Система слежения за объектом

Системы защиты и обеспечения безопасности все плотнее сходятся с высокотехнологичными устройствами, обогащенными современным функционалом. Это особенно проявляется в средствах беспроводной коммуникации, благодаря которым, в частности, появилась возможность слежения за объектами в виртуальных системах координат. Причем такие гаджеты при всей технологичности имеют компактные размеры и эргономичные инструменты управления, что способствует расширению сфер их использования. Простейший маячок слежения можно применять для определения места нахождения ребенка, супруга, выездных сотрудников транспортных компаний и т. д.

Как устроен прибор?

Большинство подобных устройств имеют миниатюрные размеры, позволяющие их использовать даже без информирования носителя. Главным функциональным компонентом является приемник, обрабатывающий сигналы от навигационных систем. Наиболее распространены GPS-маячки слежения, но также встречаются модели, взаимодействующие со спутниковым комплексом ГЛОНАСС. Также предусматривается передатчик сигнала, который преобразует обработанные данные в сообщение, отсылая его контролирующему пользователю. Для хранения информации о координатах также используется внутренняя память. Это небольшой блок, который в зависимости от модели может содержать накопленные сведения несколько лет. Для питания устройств применяется аккумуляторная батарея. Она рассчитывается на длительный срок энергоснабжения, но также имеет скромные габариты. Емкость компонента небольшая, но и сам датчик расходует минимальные объемы энергии.

Принцип работы

Гаджет размещается на объекте посредством специальных фиксаторов – как правило, это тоже миниатюрная оснастка, рассчитанная на разные конфигурации крепления. После включения устройство синхронизируется со спутниковым навигатором, и с этого момента начинается беспрерывная обработка сигнала о местоположении. Например, маячок для слежения за ребенком фиксирует его путь из дома в школу и обратно. Конечный пользователь через мобильное устройство или компьютер принимает эту информацию с помощью специального приложения, выводящего на экран карту с указанием координат и носителя маячка. Причем способ взаимодействия может быть разным. Чаще всего встречаются системы, передающие сигнал по интернет-каналам. Это удобная и надежная схема коммуникации, позволяющая в поточном режиме отражать сведения о перемещениях объекта. Также, в зависимости от опций, датчик может с заранее установленной частотой отсылать сообщения о местоположениях через сотовую связь. Теперь можно рассмотреть популярные модели маячков, представленные передовыми изготовителями электроники.

Personal Locator

Очень маленький прибор с базовым функционалом, в комплектацию которого входит только зарядное устройство и гарнитура с инструкцией. Размеры модели позволяют ее размещать даже в спичечном коробке. Аппаратное ядро представляет чип MT6260. Это не самый мощный процессор, но для обработки основных сигналов его потенциала хватает. При этом надо учитывать, что точность прибора невысока – порядка 15-20 м. В условиях радиопомех (например, если носитель находится в пробке) и качество приема сигнала может сильно страдать, что не позволит получить корректные сведения. И все же для целей общего мониторинга с определением примерного местоположения этот гаджет вполне годится. Как и все скрытые маячки слежения миниатюрного типа, устройство имеет компактный интегрированный аккумулятор. Его емкость составляет 400 мА*ч. Управлять моделью можно через кнопку, расположенную на корпусе. В начинке также предусмотрен микрофон, поэтому при необходимости носитель может отправить и голосовое сообщение.

Resiont TK-102B

Разработка базируется на серии GPS-трекеров TK-102 от фирмы Xexun, которые после выхода получили немало положительных отзывов. Модель позиционируется в качестве универсального инструмента слежения, то есть ее можно применять и в мониторинге местоположения детей, пожилых людей, и в контроле водителей транспортных средств. Хотя устройство имеет китайское происхождение, претензии к качеству элементов у пользователей практически не встречаются. Также и корпус собран без погрешностей с плотной доводкой. Что касается функционала, то маячок слежения компании Resiont предлагает стабильно работающий GPS-трекинг, возможность отправки SMS-сообщений, поддержку голосовой связи и разъемы для карт памяти micro-SD. Питание обеспечивается батареей BL-5B, и в этой части надо отметить, что вопреки заявлению изготовителя о емкости на 1000 мА*ч, фактический объем блока составляет 400 мА*ч.

