eng
Выпуск #3/2020
Ю.Синицын
РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ВИДЕОНАБЛЮДЕНИЯ НА ОСНОВЕ ТЕХНОЛОГИИ ОТСЛЕЖИВАНИЯ НЕСКОЛЬКИХ ОБЪЕКТОВ
РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ВИДЕОНАБЛЮДЕНИЯ НА ОСНОВЕ ТЕХНОЛОГИИ ОТСЛЕЖИВАНИЯ НЕСКОЛЬКИХ ОБЪЕКТОВ
Просмотры: 1895
DOI: 10.22184/2070-8963.2020.88.3.68.71
Предложен способ решения задачи выявления нескольких объектов в системе видеонаблюдения. Расчет их месторасположения основан на методе расширения спектра (способ повышения эффективности передачи информации с помощью модулированных сигналов через канал, увеличивающий базу сигнала) методом линейной частотной модуляции (CSS).
Предложен способ решения задачи выявления нескольких объектов в системе видеонаблюдения. Расчет их месторасположения основан на методе расширения спектра (способ повышения эффективности передачи информации с помощью модулированных сигналов через канал, увеличивающий базу сигнала) методом линейной частотной модуляции (CSS).
Теги: active tracking technology environment for several objects location video quality video surveillance видеонаблюдение качество видео месторасположение среда для нескольких объектов технология активного слежения
Ю.Синицын, к.т.н., доцент кафедры ВТиЗИ Оренбургского государственного университета /
siniza1960@mail.ru
УДК 004.3, DOI: 10.22184/2070-8963.2020.88.3.68.71
Введение
В настоящее время системы видеонаблюдения подразделяются на системы анализа изображения и системы, основанные на распознавании месторасположения объектов, технология которого обеспечивает точность в пределах двух-трех метров, что не исключает большого количества ошибок и требует выполнения дополнительных расчетов. Для улучшения системы видеонаблюдения предлагается интеллектуальный метод отслеживания и видеозаписи с более высокой точностью распознавания движущихся объектов. Благодаря новому механизму можно повысить качество видео и достоверность видеоинформации при работе с несколькими объектами. Для определения месторасположения движущихся объектов интеллектуальная система видеонаблюдения прогнозирует и оценивает движение объекта на основе использования контрастных изображений. Если возникли помехи либо не удается получить видеоинформацию вне диапазона записи, точное отслеживание и запись объекта могут быть затруднены или невозможны. При необходимости отслеживания более двух объектов из-за увеличения объема анализируемых видеоданных потребуется больше времени для анализа информации [1].
Общие положения
Интеллектуальная система видеонаблюдения сочетает в себе технологию радиосвязи и алгоритм расчета месторасположения объектов. К типичным технологиям радиосвязи относятся Wireless Fidelity (Wi-Fi), радиочастотная идентификация (RFID), ZigBee, сверхширокополосный (UWB) и т. д. Алгоритмы расчета местоположения объекта – это угол прихода (AoA), время прихода (ToA), индикация силы полученного сигнала (RSSI), спектр ЧИПА (CSS) и т. д.
Для интеллектуальной системы видеонаблюдения используется метод CSS, который отличается высокой точностью по сравнению с методами распознавания месторасположения и технологиями радиосвязи. CSS в сочетании с методом ToA измеряет расстояние между движущимся и фиксированным объектом, вычисляет месторасположение движущегося объекта (объектов) с помощью триангуляции (метод определения расстояния с дроблением объекта на геометрические фигуры), используя рассчитанное (измеренное) значение расстояния до объекта [1]:
tp= [(troundA – treplyB) + (troundB – replyA)]/4. (1)
Для повышения точности расчета местоположения применяется алгоритм локализации на основе концепции скорости эквивалентного расстояния (формула AEDR), которая была улучшена по сравнению с существующим методом SDS-TWR:
AX2 + CX2 = BX2 + DX2. (2)
Графическое изображение формулы AEDR показано на рис.1.
