Метод и алгоритмы стилизации изображения в цифровых системах охранного телевидения тема диссертации и автореферата по ВАК РФ 05.12.04, кандидат технических наук Никитин, Руслан Владимирович

• Никитин, Руслан Владимирович
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Никитин, Руслан Владимирович

Введение.

1. Системы охранного телевидения.

1.1. Структура систем охранного телевидения.

1.2. Современные системы охранного телевидения.

1.3. Специфика систем охранного телевидения.

1.4. Проблемы современных систем охранного телевидения.

1.5. Выводы по главе.

2. Метод стилизации изображения.

2.1. Особенности зрительной системы человека.

2.2. Процесс анализа оператором изображения в системах охранного телевидения.

2.3. Определение и метод стилизации изображения.

2.4. Выводы по главе.

3. Алгоритмы стилизации изображения.

3.1. Классификация алгоритмов сегментации изображения.

3.2. Комбинированный алгоритм сегментации изображения.

3.2.1. Дискретное wavelet-преобразование.

3.2.2. Определение контуров изображения.

3.2.3. Алгоритм сегментации watershed.

3.2.4. Описание комбинированного алгоритма сегментации.

3.3. Моделирование операций зрительной системы человека по выделению и подчеркиванию простых признаков изображения.

3.4. Алгоритм стилизации изображения для задачи 86 идентификации движения.

3.5. Алгоритм стилизации изображения для задачи идентификации сцен.

3.6. Сегментация изображения с помощью межкадровой разности.

3.7. Практическое использование метода стилизации изображения для задач идентификации движения и идентификации сцен.

3.8. Выводы по главе.

4. Экспериментальное исследование метода стилизации изображения.

4.1. Экспериментальное исследование метода стилизации изображения для задачи идентификации движения.

4.2. Экспериментальное исследование метода стилизации изображения для задачи идентификации сцен.

4.3. Статистический анализ результатов экспериментов.

4.4. Выводы по главе.

Введение диссертации (часть автореферата) на тему «Метод и алгоритмы стилизации изображения в цифровых системах охранного телевидения»

Рассматривая довольно короткую еще историю человечества в 21-ом веке, приходится констатировать, что одной из характерных черт данного времени является не улучшающаяся криминалистическая обстановка в обществе, поэтому охранные системы в целом и системы охранного телевидения (СОТ) в частности являются востребованными в наивысшей степени.

Ведущие фирмы Российской Федерации и мира занимаются разработкой СОТ: ФГУП «НИИТ», ЗАО «INFOPRO», Группа компаний ИСТА, ITV, ЗАО «ЭВС», Bosch Security Systems, Panasonic, Axis Communications, SANYO VIDEO Vertrieb AG и др.

Значительный вклад в развитие, совершенствование теории и практики СОТ внесли отечественные и зарубежные ученые: А.К. Цыцулин [37], Л. Л. Полосин [47], Б.С. Тимофеев [40], [53], А.Н. Куликов [29], V. Damjanovski [15], [67] и др.

В настоящее время в сфере СОТ на фоне интенсивного технического прогресса уделяется незаслуженно мало внимания такой области, как психофизиология восприятия изображения оператором СОТ. В Российской Федерации регламентация функционирования СОТ осуществляется ГОСТом Р 51558-2000 "Системы охранные телевизионные" [12]. Данные требования носят общий характер и не учитывают криминалистические рекомендации по получению и записи изображений. Однако любые СОТ по-прежнему основываются на способности операторов обнаруживать и идентифицировать происшествия, а их физические возможности не безграничны.

Большинство СОТ управляется коллективом операторов, которые смотрят на «видеостены» (совокупность мониторов, воспроизводящих разнородную информацию). При этом люди устают и, кроме того, зрительный аппарат человека не в состоянии быстро выявить мелкие изменения картины такие, как оставленный кейс или пакет. Необходимо также принимать во внимание фактор недобросовестности операторов СОТ -зачастую, несмотря на установку большого количества телевизионных камер (ТК) с целью максимального охвата территории наблюдения, в действительности оператор СОТ может тщательно не контролировать сектор, за который несет ответственность. Кроме того, иногда невозможно обеспечить нужное количество операторов для просмотра изображения со всех установленных ТК. Следовательно, видеоданные от многих ТК пропадают. Более того, основная часть передаваемого на мониторы изображения не имеет никакого значения, а иногда даже не имеет никакого отношения к тем рискам, которые характерны для данного объекта. Согласно статистическим исследованиям [26], только около 20% видеозаписей подходят для криминалистического анализа, а 80% имеют настолько плохое качество, что практически не имеет смысла заниматься их исследованием.

