УДК004.932

ИДЕНТИФИКАЦИЯ ДВИЖУЩЕГОСЯ ЧЕЛОВЕКА В СИСТЕМАХ ВИДЕОНАБЛЮДЕНИЯ

Соломатин А. Ю., Зикратов И. А., Люберт А. С.


Читать статью полностью 

Аннотация

Предложен подход для решения задачи идентификации движущегося человека в системах видеонаблюдения. Задача решается в два последовательных этапа. На первом этапе в видеопотоке выделяется движение человека на фоне движения других объектов. На втором этапе проводится идентификация человека по изображению лица. Обнаружение движения человека осуществляется путем представления исходного видеопотока в виде временного ряда. Для этой цели применен математический аппарат исследования сингулярного спектра. Наличие движения определяется путем анализа периодических составляющих временного ряда, построенного на основе данных о цветовых и яркостных компонентах видеокадров исходного видеопотока. Идентификация человека по изображению лица реализуется путем представления изображения лица в виде двумерной матрицы с последующим применением математического аппарата иммунокомпьютинга. Для идентификации человека по изображению лица вычисляется энергия связи между объектами. Эта величина характеризует степень близости входного изображения лица к лицам, находящимся в обучающей выборке. Представленное в работе решение задачи идентификации движущегося человека дает возможность работы с видеопотоком низкого качества, имеющим высокий уровень шума либо артефакты сжатия при кодировании. Достоинством метода является простота реализации. В отличие от традиционных методов компьютерного зрения, предложенный метод не требует значительных вычислительных затрат, благодаря сведению процедуры анализа к выполнению простых числовых операций. Метод также не требует предварительной фильтрации изображений видеокадров, что позволяет значительно увеличить скорость работы.


Ключевые слова: видеонаблюдение, определение движения, анализ временных рядов, анализ периодических компонент, классификация объектов, идентификация физических лиц, иммунокомпьютинг

Список литературы
 
1.       Лукьяница А.А., Шишкин А.Г. Цифровая обработка видеоизображений. М.: Ай-Эс-Эс Пресс, 2009. 512 с.
2.       Голяндина Н.Э. Метод «Гусеница»-SSA: анализ временных рядов: Учеб. пособие. СПб: СПбГУ, 2004. 76 с.
3.       Голяндина Н.Э. Метод «Гусеница»-SSA: прогноз временных рядов: Учеб. пособие. СПб: СПбГУ, 2004. 56 с.
4.       Akcay H. Subspace-based spectrum estimation in frequency-domain by regularized nuclear norm minimization // Signal Processing. 2014. V. 99. P. 69–85.
5.       Araujo I.G., Laier J.E. Operational modal analysis using SVD of power spectral density transmissibility matrices // Mechanical Systems and Signal Processing. 2014. V. 46. N1. P. 129–145.
6.       Соколова С.П., Соколова Л.А. Интеллектуальные информационные системы на основе иммунокомпьютинга: Учеб. пособие. СПб: ГУАП, 2009. 159 с.
7.       Dasgupta D. Artificial Immune Systems and their Applications. Berlin: Springer-Verlag, 1999. 306 p.
8.       Dasgupta D., Gonzalez F. Artificial immune systems in intrusion detection / In: Vemuri V.R. Enhancing Computer Security with Smart Technology. Auerbach, 2005. 288 p.
9.       Tarakanov A., Nicosia G. Foundations of immunocomputing. Proc. IEEE Symposium on Foundations of Computational Intelligence, FOCI 2007. Honolulu, Hawaii, USA, 2007. P. 503–508.
10.    Wiersma J. Human Movement Classification, 2007 [Электронныйресурс]. Режим доступа: http://www.ai.rug.nl/~gert/as/download/scripties/jellewiersma.pdf, свободный. Яз. англ. (дата обращения 01.04.2014).
11.    Кручинин А.Ю. Распознавание образов с использованием OpenCV, 2011 [Электронный ресурс]. Режим доступа: http://recog.ru/library/opencv/opencvkruchinin.pdf, свободный. Яз. рус. (дата обращения 01.04.2014).
12.    Bradski G.R., Kaehler A. Learning OpenCV. Sebastopol: O'Reilly Media Inc., 2008. 571 p.
13.    Tarakanov A.O., Skormin V.A., Sokolova S.P. Immunocomputing. Principles and Applications. NY: Springer-Verlang, 2003. 193 p.
14.    Tarakanov A.O. Mathematical models of intrusion detection by an intelligent immunochip // Communications in Computer and Information Science. 2007. V. 1. P. 308–319.
15.    Цыпкин Я.З. Информационная теория идентификации. М.: Наука, 1995. 336 с.
Информация 2001-2017 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика