Название компании
АНАЛИЗ СОВРЕМЕННЫХ РАЗРАБОТОК В ОБЛАСТИ РАСПОЗНАВАНИЯ ОБЪЕКТОВ НА ОСНОВЕ АНАЛИЗА ВИДЕОПОТОКА В РЕАЛЬНОМ ВРЕМЕНИ
УДК 004.81
Аверченков А.В., доктор технических наук, доцент
ФГБОУ ВО «Брянский государственный инженерно-технологический университет»
Россия, г. Брянск
Абрамов М.В., магистр по направлению
«Интеллектуальные системы и технологии»,
аспирант ФГБОУ ВО «Брянский государственный инженерно-технологический университет»
Россия, г. Брянск
Статья посвящена анализу научных работ и современных разработок в области распознавания объектов в реальном времени. Кроме того, в статье рассматривается анализ совершенствования систем контроля и управления доступом. Обеспечение безопасности граждан на основе симбиоза модификаций СКУД и распознавания потенциально опасных объектов. Приведен анализ существующих решений и выдвинута гипотеза дальнейшего совершенствования представленных систем.
Ключевые слова: распознавание объектов, анализ видеоряда, пространственно-временной анализ, биометрические параметры, системы контроля и управления доступом, обеспечение безопасности, потенциально опасные объекты, сегментация видеоданных
The article is devoted to the analysis of scientific works and modern developments in the field of object recognition in real time. In addition, the article discusses the analysis of improving access control and management systems. Ensuring the safety of citizens based on a symbiosis of ACS modifications and recognition of potentially dangerous objects. The analysis of existing solutions is given and the hypothesis of further improvement of the presented systems is put forward.
Keywords: object recognition, video sequence analysis, spatio-temporal analysis, biometric parameters, access control and management systems, security, potentially dangerous objects, segmentation of video data.
Одной из самых востребованных задач в современной науке и инженерии является задача распознавания объектов. Решать данную задачу необходимо, в частности, для повышения качества медицинского обслуживания (анализ медицинских снимков), для исследования труднодоступных объектов и территорий (анализ космических снимков) и окружающей среды (распознавание лесных пожаров), а также для помощи людям с ограниченными возможностями (распознавание жестов). Однако, в связи с последними геополитическими событиями решение вышеуказанной задачи жизненно необходимо в такой сфере, как обеспечение общественной безопасности, в частности безопасности сотрудников и обучающихся образовательных учреждений. Причём в данном случае целесообразно говорить о распознавании и лиц, и объектов, представляющих реальную угрозу.
В настоящее время разработано и предложено достаточно много алгоритмов распознания. Постепенно, шаг за шагом каждый из них находит применение в самых различных системах, используемых как в производственной, так и в социальной сфере, однако разработанные системы всё еще далеки от зрительных возможностей человека и без сомнения требуют доработки у улучшения.
Проблема распознавания образов и объектов была отражена во множестве научных работ, направленных на решение различного спектра задач. В работе «Системы контроля и управления доступом с применением алгоритмов пространственно-временного анализа изображений» за авторством Тхет Наинг Вин предложена концепция построения интегрированной системы контроля и учета доступа на объект, предусматривающая создание распределенного аппаратно-программного комплекса сбора антропо-биометрических параметров, формирования баз данных эталонных изображений, позволяющая сократить вычислительную сложность и повысить достоверность распознавания сотрудников конкретного объекта[1].
Сравнение различных алгоритмов показало, что нейронные сети позволяют оперировать большими объемами данных и вычислений, потребность в которых возникает при обеспечении безопасности на различных объектах. Несмотря на высокие требования к производительности систем подобного типа, существует множество различных готовых систем, таких как NtechLab, VOCORD и Visionlabs, которые, однако, имеют высокую стоимость. Алгоритм LBP – это уникальный метод, который используется для извлечения признаков лица. По результатам сравнения трех методов был выделен алгоритм LBP, результат работы которого отличался более высоким качеством распознавания.
Использование комбинации алгоритмов распознавания в системах автоматического управления и контроля допуском позволит повысить достоверность распознавания и уменьшить ошибки в работе систем контроля допуском[2].
На основании проведенного анализа указанной работы необходимо сделать вывод о том, что работа имеет ряд недостатков, а именно: количество лиц, распознаваемых системой строго ограничено, а также разработанная система не имеет функции распознавания объектов, несущих потенциальную опасность.
В работе «Предварительная обработка и анализ цифровых изображений, полученных в условиях недостаточной освещенности» за авторством А.Д. Хрящева сформирована процедура обработки и оценки качества изображений, выполняющая визуализацию, трансформацию и анализ информации по гистограммам яркостей и контрастов, позволяющая оценить абсолютную степень контрастности, определить наиболее подходящую модель шума.[3] [2] Кроме того, в указанной работе разработана методика обработки изображений путем адаптивной низкочастотной фильтрации, позволяющая существенно повысить качество изображения, отличающаяся применением низкочастотных фильтров в зависимости от типа шума на изображении[4]. [2]
Было проведено исследование изображений, полученных в условиях недостаточной освещенности, которое позволило определить основные характеристики и недостатки темных изображений, поставлена задача повышения качества темных изображений, рассмотрены стандартные алгоритмы анализа и повышения качества изображений, выявлены их достоинства и недостатки.
