Современный этап развития систем охранного телевидения (ОТВ) характеризуется возрастанием объема регистрируемой видеоинформации и скорости ее обработки в аналоговых и цифровых формах. Это предъявляет повышенные требования к заданному качеству представления, передачи по системам связи, хранению и восстановлению видеоизображений объектов наблюдения. При этом разработка систем распознавания образов в современных системах ОТВ становится все более актуальной и важной задачей в особенности для решения задач мониторинга - распознавание лиц, номерных знаков автотранспорта, слежение за объектами, обнаружение появления новых и пропадания установленных объектов на охраняемых территориях и др.

Распознавание образов - это классификация объектов по нескольким категориям или классам. Объекты называются образами.

Образ, класс - классификационная группировка в системе классификации, объединяющая (выделяющая) определенную группу объектов по некоторому признаку [1].

Общий алгоритм распознавания образов (рис.1) включает следующие этапы [2]: захват кадра; предварительная обработка (предобработка); локализация объекта; распознавание объекта.

Рис.1 - Общий алгоритм распознавания образов

На первом этапе происходит разделение видеопоследовательности на кадры (сцены) для дальнейшей обработки.

На этапе предобработки происходит коррекция освещенности полученного изображения, устранение смазывания, бинаризация.

При выполнении этапа 3 под локализацией (детекцией, обнаружением) понимают анализ изображения с целью обнаружения объекта и определения его координат. Детекция объекта является частным случаем распознавания, но при этом решается задача двухклассовой классификации, где один класс - "объект", второй - "не объект".

На последнем этапе область, содержащую объект, необходимо распознать, то есть отнести ее к одному из множества классов. Например, идентифицировать детектированное лицо или распознавать символы в детектированном номерном знаке транспортного средства.

Упрощенная интерактивная система распознавания образов ОТВ (рис.2) включает в себя технические устройства видеонаблюдения, устройства распознавания элементов видеоизображения и оператора, принимающего решение о тревоге при нарушениях в обзорном пространстве охраняемой территории. В общем случае система распознавания может быть многоуровневой, в которой результаты распознавания, полученные на одном уровне, используются как исходные данные на следующем более высоком уровне. Порядок разбиение схемы принятия решения в интерактивных системах ОТВ называется декомпозицией и связан с моментами включения оператора в процесс распознавания.

Рис.2 - Упрощенная структурная схема распознавания в системах ОТВ

В основу построения алгоритма построчного распознавания аномалий в структуре регистрируемых видеосигналов положен принцип сравнения статистических параметров скользящих выборок оцифрованных сигналов текущего и эталонного изображений объектов охраняемой территории. При этом должно быть обеспечено геометрическое согласование координат исходного (эталонного) и регистрируемого изображений.

Для построчного распознавания аномалий в структуре регистрируемых видеосигналов возможно использование статистического подхода на основе информационной меры различения - дивергенцию Кульбака [3-5].

Дивергенция представляет собой меру "расстояния" или несходства между двумя классами. Её используют для ранжировки признаков и оценки эффективности разделения классов [3, С.311].

Средняя информация для различения образов i, j с плотностями распределения и может быть определена с помощью статистической меры расхождения (дивергенцией Кульбака) [6, С.16]:

(1)

где - вектор наблюдаемых отсчетов.

Для одномерных нормальных плотностей распределения построчных выборок изображений дивергенция (1) преобразуется к виду:

(2)

где n - объем выборки.

Дивергенция (2) обладает следующими весьма полезными для построения системы распознавания свойствами [3, С.314]:

 (3)

Для иллюстрации основного свойства дивергенции на рис.3 приведены рассчитанные по формуле (2) зависимости дивергенции от значения отношений

Рис.3 - Зависимость дивергенции от различных значений выборочных параметров

При распознавании в процессе вычисления дивергенции с помощью скользящих выборок объемом n неизбежно появление случайных выбросов отсчетов, как при построчном считывании эталонного изображения, так и в структуре сигналов текущих строк видеокамеры. При этом редкие, но большие случайные выбросы сигналов делают скользящее выборочное среднее m_i,j в (2) непригодным в качестве математического ожидания. Тогда, при нечетном , средний член вариационного ряда медиана:

В качестве оценки математического ожидания, может быть принято [7, С.236]:

(4)

При этом медиана менее чувствительна к выбросам считываемых отсчетов сигналов , чем скользящее выборочное среднее. Кроме того, при различном значении дисперсий скользящих выборок включение в алгоритм медианы предпочтительнее, и выигрыш от ее применения может быть весьма значительным [7, С.237].