Таким образом, можно предположить, что использование некоего специального метода обработки изображения (метода стилизации изображения) сконцентрирует внимание оператора СОТ на самых существенных, самых информативных подробностях наблюдаемого изображения в контексте решаемой задачи.

Стилизация изображения приведет к снижению времени реакции оператора на нештатную ситуацию и обеспечит принятие наиболее целесообразных мер защиты и противодействия возникающим обстоятельствам. Следовательно, повысится эффективность работы оператора СОТ. Поэтому разработка методов стилизации изображения для систем охранного телевидения является актуальной.

Цель и задачи работы. Целью работы является разработка метода и алгоритмов обработки (стилизации) изображения в цифровых СОТ для сокращения времени опознавания объектов оператором при решении задач идентификации движения и идентификации сцен.

Для достижения указанной цели требуется решение следующих задач:

1. Анализ специфических особенностей СОТ.

2. Анализ особенностей механизма зрительного восприятия изображения человеком.

3. Разработка метода стилизации изображения для задач идентификации движения и задач идентификации сцен.

4. Разработка алгоритмов стилизации изображения для задач идентификации движения и задач идентификации сцен.

5. Проведение экспериментальных исследований, оценивающих эффективность разработанного метода стилизации изображения.

Методы исследования. В диссертации использованы методы теории зрительного восприятия, математического аппарата теории вероятностей, теории wavelet-анализа, теории дискретных сигналов, цифровой обработки изображений. Экспериментальная часть исследования базировалась на обработке и анализе цифровых изображений с помощью ПЭВМ с последующей численной и визуальной оценкой результатов. Для программной реализации разработанных алгоритмов использовались системы математического моделирования Mathcad и MATLAB.

Научная новизна диссертационной работы состоит в следующем:

1. Разработан метод стилизации изображения в СОТ для решения задач идентификации движения и идентификации сцен, моделирующий операции зрительной системы человека по выделению и подчеркиванию простых признаков изображения (контуры, сегменты).

2. Предложено использовать сегментацию изображения при реализации метода стилизации изображения в СОТ для решения задач идентификации движения и идентификации сцен.

3. Разработан комбинированный алгоритм сегментации изображения на основе wavelet-преобразования с использованием детектора контуров Канни и алгоритма сегментации watershed.

Научные положения, выносимые на защиту:

1. Сегментация изображения комбинацией алгоритмов: дискретного wavelet-преобразования, детектора контуров Канни, сегментации watershed позволяет моделировать операции выделения и подчеркивания простых признаков изображения в зрительной системе человека.

2. Решение задачи идентификации движения по сегментированному изображению позволяет уменьшить время опознавания объектов.

3. Решение задачи идентификации сцен по изображению, подвергнутому сегментации и ранжированию сегментов по среднему значению их детализирующих wavelet-коэффициентов, позволяет уменьшить время опознавания объектов сцены.

Практическая ценность диссертационной работы:

1. Разработанный метод и соответствующий алгоритм стилизации изображения для задачи идентификации движения позволяет сократить время опознавания объектов оператором СОТ на изображении в среднем в 2 раза.

2. Разработанный метод и соответствующий алгоритм стилизации изображения для задачи идентификации сцен позволяет сократить время опознавания объектов оператором СОТ на изображении в среднем в 1,4 раза.

3. Применение разработанного метода стилизации изображения в СОТ повышает эффективность работы оператора и позволяет либо сократить число рабочих мест операторов при сохранении числа ТК, либо увеличить число ТК при сохранении числа рабочих мест операторов.

