Методи обробки відеоданих інформаційною системою моніторингу дорожнього руху
Аналіз методів обробки інформації та моніторингу дорожнього руху. Метод генерації базового кадру з урахуванням обробки даних динамічних відеообразів. Визначення дорожньо-транспортних параметрів при скануванні відеосцени в криволінійній системі координат.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | автореферат |
| Язык | украинский |
| Дата добавления | 20.07.2015 |
| Размер файла | 78,2 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
НАЦІОНАЛЬНИЙ АВІАЦІЙНИЙ УНІВЕРСИТЕТ
АВТОРЕФЕРАТ
Методи обробки відеоданих інформаційною системою моніторингу дорожнього руху
05.13.06 - інформаційні технології
Лобус Руслан Степанович
Київ - 2010
Дисертацією є рукопис.
Робота виконана в Національному авіаційному університеті Міністерства освіти і науки України на кафедрі інформаційних технологій.
Науковий керівник: доктор технічних наук, професор
Квасніков Володимир Павлович,
Національний авіаційний університет,
завідувач кафедри інформаційних технологій.
Офіційні опоненти: доктор технічних наук, професор
Юдін Олександр Костянтинович, Національний авіаційний університет, завідувач кафедри комп'ютеризованих систем захисту інформації;х наук, п
доктор технічних наук, доцент Шостак Ігор Володимирович, Національний аерокосмічний університет «Харківський авіаційний інститут», завідувач кафедри інженерії програмного забезпечення.
Захист відбудеться “17” червня 2010 р. о 14 годині на засіданні спеціалізованої вченої ради Д 26.062.01 при Національному авіаційному університеті за адресою: 03680, м.Київ-680, просп. Космонавта Комарова, 1, корп. 11, ауд. 311.
ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
Актуальність теми. В сучасних умовах розвитку транспортного забезпечення України актуальним є підвищення надійності та ефективності інформаційних технологій в сфері моніторингу та контролю дорожнього руху. Ведення моніторингу за транспортним рухом населення надає можливість давати ефективну оцінку проблемним ділянкам дороги, отримувати оперативну дорожньо-транспортну інформацію та керувати рухом мегаполісів, регулюючи тривалості світлофорних тактів та вмикаючи попереджувальні знаки.
Основою інформаційної системи моніторингу дорожнього руху є датчики дорожньо-транспортних параметрів. Від їх функціональних можливостей та достовірності даних, великою мірою, залежить ефективність роботи всієї інформаційної системи. Сучасні системи контролю дорожнього трафіку базуються на зональних контролерах (ЗК), що являють собою сукупність відеодатчика та мікропроцесорної плати попередньої обробки даних. Алгоритмічним забезпеченням таких ЗК займались іноземні вчені: A.R. Cook, D.E. Cleveland, G.M. Krause, M. Levin, R.D. Jacobson.
Існуючі трафік-сенсори іноземного виробництва не адаптовані до складних дорожньо-транспортних параметрів України. Вони показують незадовільні результати в умовах інтенсивного руху транспортних засобів (ТЗ), паркування ТЗ на смузі руху, візуального перекриття ТЗ та його русі поміж смуг. Це приводить до передчасного переходу ЗК до функціонального стану «затор», та значного зниження інформативності системи.
Розробка інформаційних технологій в сфері обробки відеоданих трафік-сенсором, адаптованих до складних дорожньо-транспортних умов, надає змогу реалізації надійної системи збору, обробки та зберігання дорожньо-транспортної інформації для керування рухом великих міст України. Велика кількість вчених приділяє увагу цифровій обробці зображень: Л.П. Ярославський, І.І. Цукерман, В.В. Вітязєв, У. Претт, В.П. Дворкович, Ю.Б. Зубарев Г.М. Мохін, А.Ю. Соколов та інші. Деякі з них, розробляли алгоритми відеообробки сигналів, адаптовані під мікроконтролери та сигнальні процесори, але оптимізацією таких алгоритмів для роботи в зональних контролерах систем траффік-контролю займались тільки іноземні вчені: P.G. Michalopoulos, B. Wolf, R. Fitch, J.C. Barbaresso. Нажаль, більшість робіт цих вчених використовується у комерційних цілях та являють собою НОУ-ХАУ, що підвищує актуальність вітчизняних досліджень за обраною темою.
В зв'язку з цим, розробка нових інформаційних технологій обробки відеоданих трафік-сенсорами з оптимізацією до функціонування на базі мікропроцесорів, а також приладів, реалізуючих ці методи, вирішує актуальну науково-технічну задачу з організації систем моніторингу параметрів дорожнього руху України. Це надає змогу ефективного управління дорожнім рухом мегаполісів.
Зв'язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконана на кафедрі інформаційних технологій Національного авіаційного університету у відповідності з планами науково-дослідних робіт: НДР № 293 ДБ06 (№ держреєстрації 0106U01184) "Інформаційна система відеомоніторингу інтенсивності дорожнього руху", НДР № 392 ДБ07 (№ держреєстрації 0107U002818) "Методологія та системи інтелектуального керування екстремальними робототехнічними комплексами".
Мета і задачі дослідження. Метою дослідження є підвищення ефективності функціонування інформаційних систем моніторингу дорожнього руху на базі сучасних методів обробки відеоданих.
Для досягнення поставленої мети в роботі необхідно вирішити наступні задачі:
1. Провести аналіз існуючих методів обробки інформації та моніторингу дорожнього руху. Встановити систему критеріїв та параметрів щодо підвищення функціонування систем моніторингу дорожнього руху.
2. Розробити метод генерації базового кадру з урахуванням обробки даних динамічних відеообразів.
3. Розробити метод відеообробки інформаційного потоку даних для зменшення впливу тіней рухомих образів.
4. Розробити метод визначення дорожньо-транспортних параметрів при скануванні відеосцени в криволінійній системі координат.
5. Розробити методику оцінки ефективності використання алгоритмів обробки даних в системах моніторингу дорожнього руху.
6. На базі розроблених методів синтезувати структурну аналітичну модель та дослідити її адекватність за допомогою програмно-апаратного моделювання.
7. Провести аналіз розроблених методів та моделей на предмет підвищення ефективності функціонування системи моніторингу.
Об'єкт дослідження - моніторинг транспортних потоків міста.
Предмет дослідження - методи і моделі обробки даних інформаційними системи зонального відеомоніторингу дорожнього руху.
