УДК004.93

Россия, МГТУ им. Н.Э. Баумана

tassov@mail.ru.

Введение

В настоящее время наблюдается ухудшение криминогенной обстановки, что требует разработки новых методов реагирования и прогнозирования возникновения чрезвычайных ситуаций. Существует целый комплекс методов борьбы с противоправными действиями граждан, среди которых также выделяют системы видеонаблюдения.

Такие системы состоят из нескольких управляемых камер видеонаблюдения, объединённых в систему при помощи сетевого коммуникатора. Изображение с камер поступает на видеорегистратор и отображается на мониторе оператора. Управление камерами осуществляется оператором в ручном режиме при помощи мыши, клавиатуры и джойстика (рисунок 1).

Рисунок 1 – Система видеонаблюдения с ручным управлением.

В описанном решении существует проблема, связанная со сложностью ручного управления камерами: в реальных условиях сложно удерживать отслеживаемый объект в поле видимости камеры, т.к. подвижный механизм камеры обладает инертностью. Предлагается решение данной проблемы путём автоматизации управления камерами видеонаблюдения.

Основной интерес при обработке видеоинформации представляют собой движущиеся объекты, в связи с чем выделяют следующие этапы автоматизации:

а)     обнаружение движения в кадре;

б)     выявление и распознавание движущихся объектов;

в)     отслеживание перемещения движущихся объектов;

г)     анализ поведения движущихся объектов.

Обзор существующих систем видеонаблюдения

В большинстве случаев одной камеры недостаточно для охвата всей контролируемой территории, а управление несколькими камерами нуждается в централизации, поэтому организуются системы видеонаблюдения.

Существует три варианта реализации системы видеонаблюдения:

а)     система с использованием камеры видеонаблюдения, содержащая объектив типа «рыбий глаз» – позволяет вести панорамное наблюдение, однако данное решение отличается высокой стоимостью камеры;

б)     система с применением стационарных камер видеонаблюдения, в которой камеры располагаются таким образом, чтобы полностью «покрыть» наблюдаемую территорию – имеет недостаток, связанный с уровнем детализации системы, который зависит от количества камер видеонаблюдения в системе;

в)     система с применением управляемых камер видеонаблюдения – позволяет сократить количество камер в системе, однако, при этом, возрастает сложность в управлении камерами.

Особенности реализуемой системы видеонаблюдения

В разрабатываемой системе было решено использовать управляемые камеры видеонаблюдения. С учётом этого программное обеспечение должно осуществлять сбор видеоинформации со всех источников, производить её анализ, отображение на терминале и выполнять автоматическое управление камерами для осуществления непрерывного сопровождения объекта.

Одним из направлений при создании систем видеонаблюдения является разработка эффективных алгоритмов выделения перемещающихся объектов. Сложность данной задачи заключается в том, что в процессе отслеживания объекта меняется как положение и геометрические характеристики самого объекта, так и окружающий его фон. Другой проблемой при выделении объектов в видеопотоке является вероятность его перекрытия (как частичного, так и полного) другими объектами, что также усложняет выделение границ перемещающегося объекта.

Описание использованных алгоритмов

Для решения описанных выше проблем был выбран алгоритм адаптивного обновления фона. Данный алгоритм позволяет поддерживать фоновое изображение актуальным на протяжении всего процесса отслеживания, а задача выделения объекта сводится, таким образом, к задаче нахождения разности между кадром видеопотока и восстановленным изображением фона.

Другой проблемой в реализации автоматизированных систем видеонаблюдения является задача определения критериев перемещающихся объектов. Решение данной задачи позволяет принимать решения о том, какой из объектов видеопотока наиболее полно удовлетворяет критериям заданного для наблюдения объекта. При работе над проектом были рассмотрены критерии объектов, которые условно можно разделить на 3 класса (рисунок 2).

Рисунок 2 – Критерии объектов.

В основе статистических критериев объекта лежит сбор и использование информации о предыдущем состоянии объекта, геометрические критерии в большей степени учитывают форму и размеры объекта, а спектральные – его яркость и цветность.

Задача принятия решения была реализована с использованием сети встречного распространения, преимуществом использования которой является её быстрое обучение, что не маловажно при обработке видеопотока в режиме реального времени, а сам процесс обучения сети протекает без использования учителя.

Программная реализация

Таким образом, был разработан программный продукт, позволяющий отслеживать перемещение объекта при помощи управляемой камеры видеонаблюдения. В процессе функционирования системы оператор выбирает требуемый для наблюдения объект при помощи манипулятора, после чего разработанное ПО определяет его границы и критерии. Дальнейшая работа ПО сводится к покадрой обработке видеопотока, в результате которой:

а)     происходит обнаружение объектов на основе разности кадра и восстановленного изображения фона;

б)     определяются численные значения критериев всех обнаруженных на кадре объектов;

в)     среди обнаруженных на кадре объектов определяется отслеживаемый с использованием сети встречного распространения;

г)     производится переобучение сети встречного распространения для учёта изменившихся критериев отслеживаемого объекта.

Результаты исследования

В результате исследования влияния исходных данных на время обработки изображения и реакции системы на появление подвижного объекта удалось установить, что время обработки кадра видеопотока сильно зависит от размера исходного изображения, а время реакции системы на появление подвижного объекта остаётся неизменным (таблица 1). Это связано со спецификой метода классификации областей, полученных в результате вычитания фона. Область распознаётся как подвижный объект, если она наблюдается на протяжении нескольких кадров подряд, а скорость поступления кадров практически постоянна и составляет 25 кадров в секунду. Это означает, что время реакции системы определяется частотой поступления кадров.

Таблица 1

Время обработки изображения и реакции системы на появление подвижного объекта в зависимости от исходных параметров

Заключение

Разработанный в рамках данной работы программный продукт удовлетворяет предъявленным к нему требованиям. Он обеспечивает возможность автоматизированного сопровождения подвижного объекта в цифровой системе видеонаблюдения, состоящей из одной камеры наблюдения, персонального компьютера, видеосервера и коммуникационного оборудования. В проекте реализованы рассмотренные алгоритмы выявления пикселей перед-него и заднего плана, определения связных областей из пикселей переднего плана, сопровождения найденных областей, выделения признаков объекта, а также классификации объектов с использованием сети встречного распространения.

Литература

а)     В.В. Яншин. Анализ и обработка изображений: Принципы и алгоритмы. М.: Машиностроение, 1995. 112 с.

б)     Д. Форсайт, Ж. Понс. Компьютерное зрение. Современный подход: Пер. с англ., М.: Издательский дом Вильямc. 2004. 928 с.

в)     Л.М. Местецкий. Математические методы распознавания образов.  ВМиК. МГУ. 2002. 52 с.

г)     C. Stauffer, W. Eric, L. Grimson. Learning Patterns of Activity Using Real-Time Tracking. IEEE Trans. Pattern Analysis and Machine Intelligence. vol. 22. Aug. 2000. pp. 747-757.

д)     Alexandre R.J. Francois and Gerard G. Medioni. Adaptive Color Background Modeling for Real-Time Segmentation of Video Streams. Univ. of Southern California, Los Angeles, CA, 2001. рр.227-232.