Личный вклад. Включенные в диссертацию материалы получены лично автором: метод стилизации изображения, основанный на сегментации изображения; комбинированный алгоритм сегментации изображения на основе wavelet-преобразования с использованием детектора контуров Канни и алгоритма сегментации watershed; алгоритмы стилизации изображения для задач идентификации движения и идентификации сцен. Экспериментальные исследования разработанного метода стилизации проведены лично автором.

Реализация результатов работы. Результаты теоретических и прикладных исследований, полученные в работе, использованы при выполнении научно-исследовательской работы «Исследование методов и алгоритмов обработки информации в интегрированном комплексе разнородных PJTC и телевизионной аппаратуры видимого и инфракрасного диапазонов», проводимой в СПбГЭТУ «ЛЭТИ».

Разработанный метод и алгоритмы стилизации изображения для задач идентификации движения и идентификации сцен в СОТ внедрены в:

1. ЗАО «INFOPRO», г. Москва: системы охранного телевидения для Смоленского областного управления федерального казначейства и завода «Ситал»; телевизионная система видеонаблюдения «Город» для г. Смоленск.

2. Главное управление Центрального банка РФ по Смоленской области: специализированное программное обеспечение для системы телевизионной охраны и наблюдения.

Апробация работы. Результаты работы, полученные на различных стадиях ее выполнения были доложены автором на следующих конференциях:

1. 59-61 научно-технические конференции НТО РЭС им. А.С. Попова, СПб, 2004 - 2006 гг.

2. 3-я международная конференция «Телевидение. Передача и обработка изображений», СПб, 2005.

3. Конференция профессорско-преподавательского состава СПбГЭТУ «ЛЭТИ», СПб, 2006 г.

4. 12-я международная научно-техническая конференция студентов и аспирантов «Радиоэлектроника, электротехника и энергетика», Москва, 2006 г. и получили положительную оценку.

Достоверность полученных результатов обеспечена: 1. Их базированием на известных концепциях теории зрительного восприятия, математического аппарата теории вероятностей, теории wavelet-анализа, теории дискретных сигналов, цифровой обработки изображения. 2. Применением известных методов исследования, и подтверждена:

1. Результатами экспериментов по оценке эффективности разработанного метода и алгоритмов стилизации.

2. Апробацией и публикацией полученных результатов.

Публикации. По теме диссертации опубликовано 5 научных работ, из них - 1 статья и 4 работы в материалах международных и российских научно-технических конференций.

Во время обучения в аспирантуре автором была пройдена учебно-производственная практика по теме диссертации на предприятии SANYO VIDEO Vertrieb AG, Германия, г. Аренсбург. По завершению практики был получен положительный отзыв-характеристика.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 84 наименования, и двух приложений. Основная часть работы изложена на 119 страницах. Диссертация содержит 38 рисунков и 4 таблицы.

Заключение диссертации по теме «Радиотехника, в том числе системы и устройства телевидения», Никитин, Руслан Владимирович

Основные результаты диссертационной работы состоят в следующем:

1. С целью повышения эффективности работы оператора СОТ, которая заключается в сокращении времени опознавания оператором объектов на изображении при решении задач идентификации личности и идентификации сцен, предложено использовать стилизацию изображения.

2. Разработан метод стилизации изображения в СОТ для задач идентификации движения и идентификации сцен, основным элементом которого является сегментация изображения.

3. Разработанный метод стилизации изображения моделирует операции по выделению и подчеркиванию простых признаков изображения, выполняемых зрительной системой человека.

4. Разработан комбинированный алгоритм сегментации изображения на основе wavelet-преобразования с использованием детектора контуров Канни и алгоритма сегментации watershed.

5. Разработан алгоритм стилизации изображения для задачи идентификации движения в СОТ. Алгоритм заключается в предоставлении оператору для анализа сегментированного изображения, за счет чего достигается повышение заметности движения на изображении. Применение разработанного алгоритма в рамках поставленных экспериментов приводит к сокращению времени опознавания объектов оператором СОТ на наблюдаемом изображении в среднем в 2 раза.