На рис.4 приведена структурная схема, поясняющая алгоритм распознавания аномалий изображений в системе ОТВ. Система распознавания представляет программно-аппаратный комплекс, который в основном состоит из программного обеспечения, компьютера и видеокамеры.

Рис.4 - Структурная схема алгоритма распознавания аномалий изображений в системах ОТВ

Обработка данных текущих и эталонных видеоизображений производится по строкам. При этом в каждой строке вычисляются скользящие значения дивергенции . В конце каждой строки определяется наибольшее значение дивергенции:

(5)

Полученные максимальные значения дивергенции по строкам суммируются и сравниваются с установленным порогом. При превышении суммарного аномального значения дивергенции вырабатывается сигнал распознавания для оператора и включения монитора для просмотра поля изображения. Если суммарные аномальные значения дивергенции не превышают установленного порога, то происходит обработка изображения следующего кадра при выключенном мониторе.

Декомпозиция в интерактивном режиме распознавания также предполагает:

· детализацию того или иного участка на видеоизображении, относящегося к конкретному элементу охраняемой территории (ворота, окна, двери, козырьки крыш, переходы, щиты, элементы вентиляционных шахт, крышки люков и др.)

· подключение в процесс распознавания оператора при формировании тревожных сигналов от автомата распознавания.

Таким образом, главными преимуществами приведенного метода распознавания является его относительно простая реализация, возможность использовать пространственные сигналы, представленные в виде цифровых матриц. При этом возможно реализовывать алгоритмы с высокой степенью помехозащищенности.

Кроме того, декомпозиция распознавания образов в системах ОТВ освобождает оператора от длительного и утомительного просмотра (в особенности неподвижных) изображений и, вместе с тем, позволяет повысить эффективность видеоконтроля охраняемого объекта.

охранное телевидение распознавание видеоизображение

Список литературы

Размещено на Allbest.ru

1. Журавлёв Ю.И. Распознавание, классификация, прогноз. Математические методы и их применение. Вып.2. / Ю.И. Журавлёв. - М.: Наука, 1989. - 302 с.

2. Иванов Ю.С. Алгоритмы распознавания подвижных объектов для интеллектуальных систем охранного видеонаблюдения: дис. … канд. тех. наук: 05.13.01: защищена 29.04.2015: утв.15.10.2015 /Иванов Юрий Сергеевич. - Хабаровск, 2015. - 167 с.

3. Ту Дж. Принципы распознавания образов / Дж. Ту, Р. Гонсалес; пер. с англ.И.Б. Гуревича; под ред. Ю.И. Журавлева. - М.: Мир, 1978. - 411 с.

4. Фомин Я.А. Статистическая теория распознавания образов / Я.А. Фомин, Г.Р. Тарловский. - М.: Радио и связь, 1986. - 264 с.

5. Галушкин А.И. Синтез многослойных систем распознавания образов / А.И. Галушкин. - М.: Энергия, 1974. - 368 с.

6. Кульбак С. Теория информации и статистика / С. Кульбак; пер. с англ.Д.И. Гордеева, А.В. Прохорова; под ред.А.Н. Колмогорова. - М.: Наука, 1967. - 408 с.

7. Катковник В.Я. Линейные оценки и стохастические задачи оптимизации. Метод параметрических операторов усреднения / В.Я. Катковник. - М.: Наука, 1976. - 487 с.

8. Тельный А.В. Инженерно-техническая защита информации. Системы охранного телевидения: учебное пособие / А.В. Тельный; под ред. проф.М.Ю. Монахова. ? Владимир: Изд-во ВлГУ, 2013. - 144 с.

9. Никитин Р.В. Метод и алгоритмы стилизации изображения в системах охранного телевидения/ Р.В. Никитин // Изв. СПБГЭТУ "ЛЭТИ". Сер. Радиоэлектроника. - 2006. - Вып.5 - С.42-48

10. Глезер В.Д. Зрение и мышление /В.Д. Глезер, Ин-т физиологии им. И.П. Павлова Рос. акад. наук. - 2-е изд., испр. и доп. - СПб.: Наука, 1993. - 283 с.