6 Исследование системы

6.1 Оценка точности перенацеливания

Рассмотрим расхождения значений положения центра экрана и центра лица, вычисленные при наведении на неподвижный объект.

Отклонение
1.06415
3.70325
4.80161
4.72842
3.26971
8.73123
5.85681
2.43057
1.98102
1.77615
1.58008
3.75018
Среднее отклонение = 3,6394 пикс.

6.2 Проверка на устойчивость к смене освещения

Было проведено 100 испытаний, в ходе которых происходила резкая смена освещения при слежении за объектом. В результате в 94 случая из 100 объект детектировался заново и успешно отслеживался. В 6 случаях и 100 программа не могла заново найти объект.

6.3 Время задержки

Время задержки измерялось с момента подачи команды управления на поворот камеры и до момента появления смещения на изображении:

Данная задержка измерялась на тестируемом оборудовании, где изображение передавалось через локальную сеть, чем и объясняется такая величина. В технической среде, где будет внедрен комплекс, измеренная средняя задержка составила

Данная величина вполне соответствует условиям выполнения в режиме реального времени.

6.4 Устойчивость при частичном перекрытии объекта

В ходе экспериментов было определено, что максимально возможная область перекрытия при устойчивом слежении за объектом получилась .

6.5 Анализ влияния шумов

Рассмотрим видеоизображение, полученное с веб-камеры с разрешением 640x480. Будем вычислять значение заранее заданной неподвижной точки в каждый момент времени и сравнивать ее значение в предыдущий момент. Как наглядно показывают результаты эксперимента на таблице 4, эта разница никогда не равна нулю. К таким зашумленным изображениям целесообразно применять функцию сглаживания для уменьшения влияния шумов и тем самым увеличения точности прогноза.

Таблица 4. Результаты наблюдений

1.02921	0.115829
1.48715	0.295242
1.3222	1.09048
0.992188	0.382339
1.0459	0.894623
1.3714	1.3714
0.786346	1.1476
1.45007	1.28172
1.03217	1.22472
0.734528	0.68219
0.671539	0.737686
1.22433	0.452148
1.21979	0.807755
0.661194	1.25108
= 1.0734 пикс.	=0,8382 пикс.

Из данных результатов можно сделать вывод, что детектирования мелких объектов, а тем более их смещение в таком изображении не будет осуществляться с требуемой точностью

Заключение

В данной работе был разработан программно-аппаратный комплекс, который осуществляет анализ видеоизображения, путем поиска лица человека с помощью алгоритма Виолы-Джонса в режиме реального времени, а затем осуществляет слежение методом пирамидального оптического потока Лукаса-Канаде. В процессе слежения осуществляется движение видеокамеры в сторону движения объекта. Программа была написана на языке C/C++ в среде разработки QT Creator с использованием библиотеки компьютерного зрения OpenCV.

Преимущества разработанной системы:

1. Работа в режиме реального времени

2. Возможность обучить модель на поиск определенного объекта или определенного человека.

3. Устойчивость поиска при смене освещенности

4. Устойчивость слежения при частичном перекрытии объекта (не более чем 50% )

5. Возможность работы с изображением низкого качества

Недостатки:

1. Работа в двумерном пространстве без учета пространственной ориентации объекта.

2. Существенное время задержки получения изображения.

3. Неустойчивость алгоритма слежения к аффинным преобразованиям.

Рекомендации по улучшению работы программно-аппаратного комплекса:

1. Переход от двумерной системы координат к пространственной системе координат.

2. Работа одновременно с двумя и более камерами для создания 3D-модели объекта и распознавание при любой ориентации объекта в пространстве.

3. Улучшение работы алгоритма слежения за объектом путем учета аффинных преобразований

4. Для повышения быстродействия и сокращения времени отклика программы рекомендуется распараллеливание вычислений алгоритмов.