Алгоритмическое и программное обеспечение автоматизированной системы контроля параметров автотранспортных потоков тема диссертации и автореферата по ВАК РФ 05.13.14, кандидат технических наук Еремин, Сергей Николаевич

• Еремин, Сергей Николаевич
• кандидат технических наук
• 2000

Оглавление диссертации кандидат технических наук Еремин, Сергей Николаевич

Введение.

1. Современное состояние проблемы контроля параметров автотранспортных потоков.

1.1 Общая характеристика автотранспортного потока.

1.2 Анализ существующих методов и средств контроля параметров автотранспортных потоков.

1.2.1 Общая классификация систем контроля параметров автотранспортных потоков.

1.2.2 Анализ существующих методов обнаружения движущихся в потоке автотранспортных средств.

1.2.3 Анализ существующих методов классификации движущихся автотранспортных средств.

1.2.4 Анализ существующих методов измерения скоростных характеристик автотранспортного потока.

1.3 Постановка задачи разработки алгоритмического и программного обеспечения автоматизированной оптико-электронной системы контроля параметров автотранспортных потоков.

Выводы по первой главе.

2. Обнаружение движущихся автотранспортных средств на последовательности изображений.

2.1 Математическое описание изображения рабочей сцены и особенностей его формирования.

2.2 Исследование методов обнаружения движущихся автотранспортных средств на последовательности изображений.

2.3 Алгоритм обнаружения и локализации движущихся автотранспортных средств для автоматизированных оптико-электронных систем контроля параметров автотранспортных потоков.

Выводы по второй главе.

3. Классификация автотранспортных средств на основе технологии обработки изображений.

3.1 Автотранспортное средство как объект классификации.

3.2 Модель автотранспортного средства в пространстве рабочей сцены.

3.3 Алгоритм классификации движущихся автотранспортных средств по их изображению.

Выводы по третьей главе.

4. Определение скоростных характеристик автотранспортного потока.

4.1 Методика и алгоритм калибровки видеосистемы.

4.2 Алгоритм измерения скоростных характеристик автотранспортных потоков.

4.3 Экспериментальные исследования алгоритма калибровки видеосистемы и измерения скоростных характеристик автотранспортных потоков.

Выводы по четвертой главе.

5. Экспериментальные исследования алгоритмического обеспечения автоматизированной системы контроля параметров автотранспортных потоков.

5.1 Описание экспериментальной установки автоматизированной системы контроля параметров автотранспортных потоков.

5.2 Экспериментальные исследования алгоритмического обеспечения оптико-электронной системы контроля параметров автотранспортных потоков.

5.3 Перспективы развития алгоритмического и программного обеспечения автоматизированных оптико-электронных систем контроля параметров автотранспортных потоков.

Выводы по пятой главе.

Введение диссертации (часть автореферата) на тему «Алгоритмическое и программное обеспечение автоматизированной системы контроля параметров автотранспортных потоков»

Современные тенденции развития автомобильного транспорта характеризуются неуклонным ростом числа автотранспортных средств (ТС). Ежегодное увеличение автопарка только по Москве составляет порядка 300 - 400 тысяч автомобилей [85]. При этом все чаще автодороги и автомагистрали не справляются с возросшими транспортными потоками. Возникающие пробки и задержки при движении ТС приводят к значительным временным и экономическим потерям, росту числа дорожно-транспортных происшествий, ухудшению экологической обстановки. Особенно это актуально для крупных городов и центральных автомагистралей.

Эффективное управление автотранспортными потоками (АТП), рациональное планирование и оптимизация транспортной инфраструктуры возможны лишь при наличии достоверной информации о параметрах автотранспортных потоков (интенсивности АТП, доле ТС определенного типа в потоке, скорости потока и др.)

Процесс контроля перечисленных параметров предполагает выполнение следующих этапов:

- обнаружение ТС, определение интенсивности АТП;

- классификация ТС, нахождение доли ТС определенного типа в потоке;

- определение скоростных характеристик АТП.