Увеличение предела погрешности (2–3 м) при замере расстояния между неподвижным и движущимся объектами приводит к пересмотру ранжирования, как показано в формуле 3:
AX2 = (BX2 + DX2) – СX2 или СX2 = (BX2 + DX2) – АX2. (3)
Если погрешность находится в допустимых пределах погрешности менее 1 м и AX2 < (BX2 + DX2) – СX2 и СX2 = (BX2 + DX2) – АX2 установлены, то уравнение 4 пересматривается:
(AX2 – n2) + (CX2 – n)2 ≈ BX2 + DX2. (4)
Соответственно, условие уравнения 5 устанавливается, и равное отношение расстояний удовлетворяется:
AX2 + CX2 ≈ BX2 + DX2. (5)
До настоящего времени для получения видеоинформации в системе видеонаблюдения использовалось в основном несколько стационарных камер, которые предоставляют функции масштабирования. Для преодоления технических ограничений в существующей интеллектуальной системе видеонаблюдения необходим интеллектуальный метод отслеживания и записи для повышения точности расчета месторасположения движущегося объекта [2].
Метод решения задачи
Чтобы повысить точность расчета месторасположения объекта, следует обеспечить среду прямой видимости (LOS) и принять во внимание трехмерное пространство (длину, ширину и высоту), а не плоское двухмерное (длину и ширину). С учетом реально измеренного расстояния (dx) и различия высоты (dy) значение пересчитывается в необходимое расстояние (dxy). Благодаря этому точность информации о местонахождении объекта в реальном времени повысится. Трехмерный объем показан на рис.2.
Значения dx, dy, dxy находим по формуле 6:
dx = | Mx – Cx |, dy = | My – Cy |, dхy = | Mхy – Cхy |. (6)
Для повышения качества видео и получения информации о слежении в реальном времени для движущихся объектов была выбрана камера, которая поддерживает удаленное управление (PTZ-камера). Горизонтальное и вертикальное управление движением видеокамеры, использование функций масштабирования позволят повысить качество видео.
На основе формулы Эйлера для управления горизонтальным движением камеры с преобразованным уравнением между координатами рассчитывается θp – горизонтальный угол поворота камеры PTZ. Горизонтальное перемещение видеокамеры показано на рис.3.
Горизонтальный угол поворота камеры PTZ рассчитывается по системе 7:
(7)
Для контроля вертикального перемещения камеры с помощью hc, высоты от пола до камеры, и hm, высоты от камеры до движущегося объекта, рассчитываем θt – вертикальный поворот:
, (8)
где h = |hc – hm|, 0° < θ < 90°. Вертикальное перемещение видеокамеры показано на рис.4.
Кроме того, с учетом нелинейного характера записи камеры управление включается в зависимости от местоположения камеры PTZ на расстоянии от объекта.
Результаты
В статье рассматривается способ решения задачи выявления нескольких объектов на основе интеллектуальной системы видеонаблюдения. Предлагаемая технология позволяет работать с объектами в реальном времени. Представленный механизм реализован в экспериментальной среде, которая принимает несколько объектов и работает с несколькими камерами. Система была создана и протестирована с использованием внутренней прямоугольной структуры (18,3 × 8,8 м), как показано на рис.5.
Запись с помощью распознавания движения объектов: если объект перемещается, распознается его движение и оценивается, может ли движение быть зафиксировано камерой наблюдения.
Время ответа записи: если движение объекта распознано, оценивается время, необходимое для записи интересующих объектов камерой наблюдения.
Количество действительной видеоинформации: в случае распознавания движения объекта оценивается, можно ли получать видеоинформацию под разными углами, с использованием более двух камер.
Результаты исследований приведены в табл.1.
При использовании предложенного механизма в существующей интеллектуальной системе видеонаблюдения можно получить более точную информацию о положении объекта и уменьшить количество ошибок. По сравнению с существующей системой качество видеоинформации повысилось примерно на 17%, а объем видеоинформации увеличился примерно на 10%. Однако в таблице показано, что время ответа и количество записей при обнаружении движения объекта меньше, чем в существующей системе. Объясняется это тем, что мы исключили ненужное отслеживание движения и запись объектов в предлагаемом механизме.
Заключение
Для улучшения работы системы видеонаблюдения предлагается новый механизм, который может интеллектуально отслеживать и записывать в пространстве перемещение и месторасположение нескольких объектов. Для более точного расчета местонахождения объектов был применен способ расширения спектра на основе метода линейной частотной модуляции. Кроме того, активное отслеживание и запись стали возможными благодаря использованию камеры PTZ с технологией распознавания месторасположения движущихся объектов на основе сенсорной сети, что повысит качество видеоизображения и уменьшит количество ошибок.
ЛИТЕРАТУРА
Синицын Ю.И. Разработка структурной схемы подсистемы обнаружения возгораний на основе сравнения файлов видеоизображений // Сб. ст. международной научно-практической конференции "Научное обеспечение технического и технологического прогресса". – Уфа: НИЦ АЭТЕРНА, 15 марта 2018 г.