Модификация TK-103B

Еще одна вариация из серии Xexun, которая представляет собой улучшение рассмотренного выше маячка. К особенностям этого гаджета можно отнести широкий набор аксессуаров, за счет которых его удобно используют в транспорте. В комплектацию входят GSM- и GPS-антенны, контрольное реле, микрофон для установки в салоне и монтажная проводка. Также на базовом уровне эксплуатации сохраняется и возможность применения устройства в качестве индивидуального трекера. Коммуникация по каналам мобильной связи осуществляться через SIM-карту. Благодаря специальным приложениям можно задействовать этот маячок и для слежения за человеком по номеру, но только при условии предварительного согласования с его владельцем. Среди особенностей конструкции стоит подчеркнуть алюминиевый корпус, а также наличие датчика удара.

Concox GS503

Внешне эта модель выглядит как мобильный телефон старой генерации. Но по функционалу это полноценный GPS-трекер, оптимально подходящий для пожилых людей. Нестандартно крупные размеры устройства не позволят его потерять. Кроме основных задач определения местоположения, аппарат предлагает также функции радио, фонарика и обычного телефона. Были расширены и возможности трекинга. Если небольшие GPS-маячки слежения за человеком чаще всего выполняют только мониторинг онлайн, то предложение от Concox также фиксирует скорость передвижения, проделанное расстояние и другие параметры. Столь богатый набор опций, конечно, требует и более емкого элемента питания. Он представлен блоком на 1200 мА*ч, но на продолжительную автономную работу рассчитывать не стоит.

GlobalSat GTR-128

Еще одна разработка с высоким уровнем функциональности, но в отличие от предыдущей модели выполненная в типичном для следящих маячков компактном форм-факторе. Модель ориентирована на работу с системами GPS и ГЛОНАСС, что обеспечивает высокую точность мониторинга – вплоть до 1-2 м в условиях оптимального приема сигнала. К особенностям аппарата относится наличие тревожной кнопки, несколько датчиков и цифровой выход. Данный маячок слежения оптимально подойдет для контроля местоположения детей в удаленном режиме. Устройством легко управлять, оно не доставляет хлопот при физическом обращении и в то же время славится высокой автономностью.

Стоимость трекеров

Разброс в ценах весьма существенный, что обуславливается разделением сегмента на две категории устройств. В одну входят оригинальные версии от крупных разработчиков, а в другую – их китайские клоны. В первом случае можно говорить о ценах порядка 5-7 тыс. руб. Хотя встречаются и солидные многофункциональные модификации за 15 тыс. Китайский маячок слежения можно приобрести и за 500 руб. Это простейшие гаджеты, предлагающие только функцию определения текущих координат. Разумеется, и по качеству приема сигнала, и по конструкционному исполнению дешевые устройства проигрывают дорогостоящим аналогам. Впрочем, как показал обзор, компания Resiont с минимальными ресурсами реализовала вполне добротный по технической надежности аппарат.

Как выбрать оптимальную модель?

Сфера применения и условия работы гаджета во многом помогут определить, какая именно версия маячка подойдет. Для индивидуального ношения отдавать предпочтение следует устройствам с компактными размерами и эргономичной оснасткой для крепления. Это микро-маячки слежения, обеспечивающие узкий набор задач, но подходящие для стабильного мониторинга. Если нужен универсальный аппарат, то есть смысл выбирать крупноформатные приборы, которые поддерживают широкий спектр способов взаимодействия с мобильными устройствами. Модели для водителей подбираются с расчетом на дополнительную комплектацию, включающую крепежную оснастку и электротехнические аксессуары для подключения к бортовой сети управляемого транспорта.

Нюансы эксплуатации

Перед применением гаджета следует заранее определить, по каким каналам он будет синхронизироваться с конечным устройством, принимающим информацию. После этого прибор размещается на целевом объекте и включается. Например, микро-GPS-маячок для слежения за человеком можно разместить в кармане, предварительно нажав на кнопку запуска. Далее произойдет автоматическое подключение к мобильному устройству контролирующего лица. В зависимости от возможностей конкретной модели трекера, управление его функционалом в последующем может обеспечиваться напрямую или в удаленном формате. К примеру, смартфоны могут дистанционно включать и отключать маячок, задавая также параметры мониторинга. Эта возможность полезна с точки зрения экономии энергии. Что касается физического обращения с такими приборами, то производители указывают на риски потери сигнала и выхода приемника из строя после оказания сильных механических воздействий. По этой причине изготовители выпускают специальные модификации с улучшенными защитными качествами для использования в условиях агрессивного воздействия внешней среды.

