Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Информационно-измерительная система контроля перемещения движущегося объекта, наблюдаемого с помощью оптической видеокамеры

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Выделение и прослеживание движущихся обьекюв в сцене с целью последующею ежа 1ия видоопоюка с большим кснффицисчпом компрессии данных Осндаиио кодировщиков новою поколения ис ключи юлыю важно дляжопомнен о архивирования видео и передачи счо по с см и Сис юмы аиали5а динамики и формы и юбражеиий человечес ких орыпов полчопных улы!)а $вуковым скаппером или аш иен рафом По динамике и 5мсч1епии формы… Читать ещё >

Содержание

  • Амуалынн it. 1(411)
  • Цель рабо1ы
  • Положения выносимые на защи! у
  • Личный вклад
  • Меюды исследований, до (i оперное и" ре^лыаюв
  • Научная нови ша
  • Пракшческая цепное п> рабош
  • Апробация рабош
  • Пбликнции
  • Поеыповка 5адачи
  • Сфук i ура и обьем pa6oi ы
  • 1. Обзор методов прослеживания объекта
  • 2. Алгоритм 1 прослеживания объекта
  • 2. 1 Общая схема Ал1 ори 1ма
  • 2. 2 Основные поня i ия
  • 2. 3 Динамическая млфица же (iKoein
  • 2. 3 1 Мафица же< iкос in (моделью движения
  • 2. 3 2 Мафица жес iko (in Фурье
  • 2. 3 3 Важные ¡-амечапия
  • 2. 3 4 Мафица жесiкоеiи движения
  • 2. 1 11ред< ка мние положении кон iypa
  • 2. 5 Подюпка котра по месму
  • 2. 5 1 Mat ш мбирование членов уравнения
  • 2. 6 Пои (к коррсспоидеп i пых ючек
  • 2. G 1 14с ноль ювапие локально! о цвеи и [радиста
  • 27. Некотрые деыли реализации Ал1 ори i ма 1. 71)
  • 2. 7 1 Вычисление екорос ieii на нернои naj) e кадров
  • 2. 72 Перера смещение кои i рольных тчек
  • 2. 7 3 LAB пред" ывление цвеы ючки
  • 27. 1 Коррекция предска saiinoi о положения
  • 3. Алгоритм 2 прослеживания объекта
  • 3. 1 Прослеживание цвспюю обьскы
  • 3. 2 Вычисление «нккурашых» i hcioi]>амм
  • 3. 3 Анiо-ныбо]) ра {решения i и (ioi рамм
  • 4. Алгоритм 3 прослеживания объекта

4 1 Алюршм нро (леживапия кошура of) i>eKia.. 1)3 42 Построение oniимальных i иски рамм. 95 4 3 Учсч конечное i и выборки. 97 1 1 лыерпа1И1 $ная формулировка.. 100 15 Пскч роение кошра па следующем кадре

4 0 Важные ммечания

5 Алгоритм 4 прослеживания объекта

5 1 Ишсч рировапие Алюршма 1 и Алюршма 2. .. 108 52 Испольюваиие акiивпои облас iи НО

52 1 Функция (Ol лас ия

5 2.2 Процедура нодюнки кот ура

5 2 3 Вычисление (iain (1иче (ких нарамечров

5 2 4 Условие о< ыпова.. Ill

5 2.5 Алюршм толюции ак]ивной облас iи

6 Экспериментальные результаты

G 1 Алтрш м пепо п> {ующии модель движения

6 2 Алюршм и< ноль $уюпцп1 цвечовые распределения 129 СЗ Заключи 1 ельпые {амечанпи

Информационно-измерительная система контроля перемещения движущегося объекта, наблюдаемого с помощью оптической видеокамеры (реферат, курсовая, диплом, контрольная)

Актуальность темы

.

СоЗДаНИС Приборов И ИпформаЦИОИНО-И ЗМСрИ 1СЛЫ1ЫХ И упраВЛЯЮЩИХ.

11(1(1м (ИИУС). мониюриша со< юяпия обьекюм в (стременном ядерном приборос Iроении, отечающих фебоваииям н’кущет развтия рыночной ¦экономики (1 рапы, являемся необходимым е лопнем дляэффем инпою функционирования любых секюровэкономики аюмпой промышленное! и 9ю обусловливаема (Iрук 1урпыми и динамическими свойс 1вами по1ребикмн,-скою качес 115а ИИУС, котрые определяюI хараыер безопасной •жспла1а-ции обьекюв исполь зовапия аюмпой) пер1 ни (ОИАЭ) и дрч их покчщиаль по опасных обьекюв Важной тднчей для мпених слраслеи промышлеппо-сIи янляеIся по (юянное улучшение меюдои, позволяющих ра зрабаттат (ложные мпо1 омерпые ими мциоиные маюмаIичсс кие модели для создания специальных ИИУС, прослеживающих движущийся обьек! с заданной юч-пос 1ыо, счюсобных определяй, (екущее положение коп1ролирем<)1о обьема и преде ка зывап> счо новое положение.