На сегодняшний день контроль параметров АТП в России, как правило, осуществляется вручную. Эта операция, будучи весьма трудоемкой, требует значительных финансовых затрат и зачастую не приносит желаемых результатов. Существующие методы автоматизации процесса контроля параметров АТП [2, 8, 16, 25, 79] сводятся к применению различного рода датчиков (инфракрасных, ультразвуковых, индуктивных, электромеханических, пьезоэлектрических, радиоволновых, лазерных и т.д.). Реализация перечисленных выше этапов подразумевает одновременное использование датчиков различного типа, а контроль нескольких полос движения требует установки на каждую отдельную полосу соответствующего комплекта оборудования. Такой подход при существенных материальных затратах усложняет установку, настройку и модернизацию систем контроля параметров АТП.

Создание надежных, мобильных, простых в установке и эксплуатации автоматизированных систем, осуществляющих комплексный поэтапный контроль всех основных параметров АТП, возможно в рамках технологии обработки изображений. На фоне быстрого развития аппаратной базы уровень алгоритмического, методологического и программного обеспечения оптико-электронных систем контроля параметров АТП не удовлетворяет современным требованиям. Существующие методики и алгоритмы [8, 15, 24, 66] либо не обеспечивают комплексного решения проблемы, либо оказываются малоэффективными в условиях многополосной организации движения, а также при возникновении различного рода изменений в области рабочей сцены. Кроме того, публикации, касающиеся описания решений в этой области, носят в основном рекламный характер.

В этой связи проблема разработки автоматизированных оптико-электронных систем контроля параметров АТП, в частности, их математического, алгоритмического и программного обеспечения, является весьма актуальной.

Целью данной диссертационной работы является разработка алгоритмического и программного обеспечения автоматизированной оптико-электронной системы контроля параметров АТП, обеспечивающей сбор информации о параметрах АТП и отличающейся от известных аналогов более высокими метрологическими характеристиками, новыми функциональными возможностями, простотой установки и эксплуатации.

Для достижения поставленной дели в рамках диссертационной работы решаются следующие основные задачи: анализ современного состояния проблемы контроля параметров АТП, а именно: выделение основных параметров АТП, подлежащих оценке; анализ существующих систем контроля параметров АТП; анализ существующих методов обнаружения, локализации, классификации ТС, определения скоростных характеристик АТП; разработка алгоритмического и программного обеспечения этапа обнаружения и локализации движущихся ТС на последовательности изображений; разработка алгоритмического и программного обеспечения этапа классификации ТС по их изображениям, полученным при помощи одного видеодатчика; разработка алгоритмического и программного обеспечения этапа определения скоростных характеристик АТП; создание экспериментальной установки автоматизированной оптико-электронной системы контроля параметров АТП и исследование предложенных методик и алгоритмов.

Для решения поставленных задач использован математический аппарат теории аналитической геометрии и оптики, теории вероятности и математической статистики, теории распознавания образов, обработки и анализа изображений, теории погрешностей и методов статистического моделирования.

Научная новизна работы состоит в следующем: 1. Разработан алгоритм обнаружения и локализации движущихся ТС на последовательности изображений, полученных при помощи одного телевизионного датчика, функционирующий в режиме реального времени в условиях многополосной организации движения и обеспечивающий более высокие показатели эффективности контроля при существенных изменениях в области рабочей сцены, обусловленных временем суток, погодными условиями, появлением новых стационарных объектов в зоне контроля и т.д.

2. Разработан алгоритм классификации ТС, в основе которого лежит сравнение реального изображения ТС с изображениями трехмерных компьютерных моделей ТС, построенных в виртуальном пространстве рабочей сцены, позволяющий осуществлять как частичную (малогабаритные, среднегабаритные, крупногабаритные ТС), так и полную (малогабаритные ТС; легковые автомобили: седан, хэтчбэк, универсал; грузовые автомобили: бортовые грузовики, фургоны, автопоезда; микроавтобусы; однообъемные и двухобъемные автобусы) классификацию.

3. Предложена методика калибровки оптико-электронной системы контроля параметров АТП с одним телевизионным датчиком, основанная на анализе изображений движущихся ТС и отличающаяся от известных методик тем, что не требует размещения калибровочного репера в области рабочей сцены и привязки к специальным разметочным элементам.