Читайте также:  Мовипреп отзывы если колоноскопия утром

Заключение

Организовать возможность слежения с помощью миниатюрного трекера довольно просто даже при минимальных финансовых затратах. Такая аппаратура ориентируется на массового потребителя, о чем говорит и эргономика управления, и сам принцип действия. Но есть ли негативные стороны применения подобных устройств? Их немного, но важно иметь в виду, что маячок для слежения за человеком, так или иначе, будет создавать радиопомехи. В итоге это скажется и на характере эксплуатации другой электроники носителя. И напротив, работа маячка может быть нестабильной, если он близко расположен к телефону или другим излучателям электромагнитных волн. На устойчивость сигнала как раз влияет качество приемника, поэтому для ответственных задач мониторинга все же стоит подбирать оригинальные модели от известных изготовителей.

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Макаров Дмитрий Анатольевич

Обоснована необходимость решения задачи слежения за движущимися объектами в системах видеонаблюдения . Для этого предлагаются специально разработанные методика и алгоритмы нахождения границ контура объекта и выполнения процедуры слежения. Описан программный комплекс, реализующий предложенные алгоритмы. Приведены результаты анализа их устойчивости и первичной апробации в составе системы поддержки принятия решений при видеомониторинге подвижных объектовIn this paper the necessity of solving the taskof following the moving objects in video surveillance systems is being updated. For this purpose are suggestedspecially developedmethodandalgorithms of defining the outlines’ borders of the object andof following procedure fulfillment. The bundledsoftware, which puts into effect the suggestedalgorithms, is being described. The results of the analysis of their stability andprimary approbation as part of the decision making system support during video monitoring of mobile objects are given

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Макаров Дмитрий Анатольевич

Текст научной работы на тему «Применение алгоритмов слежения за движущимся объектом в системах видеонаблюдения»

ПРИМЕНЕНИЕ АЛГОРИТМОВ СЛЕЖЕНИЯ ЗА ДВИЖУЩИМСЯ ОБЪЕКТОМ В СИСТЕМАХ ВИДЕОНАБЛЮДЕНИЯ

В настоящее время во многих социальных и производственных областях человеческой деятельности получили распространение различные системы, ориентированные на видеонаблюдение как статических, так и динамических объектов. Они находят широкое применение в сферах обеспечения общественной безопасности, безопасности дорожного движения, мониторинга поверхности земли с воздуха, контроля качества изделий на этапах процесса их производства и т. д. Для этих областей актуально решение задачи слежения за движущимися объектами на движущемся фоне. Для этого необходима разработка методики, эффективных алгоритмов и программного комплекса отслеживания местонахождения искомых объектов в рамках кадров, транслируемых с видеокамеры.

Сформулируем требования к системе, решающей данную задачу.

1. Независимость эффективности процесса слежения от внешнего вида наблюдаемого объекта (формы, цвета и т. д.).

2. Возможность динамического указания объекта слежения.

3. Минимизация временных и вычислительных затрат системы.

Реализация первого требования необходима для обеспечения универсальности системы в отличие от методов слежения, основывающихся на распознавании образов и использующих для этого эталонные изображения. Количество используемых эталонов конечно, что в итоге приводит к возможности слежения лишь за ограниченным набором объектов. Теоретически, количество различных эталонов можно сделать бесконечно большим, но это приведет к увеличению дискового пространства, необходимого для их хранения, и времени на их обработку, что противоречит третьему требованию.

Понятие динамическое указание объекта слежения, сформулированное во втором требовании, можно определить как способность системы по команде оператора переключаться между раз-

личными объектами слежения в процессе своего функционирования. Под командой оператора в данном случае понимается щелчок кнопкой манипулятора типа «мышь» по нужному объекту на экране монитора. Реализация данного требования должна обеспечить автоматическую перенастройку параметров системы для работы с новым указанным объектом слежения без дополнительных действий со стороны оператора.

Последнее требование введено с учетом практического применения системы в мобильных комплексах видеонаблюдения, на автомобильных дорогах, в системах уличного наблюдения, а также в системах слежения с помощью беспилотных летательных аппаратов.

Методика слежения за движущимся объектом

С учетом сформулированных требований разработаны алгоритмы нахождения границ контура объекта произвольной формы на изображении и слежения за движущимся объектом. На базе предложенных алгоритмов разработана методика слежения, блок-схема которой приведена на рис. 1.