Методи дослідження - аналітичні методи теорії управління, теорії інформації і кодування для аналізу нових методів відеообробки, імітаційне і математичне моделювання для реалізації методів відеообробки, методи фільтрації сигналів та схемотехнічне моделювання для реалізації зональних контролерів, імовірнісний і статистичний аналіз для оцінки ефективності роботи ЗК.
Наукова новизна одержаних результатів полягає в наступному:
1. Розроблений новий метод генерації базового кадру, що враховує динаміку відеообразів та відрізняється подвійним оновленням і уповільненням адаптації у зонах руху образів;
2. Розроблений новий метод вилучення тіні образів рухомих об'єктів на основі аналізу їх освітленості та текстури;
3. Вперше розроблений метод визначення дорожньо-транспортних параметрів при скануванні відеосцени в криволінійній системі координат.
Практичне значення одержаних результатів.
1. Розроблено зональний контролер системи відеомоніторингу дорожнього руху, адаптований для роботи в умовах дорожнього стану України, з розширенням функціональних характеристик;
2. Розроблено алгоритм, що реалізує запропонований метод вилучення тіні, та дозволяє провести ефективну фільтрацію зображення перед розпізнаванням образів;
3. Розроблено спеціалізоване програмне забезпечення, що дозволяє реалізувати на базі ЗК системи моніторингу запропоновані методи і алгоритми обробки даних;
4. Розроблені рекомендації по встановленню та налаштуванню сенсорів системи відеомоніторингу дорожнього руху, що дозволяють зменшити відсоток хибних спрацювань в умовах різкої зміни освітленості;
5. Проведені експлуатаційні випробування дослідного зразку ЗК. Спроектовані ЗК використовуються для локалізованого контролю дорожнього трафіку у м. Києві на перехресті вулиць Шевченко - Володимирська та площі Перемоги.
Особистий внесок здобувача. Дисертація відображає результати досліджень, здійснених автором на кафедрі інформаційних технологій Національного авіаційного університету (2005-2008рр.). Результати досліджень, що виносяться на захист, отримані здобувачем самостійно.
У надрукованих статтях, опублікованих у співавторстві, здобувачеві належить наступне: розробка методу сканування [3,5,6], розробка структури мікропроцесорної системи паралельного програмування [1,10], метод опитування датчиків [2], метод генерації базового кадру [4,21], метод вилучення тіней [6], метод детектування рухомих образів [7,8], метод підвищення точності вимірювання [9], розробка архітектури програмного забезпечення [11,14,15], алгоритми самодіагностики [12], розробка мікропроцесорного пристрою контролю несанкціонованого доступу [13], адаптивна система керування [16,20], розробка методів живлення мікропроцесорних пристроїв з шини зв'язку [17,18], метод мажоритарної корекції помилок [19], методи класифікації транспортних засобів [22].
Апробація результатів дисертації. Основні результати досліджень опубліковано в 22 наукових працях, у тому числі 8 у фахових наукових виданнях, із них 3 одноосібні. Основні результати дисертації оприлюднено автором на 14 симпозіумах, конференціях і семінарах, таких як: VІІ міжнародна науково-практична конференція “Прогресивна техніка і технологія - 2006” (м.Севастополь, 2006р.); ІІ Міжнародна науково-практична конференція «Військова освіта та наука: сьогодення та майбутнє» (м.Київ, 2006); VI Міжнародна наукова конференція студентів та молодих учених «Політ» (м.Київ, 2006р.); VII Міжнародна науково-технічна конференція „Авіа-2006” (м.Київ, 2006р.); V Міжнародна науково-технічна конференція „Метрологія та вимірювальна техніка” (м.Харків, 2006р.); Міжнародна науково-практична конференція „Інтелектуальні системи прийняття рішень та інформаційні технології” (м.Чернівці, 2006р.); V науково-технічна конференція „Приладобудування: стан і перспективи” (м.Київ, 2006р.); Інтегровані комп'ютерні технології в машинобудуванні (м.Харків, 2007р.); VI міжнародна конференція „Интеллектуальный анализ информации ИАИ - 2006” (м.Київ, 2006р.); Науково-практична конференція молодих учених та аспірантів „ІІТС-2005” (м.Київ, 2005р.)
Структура та обсяг дисертації. Дисертація складається із вступу, 4 розділів, загальних висновків, списку використаних джерел і додатків. Загальний обсяг роботи складає 148 сторінок, 36 рисунків, 8 таблиць, списку використаних джерел з 123 найменування на 13 сторінках, 4 додатків на 21 сторінці.
ОСНОВНИЙ ЗМІСТ РОБОТИ
У вступі викладені актуальність теми дисертації, мета та задачі дослідження, наукова новизна, практичне значення отриманих результатів роботи, зв'язок її з науковими програмами та планами НДР, визначено особистий внесок здобувача, представлена інформація щодо апробації та публікації результатів дисертації, наводяться результати впровадження основних положень роботи.
В першому розділі проведено аналіз поставлених задач, сформульовані основні напрямки досліджень, проведений аналітичний огляд робіт в області відемоніторингу дорожних параметрів та методів обробки відеозображень.
Встановлено, що системи моніторингу за способом збору інформації дорожнього руху діляться на: відеодетектуючі (використання відеокамер), акустичного детектування (направлені датчики звуку), радарного ультразвукового детектування, активного інфрачервоного детектування, детектування магнітними рамками (вмонтовуються в дорожнє покриття), мікрохвильового детектування.
Порівняльний аналіз систем моніторингу дорожніх параметрів показав, що найбільшу функціональність має іноземна система Vantage Iteris, де в ролі датчиків застосовуються відеокамери. Ця система надає інформацію про наступні параметри дорожнього руху: кількість ТЗ за одиницю часу, середню швидкість транспортного потоку, детектування зупинки ТЗ, запис і передачу даних на сервер системи моніторингу, передачу відеозображення дорожньої обстановки.
Проаналізовано відомі конструкції апаратно-програмних комплексів, на підставі чого зроблено висновок, що, з точки зору досягнення високої точності вимірювань, необхідна розробка системи моніторингу на базі відеодатчиків.
Сформульовано загальний підхід до інтелектуалізації процесу обробки даних та особливості класифікації геометричних параметрів об'єктів. Визначено необхідність модернізації алгоритмічного забезпечення ЗК збору дорожньо-транспортних параметрів.
Основними напрямками дослідження обрано: методи детектування образів рухомих об'єктів у відеопотоці, методи вилучення тіней образів, алгоритми адаптації до зміни освітлення, алгоритми підрахунку кількості та швидкості ТЗ, методи класифікації ТЗ та ін.