4. Разработан алгоритм определения скорости АТП, основе;нный на анализе смещения движущихся в потоке ТС на последовательности изображений, формируемых одним телевизионным датчиком, и функционирующий в режиме реального времени как при однополосной, так и при многополосной организации движения.

Практическая ценность работы заключается в следующем:

1. Даны практические рекомендации по выбору оптической схемы автоматизированной системы контроля параметров АТП, обеспечивающие достижение наилучших показателей функционирования системы при различных условиях организации дорожного движения.

2. Разработано программное обеспечение для экспериментального исследования основных существующих методов обнаружения движущихся объектов на последовательности изображений.

3. Описаны трехмерные компьютерные модели основных типов ТС. Разработано программное обеспечение, позволяющее при помощи средств компьютерной графики получить проекцию на плоскость изображения любой из моделей ТС, построенной в виртуальном пространстве рабочей сцены.

4. Разработано программное обеспечение автоматизированной оптико-электронной системы контроля параметров АТП.

5. Предложенное алгоритмическое и программное обеспечение использовано при проектировании автоматизированной системы контроля движущихся ТС, разработанной Череповецким научным координационным центром РАН по заказу Мэрии г. Череповца для Череповецкого отдела ГИБДД УВД.

6. Результаты диссертации использованы в учебном процессе в Череповецком филиале Санкт-Петербургского государственного технического университета в курсе "Основы построения АСУ" для специальности 220400 - "Программное обеспечение ВТ и АС".

Основные положения диссертационной работы докладывались и обсуждались на Международной конференции "Информационные технологии в производственных, социальных и экономических процессах". (Череповец, 1999), на VII Международной научно-технической конференции «Оптические, радиоволновые, тепловые методы и средства контроля природной среды, материалов и промышленных изделий». (Череповец, 1997), на Международной конференции "Информационные технологии в производственных, социальных и экономических процессах". (Череповец, 1999), на Международной электронной научно-технической конференции "Перспективные технологии автоматизации" (Вологда, 1999), на XIII Межвузовской военно-научной конференции (Череповец, 1999), а также на научно-технических семинарах Череповецкого научного координационного центра РАН в 1997-2000 гг.

По материалам диссертации опубликовано 8 печатных работ.

В структурном отношении диссертационная работа состоит из введения, пяти глав, заключения, списка литературы и приложений.

Заключение диссертации по теме «Системы обработки информации и управления», Еремин, Сергей Николаевич

Выводы по пятой главе.

1. В соответствии с рассмотренными в предыдущей главах алгоритмами, принципами и рекомендациями разработана экспериментальная установка автоматизированной оптико-электронной системы контроля параметров АТП, приведены ее функциональная и структурная схемы.

2. Разработаны методики проведения экспериментальных исследований предложенных алгоритмов. По итогам экспериментов получены следующие результаты: вероятность правильного обнаружения ТС 82 - 96% в зависимости от времени суток и погодных условий; вероятность правильной классификации ТС 90 - 95%; погрешность измерения скорости отдельных ТС не превосходит 10%; погрешность определения интенсивности АТП 1 - 2%; погрешность определения доли ТС определенного типа в АТП составляет 3 - 6%; погрешность измерения скорости АТП составила 1,5%. На основании полученных результатов сделан вывод об обоснованности предложенных в диссертационной работе решений и целесообразности их использования в автоматизированных оптико-электронных системах контроля параметров АТП.

3. Рассмотрены перспективы дальнейшего развития и пути совершенствования алгоритмического и программного обеспечения автоматизированных оптико-электронных систем контроля параметров АТП.

Заключение

В диссертационной работе разработано алгоритмическое и программное обеспечение автоматизированной оптико-электронной системы контроля параметров АТП, обеспечивающей определение интенсивности АТП, доли ТС определенного типа в потоке и измерение скорости АТП, отличающейся от известных аналогов возможностью осуществления комплексного контроля в режиме реального времени при помощи единственного датчика (телекамеры) как в условиях однополосной, так и многополосной организации движения, более высокими техническими характеристиками, удобством при настройке и эксплуатации, за счет использования более эффективных алгоритмов обнаружения, локализации, классификации и измерения скорости, движущихся в потоке ТС, а также новой методики калибровки системы.