Примерами ИИУС для кот роля перемещения движущем о об («ема яи-ляю1ся ус 1])0йс 1ва наведения па цель, павшациоппые приборы, сисмемы ав-юма1 ичееко1 о по зициоиирования различных мехапи змов в промыт кчшом прои зводс те и в робоилехиике. ()Х1)анп1>н1 нидеос ис 1емы П})имсч1и 1е п, по к ОИАЭ. особый ишерсс преде мвлжм возможное п, слежения за перемещением ыких обьекюв как механические мапипуляюры, <>псч)ируН)!!!,!-!^ с радпо-акшвными предмечами, люди или машины, находящиеся и охраняемой юне ()И'Э, специальные маркеры, амюматчески счишваемые с коп юйнеров с радиоакпишыми маюриалами и])и прохождении сие 1емы кот роля и 1 п Ип-юреспый об зор <чройс !в, предназначенных для решения различных задач с к’жепия, пос I роенных на >лек1 рома! питых, I ироскопичес ких, ошическич и др да1чиках. приведен 15 ?108|.

Таким образом, аюуалыюечь 1емы нас юящей дисс (>])1ациопной рабо.

1Ы и научном плане определяемся рашишем и (овершенс iвованием ciioto-Г)ои (о {Дания ипформациопно-и *мериюльных и управляющих cucicm оши-•кчкок) копiроля и мопшориша ядерной бсчопасносми, коюрые необходимы для поддержания бе юпас ikh i и ОИАЭ и дру1 их целей'! промышленной ди-ai шишки. Аыуалыкнчь данной рабены подшерждасмся /ем. чю и ((ледо вапия выполнялись в рамках ГНТП «Технолсм ии, машины и прои >>иод (i на будущею», Управляемый 1ермоядерпый сипим и пли змеиные процессы^, ФЦП «Национальная юхполсм ичес кия база» и «Ии им рация пауки и выс шею o6j>a зовапия России», инновационных НТП «Радиационные комплексы и нынешний для научною ириборосм роения, медицины, прои 5води вн юваров народней о пенребления», межофаслевой ii])oiраммы имрудничес им Федеральною 1)Ждеппой нос ыиовлепием Ирами юлы 1ва РФ .V" 1114 оi 23 11 90 и < Про-i раммы развишя аюмпой) перкмики РФ па 1998;2005 юды и па период до 2010 1ода>, у i верждепиоп нос кпювлеиием Правшельс um РФ .V" 81 Г).

К началу выполнения дайной рабопл, были проведены о iдельные нес ледоваиия по с о зданию сиси обов числепно1 о •жеперимеп ы. (одержащнх данные1 по динамическому иоведсчшю и змери юльпых с ис юм для обнаружения движущихся обьекюв в целях создания новых (овершеппых изделий ядерною прпборос iроения. Эш исследования были выполнены в НИЦ СИИИП. РНЦ ' К рчаюв! кий Ип (мш i «, НПО „Маяк“, РФЯЦ-ВНИИЭФ. ППУ им В, А Трапезникова РАН. ГП ВНИАЭС, в ряд<> друшх научных и учебных заведении швее шыми ис (ледова килями в облас ш создания и нроп зводс ina приборов и и змершельных сис iei. ыкими как II П Алсчнип, II, А Алекс, шдров. В M Баранов, 13 Г Волков. В Г Гнедснко, Э A Mai идов. Т Г Самха-к1, К С Cian., В M Струнников, С Б. Чебышев, Г В Яковлев и рядом др>шх Появление1 в последние тды педорошх перс овальных компькнеров и оши’кч ких видеокамер позволило, во-первых, (формулирова i ь принципиально новые задачи перед ра spa6oiпиками ИИУС, во-вю])ых. ikk ывип» на научную ос пову новые (схнолопш (о здания и < epiифицированпя обра ¡-нов и отельных модулей информационпо-и змери м’льпых и уп1) авляю1цих < ш icm. в часики m, ИИУС коп фоля 5а перемещением движущихся обьекмж в (ю-виях прои 5вод (iBeniioiо цикла на обьекых аюмиои промыпикмпки ni.