6. Разработан алгоритм стилизации изображения для задачи идентификации сцен в СОТ, который заключается в предварительной сегментации и предъявлении оператору для анализа изображения, области которого, пространственно соответствующие полученным сегментам, подвергнуты операции ранжирования по среднему значению их детализирующих wavelet-коэффициентов, за счет чего повышается различимость объектов, из которых состоит наблюдаемая сцена. Данная обработка привела в условиях поставленных экспериментов к сокращению времени опознавания объектов оператором СОТ на наблюдаемом изображении в среднем в 1,4 раза.

7. Экспериментальные исследования подтвердили эффективность разработанного метода и алгоритмов стилизации.

Список литературы диссертационного исследования кандидат технических наук Никитин, Руслан Владимирович, 2006 год

1. Арнхейм, Р. В защиту визуального мышления. Пер. с англ. - М.: Прометей, 1994.-280 с.

2. Арнхейм, Р. Визуальное мышление. -М.: Изд-во МГУ, 1981. 131с.

3. Арнхейм, Р. Искусство и визуальное восприятие. Сокр пер. с англ. В.Н. Самохина. - М.: Прогресс, 1974. - 392 с.

4. Белей, А. Сетевые камеры в телевизионных системах безопасности. // URL: http://daily.sec.ru/dailypblshow.cfm?rid=8&pid=8751&pos=6&stp=10

5. Брунер, Дж. Психология познания. М.: Прогресс, 1977. - 325 с.

6. Веккер, JT.M. Восприятие и основы его моделирования. Л.: ЛГУ, 1964. -194 с.

7. Воробьев, В.И., Грибунин, В.Г. Теория и практика вейвлет-преобразования. СПб.: ВУС, 1999.-204 с.

8. Глезер, В.Д. Зрение и мышление 2-е изд., испр. и доп. СПб.: Наука, 1993. -283 с.

9. Глезер, В.Д. Механизмы опознания зрительных образов. Л.: Наука, 1966 -204 с.

10. Ю.Глезер, В.Д. Переработка информации в зрительной системе. Л.: Наука, 1982.- 167 с.

11. Глезер, В.Д., Цуккерман, И.И. Информация и зрение. М.: Изд-во АН СССР, 1961.-241 с.

12. Гост Р 51558-2000. Системы охранные телевизионные. Введ. 2001-01-01. -М.: Госстандарт России: Изд-во стандартов, 2001. - IV, 27 с.

13. Грановская, P.M. Восприятие и признаки формы. М.: Наука, 1981. - 205 с.

14. Грановская, P.M. Элементы практической психологии. СПб.: Свет, 1997. -608 с.

15. Дамьяновски, В. CCTV. Библия охранного телевидения. М.: ISS-Press, 2003.-344 с.

16. Дамьяновски, В. Видеорегистратор Dallmeier DMS 180 III. // CCTV Фокус. -2003.-№5.-С. 30-38.

17. Демидов, В.Е. Как мы видим то, что видим : 2-е изд., перераб. и доп. М.: Знание, 1987.-237 с.

18. Добеши, И. Десять лекций по вейвлетам. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. - 464 с.

19. Дуда, Р., Харт, П. Распознавание образов и анализ сцен. М.:МИР, 1976. -511 с.

20. Дьяконов, В. П. Вейвлеты. От теории к практике. М.: COJIOH-Пресс, 2004. - 400 с.

21. Зворыкин, В.К., Мортон, Д.А. Телевидение / ред. Ю.А. Могилевский. М.: Изд. иностранной литературы, 1956. - 780 с. - Библиогр. : с. 753 - 764.

22. Ковалев, М. С. Устройства управления и коммутации видео-сигналов: рекомендации по выбору и применению // Системы безопасности, связи и телекоммуникаций. 2000. - №35. С. 20-23.

23. Колпаков, А. Цифровые (компьютерные) системы видеоконтроля. Критерии сравнения и выбора // URL: http://daily.sec.ru/dailypblshowxfm?rid=8&pid=4236&pos=l&stp=50

24. Котельников Р.Б. Анализ результатов наблюдений. М.: Энергоатомиздат, 1986.- 142 с.

25. Красильников, Н.Н. Теория передачи и восприятия изображений. М.: Радио и связь, 1986. - 246с.