Как видно из рисунка, рабочий цикл системы начинается с получения очередного кадра от источника видеоинформации. Первое условие определяет, был ли указан объект слежения на одном из ранее полученных кадров. Если процедура указания объекта была выполнена к моменту получения текущего кадра (ветвь «Да» первого условия), то система переходит к выполнению своей основной рабочей функции – обнаружению местонахождения наблюдаемого объекта в рамках текущего кадра. При этом в работу включаются алгоритмы фильтрации изображения, алгоритм слежения и алгоритм нахождения границ контура.

Если же к моменту получения текущего кадра объект слежения указан не был (ветвь «Нет» первого условия) выполняется проверка второго условия, которое определяет указал ли оператор объект слежения на текущем кадре. При отрицательном результате проверки условия система пе-

Рис. 1. Блок-схема методики сл

реходит к следующей итерации рабочего цикла, иначе (ветвь «Да» второго условия) выполняется процедура фильтрации изображения, запускается алгоритм нахождения границ контура указанного объекта в рамках текущего кадра и результаты его работы используются для формирования начальных условий для алгоритма слежения.

Блок «Анализ результатов и принятие решений» в любом случае получает в качестве входных параметров координаты и размеры области, занимаемой объектом на текущем видеокадре, и рассчитанные координаты геометрического центра объекта. Конкретные функции этого блока зависят от предметной области, в которой применяется система, и решаемой прикладной задачи. Например, при слежении за движущимся объектом с помощью беспилотного летательного аппарата результаты анализа входных параметров могут быть использованы для формирования управляющих воздействий на бортовые исполнительные устройства, обеспечивающие управление скоростью и направлением полета летательного аппарата.

Рассмотрим используемые в методике алгоритмы.

гния за движущимся объектом

Алгоритмы фильтрации изображения. Применение алгоритмов фильтрации изображения необходимо для подчеркивания вертикальных и горизонтальных границ на изображении. В алгоритмах фильтрации используются операторы выделения контуров [1], определяемые сверточной матрицей, согласно которой происходит анализ окрестности обрабатываемой точки изображения и вычисление ее результирующей интенсивности. Так, например, для подчеркивания вертикальных границ используются матрицы:

Использование двух матриц для выделения вертикальных границ обусловлено различным направлением градиента, т. е. граница объекта может характеризоваться как переходом от высокой интенсивности к низкой, так и переходом от низкой интенсивности к высокой.

На рис. 2 показан пример обработки изображения оператором подчеркивания вертикальных границ. Фрагмент а – исходное изображение,

Рис. 2. Результат обработки изображения оператором подчеркивания вертикальных границ

б – результат обработки изображения с применением первой матрицы из числа описанных выше, в -результат обработки изображения с применением второй матрицы, г – сумма изображений б и в.

Следует отметить, что изображения, приведенные на рисунке, дополнительно обрабатывались пороговым фильтром для придания границам более четкого вида. Суть обработки пороговым фильтром заключается в том, что точки, значения интенсивности которых меньше заданного порога, заменяются на черные, а точки со значением интенсивности, превышающим заданный порог, заменяются на белые.

Обработанное таким образом изображение является в достаточной степени пригодным для выполнения процедуры нахождения координат граничных точек контура объекта.

Алгоритм нахождения границ контура объекта. Алгоритм нахождения границ контура объекта рассчитывает координаты его граничных точек и геометрического центра в рамках видеокадра [3]. В момент указания оператором объекта слежения на вход данного алгоритма поступают координаты указанной точки, принадлежащей изображению искомого объекта. В дальнейшем входные параметры алгоритма зависят от результатов работы алгоритма слежения за объектом.

Алгоритм нахождения границ контура работает только с одним статичным кадром, отслеживание положения объекта в динамике обеспечивается алгоритмом слежения.

Пусть имеющийся кадр является черно-белым, т. е. каждая его точка описывается лишь одной характеристикой – интенсивностью белого цвета. Обозначим через Дх, у) интенсивность белого цвета пикселя с координатами (х, у), причем функция 1(х, у) такая, что выполняется условие:

где последнее условие определяет тот факт, что за верхнюю границу области объекта принимается координата у ближайшего к исходной точке пикселя, интенсивность которого отличается от интенсивности исходного пикселя на величину, превышающую допустимый порог А. Обозначим координату у верхней границы области через

Для нижней границы области ( УНИЖ ) условия (2) примут вид:

|1 (У) " 1 (^ Уо^ > А : У А,

При этом расчетный геометрический центр объекта будет находиться в точке С с координатами (хС, УС), где

На рис. 3 приведены характерные точки и множества, используемые алгоритмом нахождения границ контура объекта.