Синицын Ю.И. Разработка схемы функционирования подсистемы видеонаблюдения // Сб. ст. международной научно-практической конференции "Материалы и методы инновационных исследований и разработок". Часть 1. – Уфа: НИЦ АЭТЕРНА, 10 марта 2018 г.
Свидетельство о государственной регистрации программы для ЭВМ № 2018616235 "Расчет параметров подсистемы видеонаблюдения". Правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего образования "Оренбургский государственный университет" (RU). Авторы: Сидоров Е.С. (RU), Синицын Ю.И. (RU). Заявка № 2018613372. Дата поступления 06.04.2018. Дата государственной регистрации в Реестре программ для ЭВМ 25.05.2018.
siniza1960@mail.ru
УДК 004.3, DOI: 10.22184/2070-8963.2020.88.3.68.71
Введение
В настоящее время системы видеонаблюдения подразделяются на системы анализа изображения и системы, основанные на распознавании месторасположения объектов, технология которого обеспечивает точность в пределах двух-трех метров, что не исключает большого количества ошибок и требует выполнения дополнительных расчетов. Для улучшения системы видеонаблюдения предлагается интеллектуальный метод отслеживания и видеозаписи с более высокой точностью распознавания движущихся объектов. Благодаря новому механизму можно повысить качество видео и достоверность видеоинформации при работе с несколькими объектами. Для определения месторасположения движущихся объектов интеллектуальная система видеонаблюдения прогнозирует и оценивает движение объекта на основе использования контрастных изображений. Если возникли помехи либо не удается получить видеоинформацию вне диапазона записи, точное отслеживание и запись объекта могут быть затруднены или невозможны. При необходимости отслеживания более двух объектов из-за увеличения объема анализируемых видеоданных потребуется больше времени для анализа информации [1].
Общие положения
Интеллектуальная система видеонаблюдения сочетает в себе технологию радиосвязи и алгоритм расчета месторасположения объектов. К типичным технологиям радиосвязи относятся Wireless Fidelity (Wi-Fi), радиочастотная идентификация (RFID), ZigBee, сверхширокополосный (UWB) и т. д. Алгоритмы расчета местоположения объекта – это угол прихода (AoA), время прихода (ToA), индикация силы полученного сигнала (RSSI), спектр ЧИПА (CSS) и т. д.
Для интеллектуальной системы видеонаблюдения используется метод CSS, который отличается высокой точностью по сравнению с методами распознавания месторасположения и технологиями радиосвязи. CSS в сочетании с методом ToA измеряет расстояние между движущимся и фиксированным объектом, вычисляет месторасположение движущегося объекта (объектов) с помощью триангуляции (метод определения расстояния с дроблением объекта на геометрические фигуры), используя рассчитанное (измеренное) значение расстояния до объекта [1]:
tp= [(troundA – treplyB) + (troundB – replyA)]/4. (1)
Для повышения точности расчета местоположения применяется алгоритм локализации на основе концепции скорости эквивалентного расстояния (формула AEDR), которая была улучшена по сравнению с существующим методом SDS-TWR:
AX2 + CX2 = BX2 + DX2. (2)
Графическое изображение формулы AEDR показано на рис.1.
Увеличение предела погрешности (2–3 м) при замере расстояния между неподвижным и движущимся объектами приводит к пересмотру ранжирования, как показано в формуле 3:
AX2 = (BX2 + DX2) – СX2 или СX2 = (BX2 + DX2) – АX2. (3)
Если погрешность находится в допустимых пределах погрешности менее 1 м и AX2 < (BX2 + DX2) – СX2 и СX2 = (BX2 + DX2) – АX2 установлены, то уравнение 4 пересматривается:
(AX2 – n2) + (CX2 – n)2 ≈ BX2 + DX2. (4)
Соответственно, условие уравнения 5 устанавливается, и равное отношение расстояний удовлетворяется:
AX2 + CX2 ≈ BX2 + DX2. (5)
До настоящего времени для получения видеоинформации в системе видеонаблюдения использовалось в основном несколько стационарных камер, которые предоставляют функции масштабирования. Для преодоления технических ограничений в существующей интеллектуальной системе видеонаблюдения необходим интеллектуальный метод отслеживания и записи для повышения точности расчета месторасположения движущегося объекта [2].