Ак1уалыю (п. данной дисссрюции определяем я необходимое п. ю дальнейшею проведение целенаправленных научных исследовании, но созданию (ов])ем (Ч1пых изделий ядерною приборосфоепии В свою o’h^xvu", ак1уаль-по (и> выбранной МЧ1Ы обу< ловлена, во-первых. перепек швшк 1ыо практче-< кою применения меюдов обнаружения и прослеживания движущихся обь-екм)В па о< попе ajii ори imob Maiiiniinoi о зрения, во-вюрых, oi ?)aiiii4(4iiio (п.ю и не< овершешч вом (уще< 1вующих подходов к решению задачи (леж (чшя и как (ледепше. па (мшелыюи необходимое! ыо посюяппою улучпкчшя, а пори imob В данном исследовании мы целиком скопцеп фируемся па ккшодт (к m ашм, ш объектом по (tpini u. iofipiuia Hiii’i, пожрк нныi опттн (hoii haut (рои (0(UIIIK НПО il (hOMTlblOHH ром.

В проце ((е (воеи нрофес < иопалыюй дея ммыкх i и авюр данпо1 о п< (ле-довапия малкивался (равными 1ехниче (кими задачами. рсчпсчше коюрых iребовало развиюю aimapaia (лежепия за обьекюм по кадрам видеошк ie-доваюлыкх 1и Перечислим лишь пекоюрые направления развтия ИИУС. (вямпные (к’маiикой данной рабоп>1 Приведенный ниже пикок офажас1 лишь мал>ю ча (п, возможных применений. Тем п<1 M (4iee, он дае] преде iаи-л (чпнм) спекфе задач, решаемых меюдами KOMiibioiepnoiо зрения.

1 Сш м’мы видеонаблюдения охраппою шиа. в основе koioj) i>ix .kvkiii механизм c)6nrip> жеиия движущихся обьекIOB (люди, машины и i и) и <�леже-пия ', а ними в пределах охраняемой зоны И (ючпиками ошибок яв 1яюмя поIеря (лабсжошрас тою обьокы во время слежения обнлржение юл-по1 о обьек 1а и ошибочный обмен фаекюрий межд двмя обьомами. п-1и кок)])ых пе’рее окались на изображении Подобные ошибки 1101)0жд (чп>1. и первую очередь, неумен точной «инюллемуалыюс и. ю> алп ори 1 мои сложения ()(об (чпю (к Iро)1и проблемы с юя1 перед си< юмами нидеонаблю-д (чшя. ]>а терпушми на крупных проднрияI иях пша томных (ыпции, Iде площадь охраняемой юрриюрии велика, <> фебования к количе (п$ ошибок в единицу времени исключи 1елыю жое 1кие.

2 Си (1емы авюматческою вид (ч)к ()н1])оля ш процесс ом 5<�пру5ки вьпр{ки коп юниоров с ])ади ()ак1ивп1>1ми и тксичиыми маюриалами Эюдос мюч-по новая ыдача пока находи 1ся 15 мадии обсуждения, однако даже1 час шч-пое ее решение с ущомвоппо повысило бы бе мпаспос и" 15 о фас ли.

3 Сис юмы ючною 1! ис опия вертлеча при проведении аварийпо-опас аю п>-иых и мошажпых рабоь в юм число на обьекых аюмиои промышлои-пос 1и 13 роли прск ложиваомых обьекюв выс 1уиаю1 какие-либо предме-11 >1 или специальные 5иаки, р<�кч1с)лс)/ксчнп>1е на $емле Задача прсн раммпо-апиараию! о комплекса, смой I ироваипен о па пер тлею, состш в оюло-живапии дрейфа опорных обьекюв в пределах кадра и. во ¡-можно, от компенсации чоро 5 рулевое управление Серье $ную проблему с ос ыв 1ЯЮ1 1) а нкн о рода мешающие флк юры дым, подия ыя пыль, с олпочпые б шки и I п. коюрые делаюI $адачу слежения весьма исмривиалыюй.

1 Промышленные еиоюмы видеокои I роля, следящие 5а перемещением моха-пи 5Мов, ])обо1 и 5ированных мапипуля ю])ов и елдольпых до млей.

