1.2.1. Методы и алгоритмы видеоанализа

Алгоритмы видеоанализа с точки зрения организации вычислительных процессов подразделяют на локальные и нелокальные арифметико-логические преобразования, с точки зрения функциональных этапов — на обучение и распознавание.

С точки зрения соотношения между объемами входной и выходной информации арифметико-логические преобразования подразделяют на функции предварительной обработки изображений и построения описаний. При предварительной обработке объем выходной информации равен объе­му входной (матрица изображения преобразуется в выходную матрицу). Задачами предварительной обработки являются: подавление помех, сглажи­вание, оконтуривание, разделение слипшихся объектов, выделение средин­ных линий объектов.

При построении описаний объем выходной информации значительно меньше объема информации на входе. Основные задачи при построении описаний — выделение интегральных признаков (статических, спектраль­ных и др.) и структурно-синтаксических образов (топологических, грамма­тических).

Рассмотрим локальные и нелокальные преобразования, так как они оп­ределяют аппаратную и программную реализацию вычислительных уст­ройств, осуществляющих сен­сорные функции.

При локальных преобразо­ваниях (рис. 1.12) вычисляемые параметры, т. е. новое значение точки в преобразуемой

входной матрице изображения и размерность изображения ;

(. — размерность изображения), являются ариф­метико-логическими функция­ми значений точек в некоторой локальной окрестности S точки

с координатами (и, /и):

В качестве примеров локальных арифметико-логических операций приведем соотношения, определяющие: сглаживающий фильтр:

и оконтуривающий

Их работа иллюстрируется рис. 1.13.

Результат нелокального преобразования является арифметико-логичес­кой функцией всех точек изображения, т. е.:

Линейные нелокальные преобразования описываются выражением

где — анализируемый объект; — распознающий оператор;

— признак анализируемого изображения; — число распозна­ваемых объектов; S — множество точек изображения, входящих в траекто­рии линейного или полярного сканирования; к — номер признака.

Если множество 5 обра­зовано траекториями линей­ного сканирования, то в об­щем случае признаки не инвариантны к сдвигам, вра­щению и масштабированию. Один из способов получения инвариантного описания со­стоит в организации поляр­ного сканирования (см. рис. 1.14).

Рассмотрим пример воз­можного подхода к построе­ нию инвариантного описания, состоящего из двух операций: вычисление центра тяжести (ЦТ) объекта Q в кадре и выполнение одномерных преобра­зований Фурье по семейству концентрических окружностей с началом ко- > ординат в центре тяжести,

Обоснованность такого подхода определяется тем, что амплитудная характеристика преобразования Фурье не зависит от угловой ориентации и пространственного положения объекта, а также в определенной степени и от масштабирования. Используемое число концентрических окружностей зависит от сложности внутренней структуры объекта, числа распознавае­мых объектов и требуемой помехозащищенности. Информация, содержа­щаяся в фазовой характеристике преобразования, определяет угловую ори­ентацию. Координаты центра тяжести характеризуют положение объекта на плоскости.

Общие требования, предъявляемые к сенсорным системам в РТК и ГАП:

построение на модульной основе;

распознавание должно быть в реальном масштабе времени в соответст­ вии с производственным ритмом (не более 1 с);

распознавание должно быть помехоустойчивым (т. е. не более заданно­ го процента искажений);

надежность должна сочетаться с низкой стоимостью;

реализация динамических задач осуществляется с помощью специаль­ ных аппаратных средств.