В другому розділі проведені експериментальні дослідження методів обробки відеоданих контролерами дорожніх параметрів. Розроблена оцінка методів обробки відеоданих та проведено дослідження відомих методів обробки даних на предмет їх ефективності функціонування за критеріями якості обробки даних та обчислювального навантаження.
Встановлено, що оскільки, основним показником ефективності роботи методу є його здатність забезпечувати бажаний результат після операцій відеообробки, то позитивним є відсоток збігу вірно модифікованих або виділених пікселів, а паразитним є помилкові модифікації пікселів, тобто:
. (1)
де A - масив пікселів, що необхідно модифікувати, B - масив пікселів, модифікованих методом відеообробки, Еа - коефіцієнт оцінки ефективності обробки даних методом.
Оскільки, використання методу відеообробки з числом помилкових модифікацій, що перевищує число необхідних модифікацій, не є доцільним, то паразитну роботу методу можна оцінювати відносно кількості, потребуючих модифікації, пікселів. Формула надає можливість оцінки якості обробки зображення досліджуваним методом. З формули (1), метод є бездоганним, коли Еа>1.
Необхідність забезпечення функціонування ЗК в режимі реального часу, та використання спеціалізованих процесорів зумовлює потребу задовільнення методом критерію обчислювального навантаження.
, (2)
де Ec - оцінка ефективності роботи методу за критерієм його обчислювального навантаження, F - тактова частота процесора (операцій в секунду), f - тактова частота оперативної пам'яті процесора, m - кількість необхідних звернень до пам'яті на один піксель при обробці даних, p - кількість елементарних операцій на один піксель, i - ширина зображення в пікселях, j - висота зображення в пікселях, z - кількість оброблюваних кадрів в секунду.
Розроблена формула (2) дозволяє оцінити обчислювальне навантаження досліджуваним методом на обраний мікропроцесор з урахуванням можливої різниці частоти процесору та оперативної пам'яті. Метод обробки даних не здатен функціонувати в режимі реального часу на базі обраного обчислювача, якщо Ec < 0. Комплексна оцінка роботи методу Em виглядатиме як:
. (3)
Обравши обчислювальну базу, проводиться аналіз існуючих методів за цією оцінкою (3).
Встановлено, що виділення та супровід рухомих об'єктів у відеопотоці є важливим завданням для систем аналізу потоку машин на автомагістралі. Проаналізовані наступні методи генерації базового кадру: класичне віднімання, нормальне розподілення, модифікація нормального розподілення, «жеребкування», авторегресивний, емпіричний, емпіричний з просторовою верифікацією, емпіричний з просторовою та часовою верифікацією.
Аналіз методу класичного віднімання показав Em=0.77, але кількість помилково виділених пікселів (22%) не дозволяє використовувати його. Із-за більш високих обчислювальних потреб, метод з нормальними розподіленнями має Em=0,73. Емпіричний метод отримав Em=0.72. Він показав високий процент достовірних пікселів, але незадовільній процент помилкових. Емпіричний метод з просторовою верифікацією показав хороший результат достовірності обробки даних, але має більше обчислювальне навантаження Em=0.66. Емпіричний метод з просторовою та часовою верифікацією, метод з модифікаціями нормальних розподілень та авторегресивний метод виявилися не здатними до функціонування в режимі реального часу на обраному обчислювачі.
Встановлено, що метод з нормальними розподіленнями має найвищу оцінку, та задовольняє за якістю обробки потреби методів класифікації образів. Результати аналізу цього методу приведені на рис. 1.
Основними задачами генерації базового кадру виявились: здатність адаптації до зміни статичної сцени, здатність адаптації до зміни освітленості, вилучення тіней, шум камери та інші.
Аналіз ефективності обробки даних алгоритмами методів виділення контурів образів за розробленою комплексною оцінкою (3) показав наступні результати: метод Робертса Em=0.85, Лаплассіан Em=0.85, метод Уоллеса Em=0.77, метод Собела Em=0.89, статистичний метод Em=0.81.
Усі проаналізовані методи задовольняють потреби методу вилучення тіней, для реалізації якого проводиться виділення контурів рухомого образу.
|
pi,j |
pi+1,j |
|
|
pi,j+1 |
pi+1,j+1 |
де pi,j - піксель відеокадру, i, j - ширина та висота відео фрагменту в пік селях.
(4)
де - піксель, значення якого показує контур об'єктів у відеокадрі.
Контури об'єктів виділяються за формулою (4). Результати аналізу роботи методу Робертса приведені на рис. 2.
Проведений аналіз існуючих методів відеообробки даних системами детектування рухомих об'єктів. Визначені задачі відеообробки в даних системах. Розглянуті шляхи їх рішення. З великої кількості методів і алгоритмів обробки відеоданих в даному розділі описані тільки ті, що можуть надати найбільш ефективні результати при обробці даних ЗК системи моніторингу інтенсивності дорожнього руху. При виборі цих методів і алгоритмів враховувалися наступні чинники: здатність виключати шум камери в умовах сутінок; здатність адаптуватися до різних умов освітленості; функціонування в умовах тремтіння камери; функціонування в режимі реального часу; невелика кількість звернень до оперативної пам'яті при відеообробці; можливість виключення тіней рухомих об'єктів; виділення рухомих об'єктів із збереженням їх геометричної форми; класифікація рухомих об'єктів; детектування напряму руху рухомих об'єктів; обчислення міжкадрового зсуву рухомих об'єктів; детектування перекриття рухомих об'єктів та ін.
Експериментальні дослідження показали, що не всі розглянуті методи є ефективними за якістю обробки даних та обчислювальними потребами в процесі виявлення дорожньо-транспортних параметрів у відеопотоці. Показана необхідність модернізації, адаптування існуючих методів та розробка нових, що нададуть змогу реалізації ЗК дорожніх параметрів з більш ефективними показниками.
В третьому розділі описані розроблені методи та алгоритми обробки відеопотоку, оптимізовані для роботи ЗК системи збору дорожніх параметрів.
Метод генерації базового кадру реалізується виконанням наступних дій:
- визначення різниці середньоарифметичної яскравості активного та базового кадрів відеопотоку;
- компенсація стрибка яскравості активного кадру;
- виділення рухомих образів активного кадру з використанням поточного базового кадру;
- адаптація базового кадру до активного кадру з низькою чутливістю у зонах виявлення динамічних образів;
- адаптація базового кадру до активного кадру з високою чутливістю у зонах виявлення статичних образів.
Обчислення середньоарифметичного значення яскравості, досліджуваної ділянки кадру відбувається за формулою:
, (5)
де Pt - середнє значення яскравості поточного кадру, wgt і hgt - ширина і висота досліджуваної ділянки, а ci,j,t- піксель поточного кадру відео потоку, t - номер відеокадру.