5. Выделение и прослеживание движущихся обьекюв в сцене с целью последующею ежа 1ия видоопоюка с большим кснффицисчпом компрессии данных Осндаиио кодировщиков новою поколения ис ключи юлыю важно дляжопомнен о архивирования видео и передачи счо по с см и Сис юмы аиали5а динамики и формы и юбражеиий человечес ких орыпов полчопных улы!)а $вуковым скаппером или аш иен рафом По динамике и 5мсч1епии формы и ра ¡-мора орына можно судим, о юх или иных 5,160 юнаиимх Главная проблема сое юш и юм, чю и юбражсмше opiaiia имеем ии жий коп фас i и нечем кие 1раиицы 7 С1о VMiHiK1 малобюджешых фильмов Последнее время полчила рас про-(фанеиие k’Xiiojioi ия создания с сериалов iiyieM miioi окраinoi о исио и> ¡-о напия ужсокняюю мак’риала Среди иод 5адач /ехполемии мы мыде-лясм следующую проблему Требуемся аккурапю проследим, обьем по серии кадров видеопоследоваiejn, no (1 и, вырсчап, 061, ем и i всех обрабоып-пых кадров и в (iaisn 11, см о в дру1 ои видеоряд Таким об]).! юм с ущес i неиио (пижакнея iaipan. i па поиюрную с ьемку. Однако процедура аккурапю-ю вырсчания обьем он являем см дос iaio’ino фудоемкой и па (см одияшпий дсмн> поддаемся лишь час шчпой автмаш {ации.

Цель работы.

Целью рабены являласм" ря 5ра6оiка и улучшение ИИУС с высокой с ie-iKMibio информационно! о ноимщиала для обнаружения движущихе я обьемов на баю мечодов анализа видсюрядов. Для дос шжемшя нос ывлеиной цели и pafio 1 с решались следующие задачи.

1 Анализ дос юипс ib и недос ипков сущее шующих мемодов, в оемюве кою-рых лежи1 механиш слежения? а движущимися обьемами.

2 Создание1 алю1) И1Мов прослеживания i рапимисяо коиiура обьема, но серии кадров видеоряда, имеющих минимальное кол и чес пю пае фаиваемых иарамемров и обеспечивающих бли юе п> между вычислемтым и рсмльпым 1])аничным коп i у ром обьема на каждом кадре.

1 Моде лиронапие новых обра щов ИИУС кснироля иеремемцепия (-движущеюся обьема, наблюдаемою с помощью ошическои видеокамеры, пу кт с о {Дания пренен ипа сие н*мы в виде И1)01раммы для ЭВМ 1 Рафабепка меюдов оценки качесчва новых обра {ов ИИУС для кот роля движущихся обьекюв па основе ошическои видеокамеры по рсмулыаым же перимеп 1альных иеиьпапий па icc ювых видечитс ледоваюльпос 1ях.

ПрЛЫИ’КЧ КИ ВС С СОВреМСННЫС МСЧОДЫ ЩЮСЛГЖИВЛНИМ обьСКЫ ВКЛЮ-ч<)Ю1 и себя парлмефы не имеющие (ipoioio leopeiпч"ч-ко1о обоснования Эш парамефы ]хч улируюi yiij) yi ()(il. обьеыа, но oiношению к межкндро-иым деформациям, (кчкмп, влияния iex или иных ()(()б (Ч1ИО (i (м'1 и юбраж"чшя, mai диск])(м и 5лции и i и Обычно шачепия нарамсмров подбираюк я ж"пе-римеи 1алыю Oi рапичепиос п> uueMai ичсч ких мод (.1(ч1 приводиi к юму. чю для рашых обьекюв опшмальные наборы napaM (Mj)()B moi i (ii.n.iio ра i ш-ча i ь (я Си i уация у (yi блясчся в ыимпым влиянием па])ам (м])0 В. по пому при большом их количес ibc бываем 1рудно определи n, ошпмальпый набор.

Полное и, ю 1пбавип>(я oiжеперименылыю подбираемых нарамечров на (сч одняшний Д (чи, не предсивлясчс я во шожным По-шшу е ноль ювакмь-ской ючки jpciiHя, кажек-я ло1ичиым ириимп> следующий кршернй хорошей (и (ieMi>r ч (м кипьпн критичики шшпьи пари ш трои ним иртн До< ишисчвом предлаыемых? д"ч ь меюдов явлжм (я малое1 количес ibo кри-i ичееких парамечров".