26. Крейг, Д. Применение видеонаблюдения может быть как неудачным, так и успешным выводы британского исследования. II Security News. - 2005. -№4 (9).-С. 5.

27. Крутц, О. Цифровые видеорегистраторы и кассетные видеорегистраторы с прерывистой записью сигнала: история и текущее состояние вопроса // URL: http ://daily. sec .ru/dailypblsho w.cfm?rid=8&pid=5 571 &pos= 1 &stp=5 0

28. Кто придумал первую сетевую телекамеру? // CCTV Фокус. 2004. - №5. -С. 14-16.

29. Куликов, А.Н. Определение реальной разрешающей способности телевизионной камеры // URL: http://www.evs.ru/publl .php?st=5

30. Ли, Д., Адаме, Б. Сравнение характеристик цифровых видеорегистраторов и кассетных видеорегистраторов с прерывистой записью сигнала // URL: http://daily.sec.ru/dailypblshow.cfm?rid=8&pid=5572&pos=l&stp=50

31. Ллойд, Дж. Системы тепловидения. -М.: Мир, 1978. 414 с.

32. Маар, Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов. Пер. с англ. - М.: Радио и связь, 1987. -320 с.

33. Мейер, Б. Мир становится цифровым. // CCTV Фокус. 2003. -№1. - С. 13-15.

34. Мейер, Б. Мир становится цифровым. // CCTV Фокус. 2003. -№2. - С. 40-42.

35. Мейер, Б. Новые горизонты CCTV. // CCTV Фокус. 2003. - №3. - С. 30 - 32.

36. Никитин, В. В., Цыцулин, А. К. Телевидение в системах физической защиты: учеб. пособие / СПб. гос. электротехн. ун-т «ЛЭТИ» СПб.: «ЛЭТИ», 2001.-132 с.

37. Никитин, Р.В. Оценка качества изображения в системах телевизионного наблюдения // Изв. СПБГЭТУ «ЛЭТИ». Сер. Радиоэлектроника. 2006. -Вып. 1.-С. 3-6.

38. Нильсон, Ф. Десять мифов сетевого видеонаблюдения. // CCTV Фокус. -2003.- №5. С. 10-12.

39. Первый чип для сжатия изображения в формате JPEG2000. // CCTV Фокус.2003.-№1.-С. 12-13.

40. Подольский, А.И. Формирование симультивного опознавания. М.: Изд-во МГУ, 1978.- 151 с.

41. Поликар, Р. Введение в вейвлет-преобразование. Пер. с англ. В. Г. Грибунин // URL: http://www.autex.spb.ru/download/wavelet/books/tutorial.pdf

42. Полосин, JI.JI. Цифровые системы вещательного телевидения: учеб. пособие / Балт. гос. техн. ун-т СПб.: БГТУ, 2004. - 120 с. - Библиогр. : с. 118.

43. Распознавание лиц технология нашего века. // Hi-Tech Security. - 2006. -№2.-С. 18-24.

44. Рубахин, В.Ф. Психологические основы обработки первичной информации. -Л.: Наука, 1974.-296 с.

45. Рыфтин, Я. А. Телевизионная система. Теория. М.: Советское радио, 1967. - 272 с.

46. Системы распознавания лиц и суровая действительность. // CCTV Фокус.2004. -№6. С. 52-53.

47. Скранжевский, О. Е. Передача видеоизображения по витой паре // URL: http://daily.sec.ru/dailypblshow.cfm?rid=8&pid=4322&pos=l&stp=50

48. Тимофеев, Б.С. Видеокомпьютерные системы для наблюдения за движущимися объектами // Изв. вузов России. 2003. - Вып. 4 : Радиотехника. - С. 32-44. - Библиогр.: с. 43 - 44.

49. Уваров, Н. Е. Визуальная обстановка в системах телевизионного наблюдения // URL: http://daily.sec.ru/dailypblshow.cfm?rid=8&pid=4212&pos=l&stp=50&cd=5&c ш=6&су=2002

50. Уваров, Н.Е. Цифровая обработка изображений в телевизионных системах наблюдения и охраны. // CCTV Фокус. 2004. - №3. С. 56-61.