Метод решения задачи
Чтобы повысить точность расчета месторасположения объекта, следует обеспечить среду прямой видимости (LOS) и принять во внимание трехмерное пространство (длину, ширину и высоту), а не плоское двухмерное (длину и ширину). С учетом реально измеренного расстояния (dx) и различия высоты (dy) значение пересчитывается в необходимое расстояние (dxy). Благодаря этому точность информации о местонахождении объекта в реальном времени повысится. Трехмерный объем показан на рис.2.
Значения dx, dy, dxy находим по формуле 6:
dx = | Mx – Cx |, dy = | My – Cy |, dхy = | Mхy – Cхy |. (6)
Для повышения качества видео и получения информации о слежении в реальном времени для движущихся объектов была выбрана камера, которая поддерживает удаленное управление (PTZ-камера). Горизонтальное и вертикальное управление движением видеокамеры, использование функций масштабирования позволят повысить качество видео.
На основе формулы Эйлера для управления горизонтальным движением камеры с преобразованным уравнением между координатами рассчитывается θp – горизонтальный угол поворота камеры PTZ. Горизонтальное перемещение видеокамеры показано на рис.3.
Горизонтальный угол поворота камеры PTZ рассчитывается по системе 7:
(7)
Для контроля вертикального перемещения камеры с помощью hc, высоты от пола до камеры, и hm, высоты от камеры до движущегося объекта, рассчитываем θt – вертикальный поворот:
, (8)
где h = |hc – hm|, 0° < θ < 90°. Вертикальное перемещение видеокамеры показано на рис.4.
Кроме того, с учетом нелинейного характера записи камеры управление включается в зависимости от местоположения камеры PTZ на расстоянии от объекта.
Результаты
В статье рассматривается способ решения задачи выявления нескольких объектов на основе интеллектуальной системы видеонаблюдения. Предлагаемая технология позволяет работать с объектами в реальном времени. Представленный механизм реализован в экспериментальной среде, которая принимает несколько объектов и работает с несколькими камерами. Система была создана и протестирована с использованием внутренней прямоугольной структуры (18,3 × 8,8 м), как показано на рис.5.
Запись с помощью распознавания движения объектов: если объект перемещается, распознается его движение и оценивается, может ли движение быть зафиксировано камерой наблюдения.
Время ответа записи: если движение объекта распознано, оценивается время, необходимое для записи интересующих объектов камерой наблюдения.
Количество действительной видеоинформации: в случае распознавания движения объекта оценивается, можно ли получать видеоинформацию под разными углами, с использованием более двух камер.
Результаты исследований приведены в табл.1.
При использовании предложенного механизма в существующей интеллектуальной системе видеонаблюдения можно получить более точную информацию о положении объекта и уменьшить количество ошибок. По сравнению с существующей системой качество видеоинформации повысилось примерно на 17%, а объем видеоинформации увеличился примерно на 10%. Однако в таблице показано, что время ответа и количество записей при обнаружении движения объекта меньше, чем в существующей системе. Объясняется это тем, что мы исключили ненужное отслеживание движения и запись объектов в предлагаемом механизме.
Заключение
Для улучшения работы системы видеонаблюдения предлагается новый механизм, который может интеллектуально отслеживать и записывать в пространстве перемещение и месторасположение нескольких объектов. Для более точного расчета местонахождения объектов был применен способ расширения спектра на основе метода линейной частотной модуляции. Кроме того, активное отслеживание и запись стали возможными благодаря использованию камеры PTZ с технологией распознавания месторасположения движущихся объектов на основе сенсорной сети, что повысит качество видеоизображения и уменьшит количество ошибок.
ЛИТЕРАТУРА
Синицын Ю.И. Разработка структурной схемы подсистемы обнаружения возгораний на основе сравнения файлов видеоизображений // Сб. ст. международной научно-практической конференции "Научное обеспечение технического и технологического прогресса". – Уфа: НИЦ АЭТЕРНА, 15 марта 2018 г.
Синицын Ю.И. Разработка схемы функционирования подсистемы видеонаблюдения // Сб. ст. международной научно-практической конференции "Материалы и методы инновационных исследований и разработок". Часть 1. – Уфа: НИЦ АЭТЕРНА, 10 марта 2018 г.
Свидетельство о государственной регистрации программы для ЭВМ № 2018616235 "Расчет параметров подсистемы видеонаблюдения". Правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего образования "Оренбургский государственный университет" (RU). Авторы: Сидоров Е.С. (RU), Синицын Ю.И. (RU). Заявка № 2018613372. Дата поступления 06.04.2018. Дата государственной регистрации в Реестре программ для ЭВМ 25.05.2018.
Отзывы читателей