Обчислення зміни яскравості сцени поточного кадру щодо попереднього. Для цього після кожного циклу відеообробки відбувається збереження значення середньої яскравості сцени (5) для використання при обробці даних наступного кадру відеопотоку.
(6)
де ?Pt - міжкадрова різниця яскравості сцени, Pt - середнє значення яскравості поточного кадру відеопотоку, Pt-1 - середнє значення яскравості попереднього кадру відеопотоку.
Сегментація рухомих образів відбувається за формулою:
(7)
де mi,j,t - елементи тривимірного відеомасиву рухомих образів (), ci,j,t - елементи відеомасиву поточного кадру, де bi,j,t - елементи відеомасиву базового кадру (), g - поріг сегментації, а - корегуючий коефіцієнт.
В (7) виконується виділення пікселів із зміною інтенсивності каналу яскравості або колірного значення що перевищує поріг g. Сегментація відбувається в результаті розрахунку різниці поточного кадру відеопотоку і, сформованого в попередньому циклі відеообробки, базового кадру (6). При цьому, враховується зміна яскравості сцени, зв'язана з світлокорекцією камери. Масив М містить бінарні значення сцени, в якому логічна одиниця вказує на можливість руху образу в даному пікселі. Коефіцієнт а контролює вплив зміни каналу яскравості сцени для зниження помилкового детектування руху. інформація дорожній транспортний відеообраз
Після етапу формування масиву рухомих об'єктів (7), відбувається регенерація базового кадру:
, (8)
де Bt - масив, що містить базовий кадр, k1- коефіцієнт, регулюючий швидкість адаптації базового кадру до змін інтенсивності пікселя нерухомих об'єктів сцени, k2 - коефіцієнт, регулюючий уповільнення адаптації базового кадру в області виявлення рухомих об'єктів, k3 - коефіцієнт, регулюючий уповільнення адаптації базового кадру в області виявлення рухомих об'єктів.
На рис.3 показано робочий відеокадр а), та сформований базовий кадр б) в результаті обробки відеопотоку (8) запропонованим методом.
Запропонована модифікація медіанного фільтру, що забезпечує оптимальну попередню підготовку до обробки відеопотоку, вимагаючи відносно невеликої кількості процесорного часу. Обробка зображення таким фільтром приводить до найменшого розмиття меж об'єктів. Для ефективного виділення хмари рухомого об'єкту (вилучення розривів) проводиться розмиття зображення уздовж рядків. Приведена формула об'єднує медіанний фільтр з іншим фільтром, що проводить склеювання розривів рухомих образів:
, (9)
де - значення пікселю після обробки фільтром; i,j - координати активного пікселю; n - окіл пікселю, що формує робоче вікно; x,y- тимчасові змінні.
Медіанна фільтрація в (9) відрізняється вибором робочого вікна та відбувається за класичною формулою, вибором середнього значення:
Me{z1,z2,……,z2p+1}=zp+1+а, (10)
де z - елементи масиву (вікна) медіанного фільтру, а - ціле число, що задає пріоритетний зсув, (2p+1) - кількість елементів масиву.
Введення коефіцієнта а в (10) надає можливість надавати перевагу при обробці більш яскравішим або темнішим пікселям. В роботі також приведений алгоритм сортування даних медіанним фільтром, адаптований до функціонування на базі мікропроцесорів.
Сканування рухомих об'єктів з використанням криволінійної системи координат. Встановлено, що для детектування транспортних засобів та наступного їх супроводу необхідно проводити складну, за кількістю обчислень, операцію деформації відеообразу, що дозволяє компенсувати оптичні і перспективні спотворення дороги рис. 4. Зображення з перспективними спотвореннями а) необхідно вирівняти за площиною образу дороги б).
Для зменшення часу обробки відеообразу запропоновано перейти до риволінійної системи координат. Використання алгоритму Брезенхема не ля виводу за допомогою ПК відрізка, а для сканування по відрізку образу, дозволяє повністю виключити операції деформації кадру і отримати такий же результат при обробці, що і з ними рис.5.
Класифікація транспортних засобів за стереозображенням. Запропоновано метод, що функціонує, завдяки аналізу міжкадрової різниці, суміщених в площині образу дороги, рухомих образів двох камер. Підраховується кількість пікселів що перетинаються (а) та не перетинаються (b). В процесі самоналагодження ЗК фіксуються мінімальне (k) і максимальне (K) значення відношення a та b, після чого обчислюється межа класифікації (µ) ТЗ на крупно та малогабаритні. Це дає можливість виявляти легкові автомобілі.
, , (11)
де St - бінарна змінна, вказуюча на тип ТЗ (0 - легковий).
Після цього, проводиться обчислення мінімального (l), максимального (L) і середнього половинного значення довжини легкових ТЗ в пікселях µ, що використовується для детектування великогабаритних ТЗ, аналогічно (11) . Вводиться значення z, що використовується для виділення кабіни великогабаритного ТЗ. У циклах відеообробки масиви А і В розбиваються на підмасиви (А1, А2, В1, В2) як показано на рис. 6.
(12), , (13)
де Сt - змінна, що визначає тип великогабаритного ТЗ (0 - автобус, 1 - вантажний автомобіль), z - поріг детектування кабіни великогабаритного ТЗ.
Формула (12) визначає тип ТЗ (легковий або великогабаритний), а формула (13) аналізує наявність кабіни вантажного ТЗ (визначає автобус або вантажний).
Метод тінеподавлення. Встановлено, що пікселі образу рухомого об'єкту, що яскравіше відповідних точок базового кадру не можуть бути тінню і тому належать образу ТЗ (рис.6б). «Темні» пікселі можуть бути як тінню, так і частиною ТЗ. Оскільки тінь не міняє текстуру растру, а просто знижує її яскравість, то усередині хмари тіні не відбувається виділення контурів. Реалізується метод виконанням наступних дій:
- пікселі образу ТЗ, що яскравіше відповідних базового кадру сегментуються, як пікселі рухомого об'єкту;
- пікселі образу ТЗ, що темніші відповідних базового кадру та мають менше встановленої кількості околів виділених контурів сегментуються, як пікселі тіні рухомого об'єкту. Інші належать рухомому об'єкту.
Алгоритм тінеподавлення, що реалізує цей метод, виконує сканування образу рухомого об'єкту вздовж образу дороги. Результатом роботи алгоритму є множина пікселів образу, що світліші ніж в базовому кадрі та усі «темні» пікселі, що мають більш ніж 2 межі зовнішнього контуру. Результат обробки кадру (рис.6а) зображено на рис.6в.