Читайте также:  Diablo 2 запуск на windows 7

Таким образом, контур объекта ограничен прямоугольником с координатами вершин (хЛЕВ,

•^ВЕРХ^ (XПРАВ, УВЕРХ^ (XПРАВ, УНИЖ), (XЛЕВ, УНИЖ).

Алгоритм слежения. Данный алгоритм используется для отслеживания местонахождения объекта в динамике на основе данных, поступающих от алгоритма выделения границ контура.

Рис. 3. Характерные точки и множества, используемые в алгоритме нахождения границ контура

Рис. 4. Принцип работы алгоритма слежения

Принцип работы алгоритма слежения при смене кадров проиллюстрирован на рис. 4.

На рис. 4 а изображен момент указания оператором объекта слежения. На этой итерации рабочего цикла системы на основе информации о координатах точки ^ у0), указанной оператором, производится нахождение границ контура объекта, расчет и запоминание координат его центра ЦО0. Пусть на следующем кадре изображение объекта сместилось относительно его предыдущего положения так, как изображено на рис. 4 б. Нахождение границ контура объекта в этом (новом) положении будет производиться, исходя из запомненных координат точки ЦО0, как показано на рис. 4 в.

Таким образом, отслеживание положения объекта в динамике реализовано путем запоминания его предыдущего положения на видеокадре.

Программный комплекс слежения за движущимся объектом

На базе предложенных алгоритмов реализован программный комплекс слежения за движущимся объектом, схема которого представлена на рис. 5.

Блок фильтрации предназначен для устранения шумов на изображении и его обработки при помощи операторов выделения контуров. В данном случае используется комбинация операторов, имеющих свёрточные матрицы выделения вертикальных и горизонтальных границ [1].

Кроме того, для повышения точности определения границ контура объекта в алгоритме используется процедура автоматического выбора значения порога А в зависимости от характеристик анализируемого изображения, в частности, от диапазона изменения интенсивностей точек. Так, для изображений с низкой контрастностью

Рис. 5. Схема программного комплекса слежения за движущимся объектом

и малым диапазоном изменения интенсивностей точек порог Д устанавливается малым, что делает алгоритм более строгим к перепадам цвета. Для более четких изображений порог Д увеличивается во избежание случайных срабатываний условий (2-5), вызванных незначительными изменениями цвета самого объекта.

Разработанный программный комплекс был использован для определения быстродействия предлагаемых алгоритмов. Исследования проводились на персональном компьютере с центральным процессором Intel Pentium 4, имеющим тактовую частоту 1,8 ГГц и объем оперативной памяти 256 Мбайт. Результаты исследований показали, что время на обработку одного изображения шириной 640 и высотой 480 точек составляет порядка 20 мкс, что позволяет сделать вывод о возможности применения алгоритмов в системах, имеющих в своем составе видеокамеры с частотой кадров до 50 Гц.

Требования к объему оперативной памяти напрямую зависят от размера обрабатываемого изображения и его формата. При тех же размерах изображения и кодировании цвета точки 4 байтами, требуемый объем оперативной памяти будет составлять порядка 1,3 Мбайт. При представлении каждой точки изображения градациями серого цвета (точка кодируется 1 байтом) требуемый объем снизится в 4 раза и будет составлять порядка 300 Кбайт.

Анализ устойчивости алгоритмов

Для оценки устойчивости предложенных в работе алгоритмов проведен ряд исследований и экспериментов с использованием программного комплекса. Критерием оценки являлось время, в течение которого безошибочно определялось местонахождение наблюдаемого объекта в кадре, начиная от момента указания оператором объекта слежения.

По качеству изображения все потоки видеокадров, используемые в исследованиях, делились на три группы:

с резкими границами контура наблюдаемого объекта;

со средней степенью размытости границ контура (объект имеет отличный от фона цвет, но его границы лишены резкости);

с визуальными помехами (объект иногда сливается с фоном, перекрывается другими объектами).

Результаты проведенного анализа показали, что для первых двух групп алгоритмы устойчиво решали задачу слежения за объектом на протяжении всего времени воспроизведения потока видеокадров. На третьей группе алгоритмы слежения оказались менее устойчивыми.

Таким образом, предложенные алгоритмы успешно справляются с решением задачи слежения за движущимся объектом независимо от резкости границ контура объекта. Наличие визуальных помех иногда приводит к сбою в работе алгоритмов в течение нескольких итераций рабочего цикла системы.