Наиболее существенные научные и практические результаты заключаются в следующем:

1. Разработан алгоритм обнаружения и локализации движущихся ТС на последовательности изображений, полученных при помощи одного телевизионного датчика, функционирующий в режиме реального времени в условиях многополосной организации движения и обеспечивающий более высокие показатели эффективности контроля при существенных изменениях в области рабочей сцены, обусловленных временем суток, погодными условиями, появлением новых стационарных объектов в зоне контроля и т.п.

2. Разработан алгоритм классификации ТС, в основе которого лежит сравнение реального изображения ТС с изображениями трехмерных компьютерных моделей ТС, построенных в виртуальном пространстве рабочей сцены, позволяющий осуществлять как частичную (малогабаритные, среднегабаритные, крупногабаритные ТС), так и полную (малогабаритные ТС; легковые автомобили: седан, хэтчбэк, универсал; грузовые автомобили: бортовые грузовики, фургоны, автопоезда; микроавтобусы; однообъемные и двухобъемные автобусы) классификацию.

3. Предложена методика калибровки оптико-электронной системы контроля параметров АТП с одним телевизионным датчиком, основанная на анализе изображений движущихся ТС и отличающаяся от известных методик тем, что не требует размещения калибровочного репера в области рабочей сцены и привязки к специальным разметочным элементам.

4. Разработан алгоритм определения скорости АТП, основанный на анализе смещения движущихся в потоке ТС на последовательности изображений, формируемых одним телевизионным датчиком, и функционирующий в режиме реального времени как при однополосной, так и при многополосной организации движения.

5. Даны практические рекомендации по выбору оптической схемы автоматизированной системы контроля параметров АТП, обеспечивающие достижение наилучших показателей функционирования системы при различных условиях организации дорожного движения.

6. Разработано программное обеспечение для экспериментального исследования основных существующих методов обнаружения движущихся объектов на последовательности изображений.

7. Описаны трехмерные компьютерные модели основных типов ТС. Разработано программное обеспечение, позволяющее при помощи средств компьютерной графики получить проекцию на плоскость изображения любой из моделей ТС, построенной в виртуальном пространстве рабочей сцены.

8. Разработано программное обеспечение автоматизированной оптико-электронной системы контроля параметров АТП.

9. Предложенное алгоритмическое и программное обеспечение использовано при проектировании автоматизированной системы контроля движущихся ТС, разработанной Череповецким научным координационным центром РАН по заказу Мэрии города Череповца для Череповецкого отдела ГИБДД УВД.

10. Результаты диссертации использованы в учебном процессе в Череповецком филиале Санкт-Петербургского государственного технического университета в курсе "Основы построения АСУ" для специальности 220400 - "Программное обеспечение ВТ и АС".

Список литературы диссертационного исследования кандидат технических наук Еремин, Сергей Николаевич, 2000 год

1. A system for measuring and recording data for a motor vehicle., Parra P.S., Международная заявка PCT/WO/21583, 1992.

2. A vehicle detection and identification system., Bell R., Пат. 645420 Австралия, МКИ G 08 G, 1994.

3. Acoustic evaluation process of road vehicles traffic flow., Charlet, Pierre, Jean-Paul, Европейский патент ЕР 0635813, МКИ G 08 G, 1995.

4. Active infrared vehicle detector system., Joynes G.M., Liddel W.J., Заявка 2264411 Великобритания, МКИ G 01 S, 1993.

5. Ali A.T., Dagless E.L. Computer vision-aided road traffic monitoring. //Intelligent Vehicle-Highway Systems (IVHS), Florence, Italy, May 1991 C.55-61.

6. Apparatus for measuring moving state of vehicle in tunnel., Toyama.M., Пат. 5353021 США, МКИ G 08 G, 1994.

7. Appareil de controle automatique de vitesse., Nicole P., Заявка 2687225 Франция, МКИ G 01 S, 1994.

8. Art M., Advanced Image Sensing Methods for Traffic Surveillance and Detection. //California PATH Research Report UCB-ITS-PRR-99-11

9. Betke M., Haritaoglu E. Multiple vehicle detection and tracking in hard real time. //Technical report CS-TR-3667, 1996.

