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).
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.