Підрахунок кількості транспортних засобів.
Сканування рухомих образів відбувається запропонованим в роботі способом рис.7.
Незважаючи на використання криволінійної системи координат, створені в процесі сканування зображень масиви (D1, D2) надають можливість вести підрахунок ТЗ за формулами:
, (14)
, (15)
, (16)
де , - значення осередків масивів D1, D2 у момент часу t; k - поріг детектування входу (виходу) ТЗ в зону сканування; mt - кількість ТЗ, що увійшли до зони детектування; ut - кількість ТЗ, що вийшли із зони детектування; сt - результативна кількість минувших зону детектування ТЗ.
Аналогічним способом (14-16) проходить сканування образів ті їх класифікація.
В четвертому розділі розглянута апаратна реалізація ЗК дорожніх параметрів. Описані результати випробувань дослідного зразку ЗК, рекомендації до його встановлення та налагодження.
Розроблений процесорний модуль ЗК системи відеомоніторінга параметрів дорожнього руху обробляє відеопотік, отриманий зі стандартної відеокамери у форматі CVBS PAL з частотою кадрів - 50 Гц. Для обробки аналогового відеопотоку, він оцифровується і перетворюється у формат PPI відеодекодером. Отримане зображення з розширенням 640х400 за допомогою DMA каналу процесора ЗК автоматично записується в оперативну пам'ять модулю обробки.
Оброблене цифрове зображення виводиться аналогічно і перетворюється в аналогове відеокодером. На рис.8 приведена апаратна архітектура ЗК системи моніторингу дорожніх параметрів.
ЗК і камера живляться від промислового блоку живлення напругою 12 В з функцією резервування. Резервний акумулятор блоку живлення здатний забезпечити при знеструмленні роботу пристрою впродовж 6 годин. ЗК видає 2 незалежних потоки інформації: композитний аналоговий відеосигнал, дублюючий вхідний потік, з накладеною інформацією про дорожні параметри; цифровий потік у форматі RS232, звіт, що містить лише дані дорожньо-транспортних параметрів.
Оператор, окрім візуальної обстановки може бачити кількість класифікованих ТЗ за вказаний проміжок часу, а також статистичну графічну інформацію про завантаженість смуг та їх швидкісні режими. На рис.9 наведений приклад кадру вихідного відеопотоку ЗК, а на рис.10 зображені варіанти встановлення ЗК на дорозі.
Згідно розрахунків та досліджень, висота підвісу ЗК повинна бути в межах (8-12) м над дорогою. Кут нахилу оптичної лінії камери повинен складати не більше 55 градусів. У поле зору камери не повинен потрапляти горизонт. Приведені параметри установки ЗК розраховані на ефективну його роботу при відстані між ТЗ в області детектування не менше 5м, що відповідає швидкості потоку біля 30 км/г. Для даних розрахунків, потік зі швидкістю руху менш 30 км/г вважатиметься «заторовим».
Проведені випробувальні дослідження визначення інтенсивності руху транспорту складалися з двох етапів: натурне та автоматичне. Дослідження проводились, в основному, в 2007р. проінструктованими обліковцями і розробленими ЗК. Транспортні потоки замірялися по (20-30) хвилин на кожному пості в період найбільшої інтенсивності і стабільності руху (з 10.00 до 15.00). Потоки фіксувалися на 17 ділянках дороги, перехрестях і автодорожніх в'їздах до міста Київа з визначенням складу руху і розподілу його по напрямах (пряме, ліво- та правоповоротне). Матеріали натурних досліджень використані для визначення погрішностей роботи ЗК системи відеомоніторингу дорожнього руху.
Випробувальні дослідження ЗК, що проводилися в різних погодних, дорожньо-транспортних та освітлювальних умовах підтвердили адекватність отримуваних з нього параметрів руху транспортних засобів на рівні європейських аналогів. Розроблений ЗК вперше продемонстрував коректний підрахунок ТЗ, що рухаються поміж смуг руху і ефективну роботу в умовах великих тіней рухомих об'єктів, що робить доцільним його використання в складних дорожньо-транспортних умовах України.
Використання приведених методів обробки відеопотоку в системах моніторингу дорожнього руху надає можливість значно зменшити кількість обчислень, що проводяться обчислювальним блоком ЗК. Проведені експериментальні дослідження показали зменшення часу обчислень і звернень до пам'яті на 40% на відміну від використання класичних методів. Це надає можливість знизити енергоспоживання і обчислювальні вимоги до процесора ЗК або збільшити функціональність системи.При дослідженні, не використовувались класичні методи обробки відеоданих, що не могли забезпечити роботу ЗК в режимі реального часу.
ВИСНОВКИ ТА ОСНОВНІ РЕЗУЛЬТАТИ РОБОТИ
У дисертаційній роботі вирішено актуальну науково-технічну задачу підвищення ефективності функціонування системи відеомоніторингу дорожніх параметрів, що полягає у розробці та удосконаленню методів та засобів контролю транспортних параметрів. В результаті проведених теоретичних та експериментальних досліджень отримані такі наукові та практичні результати:
1. Розроблено метод генерації базового кадру, враховуючий динаміку відеообразів, що дозволяє покращити ефективність його адаптації до статичної відеосцени та покращити сегментацію рухомих образів - підвищити кількість виділених достовірно пікселів рухомих образів на 6%, та знизити кількість помилково виділених пікселів на 4%.
2. Розроблено метод вилучення тіні образів рухомих об'єктів на основі аналізу їх освітленості та текстури, що дозволило зменшити кількість помилково сегментованих в рухомі образи пікселей на 22%.
3. Розроблено метод визначення дорожньо-транспортних параметрів при скануванні відеосцени в криволінійній системі координат, що дозволило знизити кількість елементарних обчислювальних операцій при обробці цільових даних на 28%.
4. Розроблено методика оцінки ефективності функціонування методів обробки даних системами моніторингу дорожнього руху, що надало можливість провести аналіз існуючих та розроблених методів.
5. На основі теоретичних і експериментальних досліджень практично реалізований та впроваджений апаратно-програмний інформаційний комплекс, виконуючий розподілене обчислення дорожнього стану в режимі реального часу, що дозволило реалізувати систему послідовної фільтрації відеопотоку розробленими методами та зменшити обчислювальне навантаження ЗК системи на 27%.