10. Cabestaing F., System real-time extraction and analyzing. //Technical report NB-TR-3667, 1996.

11. Calibration device for a contactless optical device for measuring speed and/or distance travelled., Semmiler F., Semmiler R., Пат. 4344295 ФРГ, МКИ G01 P, 1995.

12. Campbell N.M., Thomas В. Т., Automatic segmentation and classification of outdoor image using neural networks, http: / / www .cs.bris.ac.uk/- campbell /

13. Computerized vehicle classification system., Nunberg В., Пат. 4789941 США, МКИ G 01 S, 1988.

14. Dagless E.L., Ali A.Т. Real-time vision aided traffic monitoring. //Proc. ACEP'92 Workshop, Borowice, Poland, April, 1992.

15. Dailey D.J., Li L. Video image processing to create speed sensor. //ITS Final Research Report 98195-2500, 1999.

16. David G.L., Robust model-based motion tracking through the integration of search and estimation. //International journal of computer vision, August 1992.

17. Davison A.J., Reid I.D., Murray D.W. The active camera as a projective pointing device. //Department of engineering science, University of Oxford, 1995.

18. Device for monitoring disregard of a traffic signal., Toyama Masakazu, Пат. 5432547 США, МКИ H 04 N, 1995.

19. Doppler speed measurement apparatus for security., Preti. J., Европейский патент ЕР 0308324, МКИ G 01 S, 1992.

20. Electronically controlled speed bump device., Jay L., Farmington H., Пат. 5267808 США, МКИ E 01 F, 1993.

21. Faugeras O. Tree Dimensional Computer Vision. //MIT Press, 1993.

22. Friedman N., Russell S. Image segmentation in video sequences: aprobabilistic approach. //Technical report CA94720-17766, 1997.

23. Image processing on the road to IVHS. //Laser and Optron, 1994 -№7 C. 36.

24. Keller D., Weber J. Robust multiple car tracking with occlusion reasoning. //Research Report Berkeley University, 1995.

25. Klein L.A., Kelley M.R., Mills M.K. Traffic detection technologies for modern transportation infrastructur. //Collision avoidance and automated traffic management sensors, 1995, C.99-113.

26. Koller D., Object tracking in road traffic scenes. //International journal of computer vision, 1993, N10, C. 257.

27. Laser-based speed measuring device., Jeremy G., Пат. 5359404 США, МКИ G 01 С, 1994.

28. Luong Q.T., Deriche R., Faugeras O.D. On determining the fundamental matrix: analysis of different methods and experimental results. //Technical report RR-1894, INRIA, 1993.

29. Luong Q.T., Faugeras O.D. Self-calibration of a moving camera from point correspondences and fundamental matrices. //International journal of computer vision, 1993 №1, C. 5-40.

30. Malik J., Russel S. Measuring traffic parameters using video image processing. //Intellemotion, 1997 №1 C. 6-7.

31. Mathur B.P., Stendley D.L., Reinhart C.C., Liu S.C., Wang H.T. Vehicular traffic monitoring system. //Technical report MW73650, 1995.

32. Maybank S.J., Faugeras O.D. A theory of self-calibration of a moving camera. //International journal of imaging system and technology, 1992 №2 C. 380-384.

33. Method and apparatus for measuring traffic flow., Masanori А., Пат. 5402118 США, МКИ E 08 G, 1995.

34. Method and device for measuring the speed of vehicles., Dehl. А. Пат. 3720653 ФРГ, МКИ G 01 P, 1988.

35. Method and device for supervising the speed of an object., Olesen L., Пат. 4214265 США, 1980.

36. Microwave vehicle detector. //Techno Jap, 1992 N8, C. 89.

37. Morring body measuring device., Taniguchi Hiroyasu, Furusawa Haruki, Hatakenaka Jun, Пат. 5396283 США, МКИ H 04 N, 1995.