В результате экспериментальной проверки предлагаемых низкочастотных фильтров было установлено, что изображения, отфильтрованные предлагаемым фильтром, содержат более широкий диапазон яркостей, чем изображения, обработанные фильтром Гаусса[5]. [2] Автор акцентировал внимание на повышение качества обработки изображений при недостаточной освещенности, что в свою очередь является эффективным инструментом при распознавании объектов в СКУД в режиме реального времени.
М.В. Шевцов в работе «Система мониторинга пожарной и медико-экологической безопасности с использованием анализа видеоданных с беспилотных летательных аппаратов» отмечает, что большой поток видеоданных требует значительных ресурсов для его обработки, что вызывает необходимость автоматизации процесса классификации снимков из потока видеоданных с целью сокращения анализируемого информационного потока у операторов[6]. [3]
На основании анализа проблемы автором был разработан метод сегментации видеоданных, заключающийся в сегментации снимка видеоряда на прямоугольные сегменты, селекцию сегментов на ROI и НЕ ROI, с последующим формированием из сегментов ROI трех цветовых каналов, отличающийся тем, что решение о принадлежности сегмента к конкретному классу принимается независимо в каждом канале нейронной сетью с линейной функцией активации, с последующей агрегацией этих решений многослойным персептроном с нелинейной функцией активации, позволяющий повысить оперативность анализа данных в видеопотоке.
Ю.А. Болотова в работе «Алгоритмы обработки и анализа изображений иерархической временной сетью» впервые предложила эволюционный способ автоматической настройки параметров иерархической временной сети, позволивший повысить точность распознавания объектов на изображениях и видео, а также разработала алгоритм временной группировки, отличающийся от исходных тем, что основан на объединении пространственных центров с учетом их внутригрупповых связей, что позволяет эффективнее формировать временные группы и, благодаря этому, увеличить точность распознавания объектов иерархической временной сетью на 3%[7]. [4]
Подводя итог вышесказанному необходимо сделать ряд определённых выводов.
Проблемой распознавания образов на основе анализа видеоряда в реальном времени занимались множество учёных и разработчиков, ввиду важности и актуальности данного направления в современной науке и инженерии. За последние 15 лет было предложено несколько оригинальных решений по усовершенствованию существующих систем обработки видеоряда, однако стоит отметить, что ряд предложенных новшеств на современном этапе развития технических и программных средств утратили свою актуальность.
Системы контроля и управления доступом также попадали в поле зрения современных ученых. Однако основной задачей модификации указанных систем являлось повышение качества распознавания образов лиц, требующих доступ на объект, зачастую предприятие или коммерческую организацию. Однако современные политические реалии требуют в первую очередь обеспечить безопасность незащищенных групп граждан, в частности детей, обучающихся в образовательных учреждениях.
В связи с вышеизложенным встает острая необходимость в разработке принципиально новой модели и алгоритмов модификации базовой системы СКУД для обнаружения опасных предметов на основе анализа видеоряда в реальном времени, отвечающих современных техническим и программным стандартам, в целях обеспечения безопасности граждан при посещении различного рода образовательных, социальных и иных учреждений.
Использованные источники:
1. Тхет Наинг Вин, «Системы контроля и управления доступом с применением алгоритмов пространственно-временного анализа изображений», автореферат, Москва, 2014 г.
2. А.Д. Хрящева, «Предварительная обработка и анализ цифровых изображений, полученных в условиях недостаточной освещенности», автореферат, Астрахань, 2014 г.
3. М.В. Шевцов, «Система мониторинга пожарной и медико-экологической безопасности с использованием анализа видеоданных с беспилотных летательных аппаратов», автореферат, Москва, 2022 г.
4. Ю.А. Болотова, «Алгоритмы обработки и анализа изображений иерархической временной сетью», автореферат, Томск, 2013 г.
[1] Тхет Наинг Вин, «Системы контроля и управления доступом с применением алгоритмов пространственно-временного анализа изображений», автореферат, Москва, 2014 г.
[2] Тхет Наинг Вин, «Системы контроля и управления доступом с применением алгоритмов пространственно-временного анализа изображений», автореферат, Москва, 2014 г.
[3] А.Д. Хрящева, «Предварительная обработка и анализ цифровых изображений, полученных в условиях недостаточной освещенности», автореферат, Астрахань, 2014 г.
[4] А.Д. Хрящева, «Предварительная обработка и анализ цифровых изображений, полученных в условиях недостаточной освещенности», автореферат, Астрахань, 2014 г.
[5] А.Д. Хрящева, «Предварительная обработка и анализ цифровых изображений, полученных в условиях недостаточной освещенности», автореферат, Астрахань, 2014 г.
[6] М.В. Шевцов, «Система мониторинга пожарной и медико-экологической безопасности с использованием анализа видеоданных с беспилотных летательных аппаратов», автореферат, Москва, 2022 г.
[7] Ю.А. Болотова, «Алгоритмы обработки и анализа изображений иерархической временной сетью», автореферат, Томск, 2013 г.