СПИСОК ОСНОВНИХ ПРАЦЬ, ЩО ОПУБЛІКОВАНІ ЗА ТЕМОЮ ДИСЕРТАЦІЇ
1. Квасніков В.П. Автоматизована керуюча мікропроцесорна система з використанням паралельного програмування / В.П. Квасніков, Р.С. Лобус // Вимірювальна та обчислювальна техніка в технологічних процесах, Хмельницький, 2005. - №2. - С. 119-124.
2. Квасніков В.П. Опрос и обработка информации с датчиков измерительных роботов / В.П. Квасніков, Р.С. Лобус // Вісник Черкаського державного технологічного університету. -2006. - Спецвипуск. - С. 160-162.
3. Квасніков В.П. Алгоритми обробки відеопотоку системи відеомоніторингу транспортного руху / В.П. Квасніков, Р.С. Лобус // Вісник Черкаського державного технологічного університету. -2007. - Спецвипуск. - С. 37-39.
4. Квасников В.П. Видеосистема обнаружения посторонних объектов на шасси самолета / В.П. Квасніков, Р.С. Лобус, М.С.Руднєва // Авиационно-космическая техника и технология. - Харків. - 2007. - № 10/46. - С. 45-48.
5. Лобус Р.С. Алгоритм обробки відеопотоку інтелектуальними датчиками системи відеомоніторингу транспортного руху / Р.С. Лобус // Збірник наукових праць Донецького національного технічного університету: Серія «Обчислювальна техніка та автоматизація». - Донецьк: ДонНТУ, 2008. - Вип. 14 (129).- С. 192-195.
6. Лобус Р.С. Методы обработки данных сенсорами системы видеомониторинга дорожного движения / Р.С. Лобус // Вісник Інженерної академії України. - 2008. - №1. - С. 189-192.
7. Квасников В.П. Оптимізація обробки відеопотоку системи відеомоніторингу дорожных параметрів / В.П. Квасніков, Р.С. Лобус // Збірник наукових праць Військового інституту Київського національного університету імені Тараса Шевченка.- К.: ВІКНУ, 2008. - Вип. №12 - С. 35-37.
8. Лобус Р.С. Сопровождение быстродвижущихся объектов сенсорами системы мониторинга параметров дорожного движения / Р.С. Лобус // Вісник Інженерної академії України. - 2009. - №2. - С. 95-97.
9. Лобус Р.С. Підвищення точності функціонування лінійних приводів координатно-вимірювальних машин / Р.С. Лобус // ІІТС-2005: наук.-практ. конф. молодих учених та аспірантів, 2005 р.: тези доп. - Київ, 2005. - С. 41-42.
10. Квасніков В.П. Автоматизована керуюча система з паралельною обробкою даних / В.П. Квасніков, Р.С. Лобус // Прогресивна техніка і технологія - 2006: VІІ міжнар. наук.-практ. конф., 27-30 червн. 2006.: тези доп. - Севастополь, 2006. - С. 93.
11. Лобус Р.С. , Давиденко І.М. Розробка оптимальної архітектури програмного забезпечення керування контролерами на основі нейромереж / В.П. Квасніков, Р.С. Лобус // Військова освіта та наука: сьогодення та майбутнє: ІІ міжнар. наук.-практ. конф., 14-16 жовт. 2006 р.: тези доп. - К., 2006. - С. 37.
12. Лобус Р.С. Алгоритми самодіагностики багатопроцесорної системи керування контрольно-вимірювальною машиною / Р.С. Лобус // ПОЛІТ-2006: VI міжнар. наук.-практ. конф. студентів та молодих учених, 10-12 квіт. 2006 р.: тези доп. - К., 2006. - С. 67.
13. Лобус Р.С. Мікропроцесорний пристрій для виявлення несанкціонованих апаратних під'єднань до комп'ютерних інформаційних систем / Р.С. Лобус // Військова освіта та наука: сьогодення та майбутнє: ІІ міжнар. наук.-практ. конф., 12-13 жовтн. 2006 р.: тези доп.- К., 2006.- С. 64.
14. Білобаба Н.М. Архітектура програмного керування з використанням інтелектуальних контролерів / Н.М.Білобаба, Р.С. Лобус // Авіа-2006: VII міжнар. наук.-практ. конф., 25-27 верес. 2006 р.: тези доп. - К., 2006. - С. 11.95-11.98.
15. Лобус Р.С. Автоматизована система керування вимірювальним роботом на базі промислових контролерів / Р.С. Лобус, Т.А. Іволгіна, А.І.Шлома // Метрологія та вимірювальна техніка (Метрологія - 2006): V міжнар. наук.-технічн. конф., 10-12 жовт. 2006 р.: тези доп. - Х., 2006. - С. 118-121.
16. Лобус Р.С. Адаптивна система керування з зворотнім зв'язком / Р.С. Лобус // Інтелектуальні системи прийняття рішень та інформаційні технології: міжнар. наук.-практ. конф., 17-19 трав. 2006 р.: тези доп. - Чернівці, 2006. - С. 230-231.
17. Лобус Р.С. Принципи побудови мікроконтролерних пристроїв, що живляться з шини зв'язку / Р.С. Лобус // Приладобудування: стан і перспективи: п'ята наук.-техн. конф., 25-26 квіт. 2006 р.: тези доп. - К., 2006.- С. 137-138.
18. Лобус Р.С. Архітектура мікроконтролера з можливістю вибору виводів живлення / Р.С. Лобус, І.О. Чередніков, В.М. Ільченко // Приладобудування: стан і перспективи: п'ята наук.-техн. конф., 25-26 квіт. 2006 р.:тези доп. - К., 2006. - С. 140-141.
19. Лобус Р. С. Відеосистема моніторингу дорожнього руху з мажоритарною обробкою інформації / Р.С. Лобус // Інтегровані комп'ютерні технології в машинобудуванні (ІКТМ'2007): міжнар. наук.-техн. конф., 13-16 лист. 2007 р.: тези доп. - Х., 2007. - С. 90-92.
20. Кочеткова О.В. Интеллектуальная адаптивная система управления КИМ с обратной связью / О.В. Кочеткова, Р.С. Лобус, М.С. Руднева // Интеллектуальный анализ информации ИАИ - 2006: VI междунар. конф., 16-19 мая 2006 г.: тези доп. - К., 2006.- С. 175-180.
21. Лобус Р.С. Метод генерации базового кадра / Р.С. Лобус // Проблеми інформатизації: наук.-техн. семінар, 23-25 квіт. 2008 р.: тези доп. випуск 1(1) - Черкаси, 2008. - С. 32-33.