38. Moving body measuring device and an image processing for measuring traffic flows., Taniguchi H., Furusawa H., Пат. 5313295 США, МКИ H 04 N,1994.

39. Moving images recording device for a red-light monitoring system., Heinz G., Европейский патент ЕР 0593979, МКИ G 08 G, 1994.

40. Moving vehicle identifiation system., Brockelsby W., Walker C., Hryciuk M., Gillis D., Пат. 5196846 США, G 08 G, 1993.

41. Preparation and placing of coaxial piezoelectric sensors in a roadway., Claude M., Пат. 2567550 Франция, МКИ G 08 G, 1986.

42. Remote identification and speed determination system., Kurmick K.F. Kuzmick R.A., Davis W.J., Пат. 5082365 США, МКИ G 01 P, 1992.

43. Road traffic supervision system., Giolli R., Mccormack S., Hitchens D. Пат. 645240 Австралия, МКИ G 08 G, 1994.

44. Roadway treadle switch assembly., Moore С., Пат. 5250769 США, МКИ G 02 В, 1993.

45. Sensor system for detecting road vehicle driving characteristics., Otto Ulrich, Пат. 4429064 ФРГ, МКИ G 08 G, 1995.

46. Single inductive sensor vehicle detection and speed measurement., Hoekman E., Пат. 5278555 США, МКИ G 08 G, 1994.

47. System and method of vehicle detection., Shapiro В., Rosenstock Y., Пат. 5173692 США, МКИ G 08 G,1990.

48. Taktat R., Dufaut M., Analisis and inspection of road traffic using image processing. //Mathematics and computers in simulation. 1996 N41.

49. Tan T.N., Sullivan G.D., Baker K.D., Fast vehicle localisation and recognition without line extraction. //British machine vision conference, 1994.

50. Tan T.N., Sullivan G.D., Baker K.D. On computing the perspective transformation matrix and camera parameters. //British machine vision conference, 1993.

51. Traffic control unit., Gebert R., Maarseveen С., Пат. 93232643, 1994.

52. Traffic monitoring., Ruediger H. G., Пат. 654731 Австралия, G 08 G, 1994.

53. Traffic sur veillance system., Paul H., Virgil О., Пат. 5161107 США, МКИ G 06 F, 1990.

54. Uberwachundsein-richtung., bill E., Poppel G., Заявка 4024462 ФРГ, МКИ G 01 S, 1995.

55. Ultrasonic ground speedometer utilizing Doppler effect., Kobayashi H.: Negeishi M., KimuraT., Пат. 5097453 США, МКИ G 01 S, 1990.

56. Vehicle activity measuring apparatus., Toyama M., Пат. 5590217 США, 1996.

57. Vehicle activity measuring apparatus., Toyama Masakazu, Пат. 5590217 США, МКИ G 06 К, 1996.

58. Vehicle classification system using profile., Kuwagaki H., Пат. 5392034 США, МКИ G 08 G, 1995.

59. Vehicle detection system., Stafford G.P., Justin P.W., Заявка 2266207 Великобритания, МКИ G 01 S, 1993.

60. Vehicle monitoring apparatus., Holtom R., Morcom J., Заявка 266398A Великобритания, МКИ G 08 G, 1994.

61. Vehicle movement measuring apparatus., Toyama Masakazu, Hasegawa Yuji, Пат. 5509082 США, МКИ G 08 G, 1993.

62. Vehicle speed sensor utilizing relationship between vehicle wheel speed and doppler-effect speed. //Mizukoshi Masashi, Ikeda Shinji, Пат. 5583800 США, МКИ G 01 S, 1996.

63. Vehicle type classification within traffic flow-comparing vehicle silhouette with patterns stored in memory., Пат. 4041149 ФРГ, МКИ G 08 G, 1992.

64. Verfahren zum Erkennen von Fahrzeugbewegungen und Verkehrsdichten in Verkehrsuberwachung-sanlagen., Loos R., Заявка 4128312 ФРГ, МКИ G 08 G, 1993.

65. Wee K. L., Risto M. Analyzing scenes in a neural network model of schema-base vision. //Technical report AI94-214, 1994.