51. Файн, B.C. Опознавание изображений. М.: Наука, 1970. - 295 с.

52. Цифровая архитектура цифровых систем видеонаблюдения. // CCTV Фокус. -2004.-№5.-С. 70-74.

53. Цифровая видеозапись как доказательство. // CCTV Фокус. 2004. - №12. -С. 77 - 84.

54. Цифровое преобразование изображений: учеб. пособие для вузов / Р. Е. Быков и др. М.: Горячая линия-Телеком, 2003. - 228 с.

55. Цифровой видеорегистратор DVI Linux. // CCTV Фокус. 2003. - №5. - С. 24-29.

56. Цифровые видеорегистраторы Mitsubishi Electric. // CCTV Фокус. 2004. -№1,-С. 36-45.

57. Чуи, Ч. Введение в вейвлеты. Пер. с англ. - М.: Мир, 2001. - 412 с.

58. Canny, J., A Computational Approach То Edge Detection. // IEEE Trans., Patt. Anal. Mach. Intell. 1986. - Vol. 8. - P. 679 - 714.

59. Chen, C., Pavlidis, T. Image Segmentation as an Estimation Problem. // Computer Graphics and Image Processing. 1980. - №12 (2). - P. 153 - 172.

60. Constant, M., Turnbull P. The principles and practice of closed circuit television. Borehamwood: Paramount published, 1994. - 337 p.

61. Constant, M. Guidelines for identification // URL: www.cctv-information.co.uk/constant/identification.html

62. Damjanovski, V. CCTV Networking and digital technology. Second Edition. -New York: Elsevier, 2005. - 578 c.

63. Duda, R. O., Hart, P. E. Use of the Hough Transformation to Detect Lines and Curves in Pictures. // Communication of the ACM. 1972. - №15(1). - P. 11 -15.

64. Fukada, Y. Spatial Clustering Procedures for Region Analysis. // Pattern Recognition. 1980. - №12. - P. 395 - 403.

65. Grossman, A., Morlet, J. Decomposition of Hardy functions into square integrable wavelets of constant shape. // Math. Anal. 1984. - №15 (4). - P. 723 - 736.

66. Haralick, R. M., Shapiro, L. G. Image Segmentation Techniques. // Computer Vision, Graphics, and Image Processing. 1985. - №29 (1). - P. 100 - 132.

67. Illingworth, J., Kittler, J. A Survey of the Hough Transform. // Computer Vision, Graphics and Image Processing. 1988. - №44(1). - P. 87 - 116.

68. ISO/IEC 15444-1. Information technology JPEG 2000 image coding system: Core coding system, 2004.

69. Pavlidis, T. Algorithms for Graphics and Image Processing. Rockville: Computer Science Press, 1982. - 416 p.

70. Peer Group Filtering and Perceptual Color Image Quantization / Y. Deng et al.: proceedings of 1999 IEEE international symposium Circuits and Systems Orlando, 30 May 2 June. 1999. - vol. 4. - Orlando: 1999. - P. 21 - 24.

71. Petrou, M., Shafarenko L., Kittler J. Automatic watershed transformation of randomly textured color images. // IEEE Trans., Image Processing. 1997. - Vol. 6, №11.-P. 1530- 1544.

72. Pierce, Ch. CCTV Basics // URL: http://www.ltctrainingcntr.com

73. Pratt, W. K. Digital image processing. Third Edition. - New York: John Wiley & Sons, 2001.-735 p.

74. Validity-guided (Re)Clustering with application to image segmentation / A. M. Bensaid et al. // IEEE Trans, Fuzzy Systems. 1996. Vol. 4. - P. 112 - 123.

75. Vincent, L, Soille P. Watersheds in digital spaces: an efficial algorithm based on immersion simulations. // IEEE Trans, Pattern Anal. Machine Intell. 1991. -Vol. 13, №6.-P. 583 -598.

76. Visual Perception of Objects // URL: http://www.physpharm.fmd.uwo.ca/undergrad/sensesweb/

77. Xie, X. L, Beni, G. A. Validity measure for fuzzy clustering. // IEEE Trans, PAMI. 1991. - Vol. 8, №3. - P. 841 - 846.