22. Лобус Р.С. Детектирование и классификация крупногабаритных транспортних средств системой видеомониторинга / Р.С. Лобус // Інтегровані інтелектуальні робото-технічні комплекси (ІІРТК-2008): І міжнар. наук. конф., 19-23 трав. 2008 р.: тези доп. - К., 2008. - С. 28-30.
АНОТАЦІЯ
Лобус Р.С. Методи обробки відеоданих інформаційною системою моніторингу дорожнього руху. - Рукопис.
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 - інформаційні технології. - Національний авіаційний університет, Київ, 2010.
Дисертація присвячена вирішенню науково-технічної задачі реалізації алгоритмічного та апаратного забезпечення ЗК моніторингу параметрів дорожнього руху в складних транспортних умовах України. Запропоновані більш досконалі, за кількістю обчислень та ефективністю функціонування, методи та алгоритми відеообробки автоматичних систем відеоспостереження. Розроблений метод генерації базового кадру з подвійним регенеруванням, на початку та в середині циклу обробки зображення, надає змогу більш якісного виділення рухомих об'єктів відеопотоку за критерієм ефективності їх подальшої класифікації. Для зменшення кількості обчислень, в процесі супроводу об'єктів використовується перехід до криволінійної системи координат. Метод, зворотній методу Брезенхема, дозволяє виконувати сканування зображення в цій системі координат. Розроблені алгоритми визначення кількості, швидкості та типу транспортних засобів доповнюють метод сканування відеопотоку, що доводить повноту його функціональних можливостей.
За результатами досліджень створено ЗК відеомоніторингу дорожних параметрів, що надає змогу реалізовувати автоматичні або автоматизовані системи збору дорожньо-транспортних параметрів та керування рухом великих міст. Проведені експериментальні дослідження ефективності функціонування ЗК. Апаратні рішення, функціонуючі на базі розроблених методів та алгоритмів, впроваджені на державних та приватних підприємствах України.
Ключові слова: алгоритм відеообробки, визначення дорожньо-транспортних параметрів, зональний контролер, мікропроцесорний пристрій, автоматизована система відеоспостереження.
Лобус Р.С. Методы обработки видеоданных информационной системой мониторинга дорожного движения. - Рукопись.
Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06 - информационные технологии. - Национальный авиационный университет, Киев, 2010.
Диссертация посвящена решению научно-технической задачи реализации алгоритмического и аппаратного обеспечения зональных контроллеров (ЗК) мониторинга параметров дорожного движения в сложных транспортных условиях Украины.
В работе проведены экспериментальные исследования существующих методов обработки изображений и видеопотока на предмет эффективности их использования ЗК системы мониторинга дорожных параметров.
Разработана оценка эффективности использования методов обработки данных выбранными микропроцессорными устройствами. Предложены более совершенные, по количеству вычислений и эффективности функционирования, методы и алгоритмы видеообработки автоматических систем видеонаблюдения. Разработанный метод генерации базового кадра с двойным регенерированием, в начале и в середине цикла обработки изображения, предоставляет возможность повысить качество выделения образов подвижных объектов в видеопотоке, за критерием эффективности их последующей классификации. С целью уменьшения количества вычислений, в процессе трекинга (сопровождения) образов подвижных объектов, используется криволинейная система координат. Метод, обратный методу Брезенхема, позволяет выполнять сканирование изображения в предложенной системе координат. Разработанные алгоритмы определения количества, скорости и типа транспортных средств дополняют предложенный автором метод сканирования видеопотока, что доказывает полноту функциональных возможностей этого метода.
Разработанная модификация медианного фильтра позволяет объединять его с некоторыми другими видеофильтрами, необходимыми для адекватного функционирования алгоритмов классификации видеообразов, без увеличения количества вычислительных операций. Алгоритм исключения теней позволяет выделить секторы образа объекта, которые не могут являться тенью. Анализируя внутренние контура образа и выделенные сектора, алгоритм восстанавливает образ объекта, игнорируя тени видеосцены.
Предложенный автором, метод классификации видеообразов с использованием стереоизображения основан на анализе межкадровой разницы двух источников видеопотока и имеет простую алгоритмическую реализацию. Его недостатком является сложность аппаратной реализации процесса юстировки камер.
Подсчет количества транспортных средств разными, параллельно функционирующими, алгоритмами позволяет реализовать подпрограмму мажоритарного выбора результата измерений и повысить адекватность данных ЗК в условиях визуального перекрытия подвижных объектов и плохих погодных условиях (дождь, туман, сумерки). Разработанный ЗК контроля дорожных параметров может применяться для выявления инцидента: дорожно-транспортное пришествие, применение экстренного торможения, нарушение правил дорожного движения, остановка транспорта на полосах движения и др.
Разработанные методы и алгоритмы могут использоваться автоматизированными системами видеобезопасности, а так же видеорегистраторами для выявления заданных оператором событий. Предложенный метод фильтрации может быть использован для обработки изображений с целью улучшения его зашумленности.
По результатам исследований создан ЗК видеомониторинга дорожных параметров, который предоставляет возможность реализовывать автоматические или автоматизированные системы сбора дорожно-транспортных параметров и управления дорожным движением больших городов. Проведены испытательные исследования эффективности функционирования ЗК, подтвердившие результаты научных исследований. Разработаны рекомендации по установке и юстировке ЗК дорожных параметров. Часть рекомендаций реализована подпрограммой автонастройки ЗК.
Аппаратные решения, функционирующие на базе разработанных методов и алгоритмов, внедрены на государственных и частных предприятиях Украины.
Ключевые слова: алгоритм видеообработки, определение дорожно-транспортных параметров, зональный контроллер, микропроцессорное устройство, автоматизированная система видеонаблюдения.
R.S. Lobus. Traffic system sensor video processing methods. - Manuscript.
Thesis for a candidate's degree by specialty 05.13.06 - information technologies. - National aviation university, Kiev, 2010.
The scientific and technical task decision of algorithmic and hardware providing traffic monitoring in difficult Ukraine traffic parameters is devoted in this thesis. The more perfect videoprocessing methods and algorithms of the automatic videosupervision systems are offered, after the amount by calculations and functioning efficiency. Developed method of base shot generation with a double regeneration, at the beginning and in the middle of image processing cycle, gives possibility of more effective videostream mobile objects selection after the subsequent classification efficiency criterion. The curvilinear co-ordinates system is used in the objects tracking process for calculations amount diminishing. A method, reverse to Brezenkhem method, allows to execute the scan-out of image in this system of co-ordinates. Developed algorithms of determining the amount, speeds, and types of transport vehicles complement the developed videostream scan-out method, that proves it functional possibilities plenitude.