Отметим также влияние динамики перемещения объекта между соседними кадрами на безошибочность работы предлагаемых алгоритмов. При высокой скорости перемещения объекта между кадрами может возникнуть ситуация, при которой ранее рассчитанный центр объекта окажется вне зоны объекта на следующем кадре, алгоритм нахождения границ контура получит на вход неверные данные и система «потеряет» объект слежения.

Что касается формы объекта слежения, то алгоритмы устойчиво работают с объектами, форма которых представляет собой выпуклый многоугольник. При слежении за объектами более сложной формы может произойти ситуация «потери» объекта слежения, описанная выше.

Одним из вариантов практического применения описанной методики и алгоритмов является их использование в составе модуля системы автоматического управления беспилотного летательного аппарата, решающего задачу слежения за движущимся наземным объектом. Функции модуля слежения заключаются в оперативном анализе входной информации с бортовой видеокамеры, определении местонахождения искомого объекта и выдаче в систему автоматического управления сигналов на корректировку направления и скорости полета летательного аппарата, чтобы сохранить наблюдаемый объект в поле зрения объектива видеокамеры. Введение подобных средств автоматизации позволит оператору наземного пункта управления снять с себя часть функций по управлению летательным аппаратом и повысить эффективность процесса слежения за движущимся наземным объектом.

В настоящее время производится опытная эксплуатация разработанного программного ком-

плекса в Управлении связи, специальной техники и автоматизации МВД по РТ в составе системы поддержки принятия решений при видеомонито-

1. Глова, В.И Исследование операторов выделения контуров на размытых и неразмытых изображениях. [Текст]/В.И. Глова, И.В. Аникин, Д.В. Козырев.-Казань: Изд-во Казан. гос. техн. ун-та, 1998.

2. Глова, В.И. Системы поддержки принятия решений при видеомониторинге подвижных объектов [Текст]/В.И. Глова, Р.Х. Шакиров, А.С. Катасёв//Ин-формационные технологии в науке, образовании и про-

ринге подвижных объектов [2]. Текущие результаты эксплуатации показали его пригодность для практического использования.

изводстве: Матер. Всерос. науч. конф.-Казань: Изд-во Казан. гос. техн. ун-та, 2007.-С. 519-522.

3. Макаров, Д.А. Выделение размытых контуров на изображении [Текст]/Д.А. Макаров,

A.С. Катасёв//Наука и профессиональная деятельность: Матер. Всерос. науч.-практ. конф; Под ред.

B.А. Песошина.-Казань: Изд-во Казан. гос. техн. унта, 2008. -С. 164-166.

НЕСТРОГОЕ ВЛОЖЕНИЕ ДЕРЕВЬЕВ В ПРИЛОЖЕНИИ К ПОИСКУ МАТЕМАТИЧЕСКИХ ВЫРАЖЕНИЙ

В данной статье рассматривается задача по нестрогому поиску по шаблону в упорядоченных размеченных деревьях. Эта задача имеет прикладное значение и широкую область применения при организации семантического поиска математической информации, представленной в XML-форматах (MathML, OpenMath, Office Open XML).

Задача поиска в целевом дереве T по шаблону P состоит в необходимости определения, может ли шаблонное дерево быть вложено в некотором смысле в целевое дерево. Для организации гибкости поиска это вложение целесообразно делать нестрогим, а для определения релевантности результата поиска вводить стоимостную функцию вложения.

В литературе встречаются различные подходы для определения стоимостной функции в случае нестрогого поиска поддерева. Ряд авторов [3, 7 и др.] определяют стоимостную функцию на основании операций редактирования (удаления, вставки и переименования вершин). В [8] предложен алгоритм, определяющий стоимостную функцию на основе числа несовпадающих путей в целевом и шаблонном дереве. Нестрогое соответствие поддеревьев возникает также в задаче определения изменений в структурированных и частично структурированных данных [4, 9].

Применение указанных выше подходов к нестрогому поиску поддеревьев оказывается неэффективным в случае поиска математических выражений. С одной стороны, сильно различающиеся по смыслу документы могут оказаться очень близки в значении используемых в этих подходах стоимостных функций. С другой стороны, эти подходы часто не дают возможности определить два сходных по смыслу документа как имеющих маленькое расстояние между собой.

В статье предлагается новый подход к нестрогому поиску поддеревьев, который использует набор разрешенных преобразований поддеревьев шаблонного дерева. Каждому разрешенному преобразованию присваивается вес и ставится задача по поиску минимально возможного суммарного веса преобразований, позволяющих вложить шаблонное дерево в целевое.

