделирования фона, учитывающий пространственные и временные корреляционные связи между отсчетами телевизионного сигнала. Для компактного описания фона предложено использовать рекуррентный вариант метода главных компонент, обеспечивающий ряд преимуществ по сравнению с другими линейными преобразованиями изображения. Показано, что такой подход обеспечивает качественное преимущество по сравнению с рядом существующих алгоритмов в случае определения границ протяженных объектов на сложном нестационарном фоне.
  3. Разработан алгоритм построения панорамной проекции протяженного объекта, позволяющий расширить поле зрения телевизионной системы, скорректировать геометрические искажения, вносимые широкоугольной оптикой (остаточный коэффициент нелинейных искажений по горизонтали менее 1%), а также восстановить прогрессивную структуру растра при съемке чересстрочной камерой. Панорамирование происходит за счет движения объекта относительно неподвижной камеры.
  4. Предложен и исследован алгоритм оценки скорости протяженного объекта, основанный на кластерном анализе межкадровых смещений с использованием модели гауссовой смеси. Кластерный анализ обеспечивает устойчивость к одиночным и пакетным аномальным ошибкам. Сходимость алгоритма оценки в ряде случаев сохраняется при наличии более 50% аномальных ошибок в выборке. В отличие от алгоритма нелинейной фильтрации, также устойчивого к аномальной погрешности, кластерный алгоритм оценки скорости сохраняет сходимость при значительных по модулю ускорениях объекта, что подтверждено экспериментально.
  5. Проведена серия экспериментов с использованием машинного моделирования и натурных испытаний, в ходе которых подтверждена эффективность предложенных алгоритмов при определении параметров и панорамном отображении протяженных объектов. Результаты работы использованы в инновационной системе дистанционного осмотра железнодорожных составов.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

  1. Афанасенко, А. С. Исследование признаков для определения числа вагонов в железнодорожном составе по телевизионному изображению / А. С. Афанасенко, Б. С. Тимофеев // Вестник ТГТУ. 2007. Т. 13. №4. С. 862-873.
  2. Афанасенко, А. С. Оценка методов формирования видеопанорамы движущихся объектов / А. С. Афанасенко, Б. С. Тимофеев // Телевидение: передача и обработка изображений. Материалы 4-й международной конференции. ГЭТУ. СПб. 2005. С. 89–90.
  3. Афанасенко, А. С. Многоканальная обработка данных в системе телевизионного наблюдения железнодорожных составов / А. С. Афанасенко, Б. С. Тимофеев // Телевидение: передача и обработка изображений. Материалы 5-й международной конференции. ГЭТУ. СПб. 2007. С. 39.
  4. Афанасенко, А. С. Обнаружение подвижных объектов на телевизионном изображении в сложной помеховой обстановке / А. С. Афанасенко, Б. С. Тимофеев // Телевидение: передача и обработка изображений. Материалы 6-й международной конференции. ГЭТУ. СПб. 2008. C. 41.
  5. Дистанционный осмотр железнодорожных составов / Б. С. Тимофеев, Н. А. Обухова, А. С. Афанасенко, М. П. Плетников. М.: ВНТИЦ, 50200702286, 2007.
  6. Афанасенко, А. С. Формирование видеопанорамы движущегося состава в системе видеонаблюдения на железной дороге / А. С. Афанасенко // 8-я научная сессия ГУАП: сб. докл.: в 3 ч. Ч. I. Технические науки. ГУАП. СПб. 2005. С. 154–157.
  7. Афанасенко, А. С. Повышение достоверности измерения движения на видеоизображении с помощью нечеткой логики / А. С. Афанасенко // Научная сессия ГУАП: сб. докл.: в 3 ч. Ч. I. Технические науки. ГУАП. СПб. 2006. С. 124–126.
  8. Афанасенко, А. С. Аналитическая обработка изображения движущегося железнодорожного состава / А. С. Афанасенко // Научная сессия ГУАП: сб. докл.: в 3 ч. Ч. II. Технические науки. ГУАП. СПб. 2007. С. 5–8.
  9. Афанасенко, А. С. Обработка данных при измерении скорости протяженного подвижного объекта / А. С. Афанасенко // Научная сессия ГУАП: сб. докл.: в 3 ч. Ч. II. Технические науки. ГУАП. СПб. 2008. С. 3–6.
  10. Афанасенко, А. С. Высокоточное измерение движения на видеоизображениях / А. С. Афанасенко // 4-я Международная научно-техническая конференция «Цифровые и информационные технологии в электронной медиаиндустрии – 2006»: тез. докл. ГУКиТ. СПб. 2006. С. 24.
  11. Афанасенко А. С., Автоматическое управление платами видеоввода в системе компьютерного видеонаблюдения / А. С. Афанасенко // Радиоэлектроника, электротехника и энергетика. Тринадцатая международная научно-техническая конференция студентов и аспирантов: тез. докл. Т. 1. М.: Издательский дом МЭИ, 2007. С. 428.

________________________________________________________________

Формат бумаги 6090 1/16. Бумага офсетная. Печать ризографическая.

Тираж 100 экз. Отпечатано в ПК «Объединение Вента» с оригинал-макета

заказчика. 197198, Санкт-Петербург, Большой пр. П. С., д. 29а, тел. 718-46-36

________________________________________________________________

Pages:     | 1 | 2 ||






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»