Hardware research results is a traffic sensor which gives possibility to realize the automatic or automated vehicles parameters collection systems with traffic control in big cities. Traffic sensor functioning efficiency experimental researches are conducted. Hardware decisions, functionings on the developed methods and algorithms base, are inculcated on the state and private enterprises of Ukraine.
Keywords: videoprocessing, traffic control sensor, incident detection, microprocessor device, videosupervision CAS.
Размещено на Allbest.ru
...Подобные документы
Розробка математичної моделі, методів обробки, визначення діагностичних ознак та методу імітаційного моделювання кардіоінтервалограми для моніторингу адаптивно-регулятивних можливостей організму людини з захворюваннями серця при фізичних навантаженнях.
автореферат [74,9 K], добавлен 29.03.2009Комп'ютерні інформаційні системи. Характеристика автоматизованої системи обробки економічної інформації на підприємстві. Технологічний процес обробки інформації конкретної задачі в системі. Впровадження в дію автоматизації бухгалтерського обліку.
контрольная работа [25,1 K], добавлен 26.07.2009Автоматизована системи обробки економічної інформації, яка використовується на підприємстві, її характеристика. Технологічний процес обробки інформації конкретної задачі в системі. Зауваження користувача щодо функціональних і ергономічних характеристик.
контрольная работа [26,5 K], добавлен 27.07.2009Розробка бази даних для автоматизації облікової інформації в системі управління базами даних Access з метою полегшення роботи з великими масивами даних, які існують на складах. Обґрунтування вибору системи управління. Алгоритм та лістинг програми.
курсовая работа [550,9 K], добавлен 04.12.2009Області застосування методів цифрової обробки зображень. Динамічний діапазон фотоматеріалу. Графік характеристичної кривої фотоплівки. Загальне поняття про High Dynamic Range Imaging. Тональна компресія та відображення. Головні стегано-графічні методи.
контрольная работа [1,6 M], добавлен 10.04.2014Синтез аналогової та структурної схеми цифрового фільтру. Опис програми обробки інформації. Оцінка верхньої фінітної частоти вхідного аналогового сигналу. Структурна схема та алгоритм функціонування пристрою мікропроцесорної обробки аналогової інформації.
курсовая работа [710,9 K], добавлен 12.03.2010Процеси пошуку інформацій та розробка структури даних для ефективного зберігання та обробки інформації. Як приклад розглянуто бінарне дерево. Бінарні структури широко використовуються у житті,широко використовуються в багатьох комп'ютерних завданнях.
курсовая работа [67,7 K], добавлен 24.06.2008Аналіз основних операцій спецпроцесора обробки криптографічної інформації, його синтез у модулярній системі числення та дослідження математичної моделі надійності. Виведення аналітичних співвідношень для оцінки ефективності принципу кільцевого зсуву.
дипломная работа [1,8 M], добавлен 15.10.2013Загальна характеристика підприємства АТВТ "Суми-Авто", напрямки його діяльності та облікова політика. Опис автоматизованої системи обробки економічної інформації, яка використовується на підприємстві, процес обробки інформації конкретної задачі в ній.
контрольная работа [20,4 K], добавлен 27.07.2009Нові інформаційні технології (НІТ) як сукупність нових засобів і методів обробки, зберігання і передачі інформації. Технологічна основа та основні принципи створення НІТ. Класифікатори техніко-економічної інформації в фінансовому контролі й аудиті.
контрольная работа [21,5 K], добавлен 27.09.2010Розробка фільтру для обробки цифрових сигналів. Блок обробки реалізується на цифрових мікросхемах середньої ступені інтеграції. Аналіз вхідного сигналу, ідеального сигналу та шуму. Обґрунтування вибору фільтрів та алгоритму обробки вхідного сигналу.
курсовая работа [504,4 K], добавлен 18.09.2010Забезпечення системою збереження, обробки даних про працівників для ведення обліку заробітної плати. Визначення складу даних, які будуть вестися в системі. Проектування таблиць, їх види та схема зв’язків між ними. Проектування форм та зміст макросів.
курсовая работа [556,0 K], добавлен 16.03.2009Проектування і програмування обробки деталей на верстатах з числовим програмним управлінням. Проектування технологічної оперції обробки заготовки: вибір інструменту, ескізи наладок. Керуюча програма обробки деталей "кришка" та "вал". Верифікація програми.
курсовая работа [1,7 M], добавлен 29.11.2011Автоматизована система обробки економічної інформації, яка використовується на підприємстві АТ відкритого типу “Продукт-Сервіс". Технологічний процес обробки інформації конкретної задачі в системі. Створення таблиці "Фрукти", "Описання наборів".
контрольная работа [26,4 K], добавлен 27.07.2009Місце мікропроцесора в структурі мікропроцесорних приладів, його функції. Інтегральні мікросхеми із великою ступінню інтеграції. Розробка структурної схеми мікропроцесорної системи обробки інформації на основі мікроконтролера ATmega128 та інших мікросхем.
курсовая работа [2,1 M], добавлен 18.09.2010Розробка бази даних для обробки інформації про діяльність туристичного агентства. Визначення предметної області, вхідних та вихідних даних, їх організації. Генерація схеми бази даних. Реалізація функціональних вимог. Інструкція з експлуатації системи.
курсовая работа [5,3 M], добавлен 12.05.2015Визначення засобами Excel та MathCAD дальності польоту каменя і його найбільшої висоти піднімання над схилом. Математична модель задачі та алгоритм її розв’язання. Перевірка даних на якість обробки заданої інформації при автоматизованому проектуванні.
курсовая работа [905,0 K], добавлен 03.11.2013Аналіз існуючих моделей та методів визначення повітряних та наземних рухомих об’єктів, узагальнення, поєднання та вдосконалення методів присвоєння координат на карті аеропорту у реальному часі. Засоби аналізу динамічних сценаріїв поточної обстановки.
дипломная работа [6,9 M], добавлен 27.01.2013Суть, значення і види наукової обробки документів. Обов'язкова державна реєстрація книжкових пам'яток. Інформаційно-пошукові системи, їх види. Опис змісту документа за допомогою дескрипторів. Анотування і реферування як вид інформаційної діяльності.
курсовая работа [44,7 K], добавлен 22.11.2010Поняття інформації її властивості. У чому полягає робота брандмауера. Переваги використання брандмауера. Основи роботи антивірусних програм. Методи збору, обробки, перетворення, зберігання і розподілу інформації. Основні методи антивірусного захисту.
реферат [26,8 K], добавлен 29.05.2014