66. Young D., Motion, http://www.dai.ed.ac.uk/CVonline, 1994

67. Автомобили мира. //Электронная энциклопедия., 1998.

68. Автомобили России. //Электронная энциклопедия., 1999.

69. Александров П.С. Лекции по аналитической геометрии. М.: Наука, 1968.

70. Бакут П.А., Колмогоров Г.С. Варновицкий И.Э. Сегментация изображений: методы пороговой обработки. //Зарубежная радиоэлектроника, 1987 №10.

71. Беллман Р. Введение в теорию матриц. //Пер. С англ.: Под ред. В.Б. Лидского . М.: Наука, 1976.

72. Боресков A.B., Компьютерная графика. М.: Финансы и статистика, 1996.

73. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров. М.: Наука, 1965.

74. Быстрые алгоритмы в цифровой обработке изображений //Под ред. Т.С. Хуанга. М.: Радио и связь, 1984.

75. Верхаган К., Дейн К., Грун Ф., Распознавание образов: состояние и перспективы. М.: Радио и связь, 1985, С. 103.

76. Горелик A.A. Методы распознавания. М.: Высшая школа, 1989.

77. Грузман И.С. Киричук B.C. Косых В.П. Перетягин Г.И. Спектор A.A., Цифровая обработка изображений в информационных системах. Новосибирск: Изд-во НГТУ, 2000.

78. Дуда Р., Чарт П. Распознавание образов и анализ сцен. М.: Мир, 1976.

79. Еремин С.Н. Автоматизированный контроль параметров транспортных потоков. //Информационные технологии в производственных, социальных и экономических процессах. Материалы конференции. Череповец, 1999, С.37.

80. Еремин С.Н. Применение методов математической морфологии для анализа изображений. //Международная электронная научно-техническая конференция "Перспективные технологии автоматизации" Вологда 1999. С. 119.

81. Иванов В.П., Батраков A.C. Трехмерная компьютерная графика. -М.: Радио и связь, 1995.

82. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. М.: Наука, 1988.

83. Кородюк B.C. Справочник по теории вероятности и математической статистике. М.: Наука, 1985.

84. Дуканин В.Н., Буслаев А.П., Трофименко Ю.В., Яшина М.В. Автотранспортные потоки и окружающая среда. 1998.

85. Малыгин A.A., Еремин С.Н., Рогов В.В. Оптико-электронные методы сбора информации о параметрах движущихся объектов. / /XIII Межвузовская военно-научная конференция. Череповец-1999. Часть 2. С. 23.

86. Плис А.И., Сливина H.A. MathCad: математический практикум. -М.: Финансы и статистика, 1999.

87. Прэтт У. Цифровая обработка изображений. Кн. 1, 2. М.: Мир, 1982.

88. Рогов В.В., Еремин С.Н. Применение нейронных сетей для обнаружения объектов на сложном динамическом фоне. //Международная электронная научно-техническая конференция "Перспективные технологии автоматизации" Вологда 1999. С. 142.

89. Сборник задач по методам вычислений. Под ред. П.И. Монастырского. М.: Наука, 1994.

90. Способ контроля и регистрации движения транспортных средств., Курицин И.И., Рыхлицкий П.И., Пат. 2042211 Россия, МКИ G 08 G

91. Фор К. Восприятие и распознавание образов. М.: Машиностроение, 1989.

92. Фурман Я.А. Юрьев А.Н., Яншин В.В. Цифровые методы обработки и распознавания бинарных изображений Изд-во Красноярского университета, Красноярск, 1992.

93. Хорн Б.К.П. Зрение роботов. М.: Мир, 1989.

94. Царев В.А. Разработка математического и программного обеспечения автоматизированной системы контроля движущихся транспортных средств. / /Диссертация на соискание ученой степени кандидата технических наук. 1998.

95. Шугуров A.M. Автомобили России и СССР М.: ИЛБИ, 1994.

96. Яншин В.В. Анализ и обработка изображений: принципы и алгоритмы. М.: Машиностроение, 1995.

97. Оценка для А2 (рис. 4.10.).