Основные определения. Дадим основные определения, используемые в статье. Эти определения являются общепринятыми и с некоторыми вариациями могут быть найдены в классических работах [1, 2 и др.].

Деревом Тназывается набор Т = (V, Е, шоДТ)), в котором V – конечное множество вершин, Е -двоичное отношение на множестве вершин, назы-

Меркишин Г. В., Медведев С. В. Московский авиационный институт (государственный технический университет) ГСП-3, Волоколамское шоссе д. 4, г. Москва, 125993, Россия тел.: 158-47-28, e-mail: merkishingv@rambler.ru

Аннотация – Рассматриваются варианты построения систем наблюдения крупным планом за движущимися объектом. Проводится сравнение трёх вариантов: 1) с анализом сигнала каждого пикселя; 2) с интегрированием сигналов пикселей в пределах фотоприёмного окна; 3) с фотоприёмным окном в виде одного элемента МДП с большой фоточувствительной поверхностью. Показываются преимущества последнего варианта.

Читайте также:  Skyrim legendary edition steam

Последние годы характеризуются широким внедрением видео наблюдения во многие системы формирования и извлечения информации: системы безопасности, контроля доступа, охраны помещений и территорий и др.

Часто возникает необходимость выделения из наблюдаемого изображения движущегося объекта и слежения за ним.

Конкретизируя задачу, рассмотрим вопросы построения системы слежения видеокамеры за самолетом в зоне аэропорта. Целью наблюдения является формирование изображения самолета крупным планом на экране монитора руководителя полетами на командном пункте. Так как самолет находится на большом удалении, необходим малый (несколько градусов) сектор наблюдения. В этом случае весьма сложной является ручная процедура управления видеокамерой с целью удержания объекта в центре экрана. К тому же оператор сильно загружен задачей общей оценки ситуации в большой зоне ответственности и не в состоянии полностью сосредоточиться на процедуре управления видеокамерой.

II. Основная часть

Сравним возможные варианты технической реализации системы по критерию наилучшей чувствительности. Высокая чувствительность необходима при наблюдении объекта в условиях слабой освещенности или малой контрастности объекта на окружающем фоне (например, зеленый самолет на фоне зеленого леса):

1) Многоэлементная фото система с обработкой сигнала каждого пикселя отдельно: необходимы запоминание сигнала каждого из пикселей и сравнение сигналов соседних кадров, совместный анализ сигналов всех пикселей. Такого рода программы требуют больших вычислительных затрат, характеризуются значительной трудоемкостью их разработки и имеют высокую стоимость. Кроме того, от них не следует ожидать высокой чувствительности, на что указывает результат сравнения применения больших и малых фотоприёмных окон в задаче выделения контура объекта [1].

2) Формирование на поле фоторецепторов квадратных фотоприемных окон с суммированием сигналов всех пикселей в пределах окна. Автоматизация процесса слежения за перемещающимся объектом реализуется на основе обработки его изображения в компьютере. На первом этапе объект устанавливается в центре экрана внутри рамки, содержащей четыре квадрата. Внутри каждого квадрата производится суммирование уровней сигнала отдельных пикселей и определяется их общая сумма W. где – номер квадрата (i=1…4). При движении объекта происходит перераспределение сигналов квадратов, причем AWi+AW4 =-(AW 2+АЛ/з), AW1+AW2 = – (AW3+AW4) (нумерация квадратов против часовой стрелки). Сравнивая указанные суммы сигналов для соседних кадров, система управления движением видеокамеры отрабатывает рассогласования по азимуту и углу места. Предполагаем использование в видеокамерах ПЗС-структуры. Тогда суммарный сигнал (заряд) в пределах окна равен Qz=ZQy, где Qy

– заряд одного пикселя, суммирование ведётся по всем пикселям с адресами (I, j) в пределах формируемого окна.

Неопределённость заряда (шумовой заряд) [1] равна QN=V(kTCd), где к=1,38*10’^® [Дж/град] – постоянная Больцмана, Т – абсолютная температура, Cd – ёмкость выходного узла ПЗС-матрицы (ёмкость плавающей диффузионной области – ПДО). Предполагая распределение шумовых зарядов по Гауссу, получим отношение сигнал/шум: S/N = Qz^/ Qnz^ = Qi^/(n^kTCd), η – линейный размер окна, выраженный в числе пикселей.

