Главная Учебники - Разные Лекции (разные) - часть 33
В задачах компьютерного зрения возникает проблема определения и анализа движущихся объектов по последовательности изображений, полученных с малыми интервалами времени. Для распознавания подобных объектов на достаточно сложном, но неподвижном фоне необходимо определить области, в которых предположительно происходит движение. В результате исследований найденных областей, их можно изменить до размеров объектов (т.е. найти сами объекты) и определить параметры их движения. При этом количество и размеры объектов на изображениях могут изменяться в широких пределах. Цели и задачи: анализ, разработка и реализация алгоритмов поиска и определения движения объекта, его свойств и характеристик. Методы исследования: Теоретические методы исследований основывались на методах цифровой обработки изображений и распознавания образов. Экспериментальная часть исследования базировалась на обработке и анализе цифровых изображений с помощью ЭВМ с дальнейшей визуализаций результатов. Для программной реализации алгоритмов использовалась библиотека для обработки изображений Open Source Computer Vision Library. 1.Алгоритмы поиска областей движения
1.1
Сравнение двух последующих изображений
Определим кадр изображения, взятый в момент времени где Алгоритм был реализован с помощью библиотеки для обработки изображений OpenСV. Пример его работы представлен на рис 1.1. Рис. 1.1 Пример работы алгоритма. Для определения движущихся точек и характера их движения можно воспользоваться оптическим потоком серии изображений [1]. Оптический поток определяется как видимое движение яркости изображения. Пусть 1. Яркость изображение 2. Яркость каждой точки движущегося или статического объекта не меняются во времени. Пусть некоторый объект на изображении или некоторая точка, движется во времени где « Затем, в соответствии с выше сказанными предположениями, запишем, что и Деление на обычно называемое как уравнение оптического потока, где Отметим, что найденные области на практике, как правило, не точно охватывают движущиеся объекты, что связано с погрешностью фильтрования и выбором порога бинаризации. Чтобы более точно определить области движения объектов и предположить, что эти области охватывают только искомые объекты, используются следующие алгоритмы. 2. Алгоритмы обработки найденных областей движения
2.1 Метод коррекции областей движения
Метод приводит найденные области движения к форме, более удобной для дальнейшей обработки. Он связывает отдельные элементы областей, получившихся на разностном изображении. Пусть необходимо выделить области правильной формы, являющиеся достаточно крупными областями движения. Задачу можно формализовать следующим образом: необходимо разбить множество точек Предложим следующий алгоритм решения формализованной задачи: 1. На множестве 2. Конструируем подмножества более высокого уровня, являющиеся областями правильной формы 3. Повторяем пункт 2 до тех пор, пока не получим конечное количество подмножеств наивысшего уровня. Метод был адаптирован и реализован функциями библиотеки OpenCV. Примеры его работы приведены на рис. 2.1. Рис. 2.1 Пример работы алгоритма для разных областей правильной формы. 2.2. Нахождение объекта по цветовому диапазону
Метод использует гистограмму изображения исходного объекта для нахождения объекта с такими же цветовыми характеристиками на серии изображений. Пусть необходимо построить изображение в оттенках серого цвета, содержащее необходимые нам объекты. Введём следующие определения. Для простоты описание решения формализованной задачи, ввёдём оператор, который преобразует функцию яркости изображения Обратный оператор Алгоритм поставленной задачи состоит из следующих этапов: 1. Построение гистограмм искомого объекта 2. Формируем новую гистограмму, как нормированное произведение 3. Используя обратное преобразование Метод был адаптирован и реализован функциями библиотеки OpenCV. Примеры его работы приведены на рис. 2.2. Рис. 2.2 Пример работы алгоритма. 3. Результаты исследований
В результате проведённых исследований были сделан вывод, что большую часть областей, получившихся в результате применения вышеописанных алгоритмов, занимают искомые объекты, и мы можем по этим областям оценить сами объекты. Все алгоритмы были реализованы функциями библиотеки OpenCV. И на их основе была написана программа для автоматического определения выставляемых на доску фишек, описанная в [3]. Литература
.
1. Open Source Computer Vision Library Reference Manual 2. О. С. Семерий. Метод максимальных площадей для выделения движущихся объектов по серии изображений
|