1) Фотоприёмные квадратные окна создаются в виде МДП-структуры с большой фотоприёмной поверхностью (как один элемент ПЗС-матрицы с большими линейными размерами). В этом случае линейный размер ПДО увеличивается в η раз (второй размер остаётся без изменения и во столько же раз увеличивается её ёмкость по сравнению с ёмкостью ПДО выходного узла в предыдущем варианте.

Отношение сигнал/шум равно S/N = Qz^/ kTCw = Qz^Z(nkTCd), где Cw= nCd.

Таким образом, наблюдается существенное (в η раз) улучшение чувствительности в случае формирования фотоприёмного окна в виде отдельного элемента с большими размерами. Отметим, что при анализе не учитывались шумы усилителя, вкпючён- ного на выходе фоточувствительной структуры, которые могут несколько ослабить эффективность третьего варианта.

IV. Список литературы

[1] Меркишин Г. В. Многооконные оптико-электронные датчики линейных размеров. – М.: Радио и связь, 1986.

VIDEO SURVEILLANCE SYSTEMS FOR MOVING OBJECT

Merkishin G. V., Medvedev S. V.

The Moscow Aviation Institute (the State Technical University) highway Volokolamskoe 4, Moscow, 125993, Russia Ph.: 158-47-28, e-mail: merklshlngv@rambler.ru

Abstract – Construction variants of the surveillance systems for close up viewing of moving object are considered. Comparison of three variants is performed: 1) with the analysis of a signal in each pixel; 2) with integration of pixel signals within the area of a photoreception window; 3) with a photoreception window in the form of one MIS-structure element with the big photosensitive surface. Advantages of last variant are shown.

During the last years are characterized by wide introduction of video observation in many systems of formation and extraction of the information: systems of safety, the control of access, protection of premises and territories, etc. Frequently there is a necessity of allocation from the observable image of moving object and tracking it. Concretizing a problem, we shall consider questions of construction of system of tracking of a video camera behind plane in a zone of the airport. The purpose of supervision is formation of the image of the plane close up on the screen of the monitor of the head flights on command item. As the plane is at a great distance, is necessary small (some degrees) sector of supervision. In this case manual procedure of management by a video camera is rather complex with the purpose of deduction of object in the center of the screen. Besides the operator is strongly loaded by a problem of the general estimation of a situation in the big zone of the responsibility and is not capable to concentrate completely on procedure of management by a videocamera.

High sensitivity is necessary for object acquisition under the conditions of weak light exposure or small contrast of object against an environmental background (for example, the green- colored airplane on a green wood background). Compare possible variants of system technical realization by criterion of the best sensitivity:

1) Multi element photo system with separate processing of signal from each pixel requires storing a signal from each pixel and comparison of signals of the neighboring frames, and also the joint analysis of signals from all pixels. These algorithms demand big computational burden, are characterized by significant labour-output ratio and have high cost. Moreover, they are expected to have low sensitivity, this fact confirmed by comparison of small and big photoreception windows to solve the problem on what specifies result of comparison of application of the big and small windows in a problem of extraction the contour of object [1].

2) Image formation on a field of photoreceptors consisting of square photoreception windows with summation of signals from all pixels within the a window area. Automation of tracking process of moving object is realized on the basis of processing its image in a computer. At the first stage the object is arranged at a center of the screen inside a frame containing four squares.

Performing comparison of the mentioned signal sums for neighboring frames, the control system of v >

Uncertainty of a charge (a noise charge) [1] is equal Qn = V(kTCd), where k=1,38*10’^^ – Boltzmann constant, T – absolute temperature, Cd – capacity of output unit of the CCD matrix (capacity of floating diffusion area – FDA). Assuming Gaussian distribution of noisy charges, we obtain signal-to-noise ratio: S/N = Qi^/Qni^ = Qi^ / (n^kTCd), n – the linear size of a window measured in numbers of pixels.

3) Photoreception square windows are manufactured as CCD structures with the wide photoreception surface (looking like one element of the CCD matrix with the big linear sizes). In this case the FDA linear size increases by factor of n (the second size remains without change) and by the same factor its capacity increases compared with FDO capacity of output unit of the previous variant.

Thus the essential (by the factor of n) improvement of sensitivity is predicted in formation of a photoreception window as a separate element with the big sizes. Note, that the analysis made in the paper didn’t include the noise amplifier installed at the output of photosensitive structure which may slightly weaken the efficiency of the third variant concerned.

Источник: Материалы Международной Крымской конференции «СВЧ-техника и телекоммуникационные технологии», 2006г.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Adblock detector