Ипiерееио oimciuib, чю люди прослеживаю1 обьемы (почт) любой формы бе{ ммеч пых усилии Однако в облает машиппено фения даже о и-ночпые обьемы все (чцо пред" ывлякл фудпора фсчпимую проб 1ему В особенно" in о касаекя аккурашою слежения, когда 1ребу"м"я лежа 1иювап> испитую 1рапицу обь"ч<1л с высокой ючиосчыо Oi рапиченпос п> мши их пред’южеппых на с сч одпяшний дсчп" меюдов, кросчся в пес по" обпосчи. в oi-личии 01 человеческою глам, i ибко ипнчрнреншь ра шые ис ючпики информации (цв"ч. ickc iypy, 1раницы, котекс i), а ыкже распошава i ь обьем и дос 1раиваи> счо временно невидимые част Хсня ос ошапиених педо" iai-Koi5 нришло довольно давно и было предложено мною подходов, основанных на обучении и комбинировании раиичпых признаков, проблема далека oi окоичакмьною решения.

Па наш взгляд, пока рано юворип. о с о здании с ис н’мы, снособиои ак-крапю про"леживап" пшичпый обьек1 (человек, машина и ni) даже1 па дос ia i очно качес i вечпюм видео Цель должна бьиь скромнее «нывшь.

OIK ЮМУ ПО (IIJII)IIO ОШибсПЫЯ И, НО I оря II" ()f)I"OKI 15 OIHOC ШОЛЫЮ Iipooibix (и1уациях.

Положения выносимые на защиту.

1 IV 5У"1ЫЛ I Ы диалшл Д ()(ЮИП01 В И ПОДОСЬИКОВ 0У1Ц0(I пукяцих (И (ЮМ ви-деопаблюдопия и по (ЫНОВКЛ $ЛДЯМИ ПЛ (О !ДЛПИЯ ИИУС повою поколения ДЛЯ MOII11 К)])ИП1,1 ПОЛОЖОПИЯ 110])0М (МЦаЮ1ЦИХ (Я обьОКЮВ.

2 Комплокопый ллю])И1м прослеживания i раиичшмо кошура обьокик и<-ноль {укиций жданную модель движения для (нраничепия межкадровых деформаций Koinyj) a и цвоювыо рас продолония ючок обьокм испоил способы И МО I ОДЫ обрлбсНКИ И шороний СОСЧаВЛЯЮЩИО 010()(НС)В.

• 1(мод включения ыдаппои модели движения в (функционал оперши по движпою кошура.

• Меюд балансировки различных членов функционала шерпш.

• Меюд продока мния положения кошура обьоки на новом кадре.

• Меюд hoik кл коррос попдопций между iочками iioboi о кадра и кошро п>-пыми ючками коп iура.

• Меюд авюмлiИЧ0СКО1 о выбора рл {решения пкннрамм шпиричос ких цв (мовых распределений обьекм и фона.

3 Способ прей ложивапия цвешою обьокм. мииими шрующий миропию кла ((ификации.

• Меюд not iроения дискропюйшiроиии, учиiывающой конечное п> ко-личес 1ва ючок, (ославляющих o6i>oki и фон.

• Меюд по (iроения конура обьекы па новом кадр"1 по карю верой пю-(юй, полученной классификацией ючок па обьокшые и (фоновые1.

Личный вклад.

Личный вклад авюрл {аключаоюя в 1 лчтении еущо (iвеющих меюдов прослеживания обьекюв,.

2 pa {рябоiкс ieopeiичееких основ новых подходов к {адаче слежения,.

3 непоередс i ионном учим ни и рабоых, но (о {даншо и верификации иро-1])ЛММПЫХ (?)0Д (1И КОШ роля 5а ПОрОМОЩОНИОМ движущихся обьеКЮИ. I! РНЦ «Курчаюве кий Hiu iиiуi «, компании ГУП НИЦ «Элине> и 11нс ш-iie Передовых Tcxhcuoi ий компании Самоуш (SAIT).

И {ложонпыо и ди< ее1])iации ре iyjibiaiы получены лично автром или при ei о пепос редсч веппом учас i ни.

Методы исследований, достоверность результатов.

В рабою и (нольювапы moi оды ци (})роной обрабелки и юбражопий. юо-}>ии вороя i нос юй и маюма1 ичоекой (iaiис i ики. юории управления, юории он i ими 5ации. вычисли 1ел1"ной линейной ajn обры, а ыкже мемоды проокi иро-ваппя ii])oi ])аммных среде п$ Дос i опорное i ь рсчулыатв обеспечиваем (я и<-поль {онанием юорсч ичееки обоснованных моделей и coi лас овашкн и"ю по i-чеппых данных с ро5улыа1ами жопоримоп тв.

Научная новизна.

1 Предложен >ффек1ивный мохапи? м oi рапичепия межкадровых деформаций Koiiiyj) a, коюрый тсчавляог об век i следован" {адаппой модели движения В ()1личие ()1 апало1 ичпых подходов, и {вес шых и ли icij>a i урс% предложенный м (мод не юлько прос i и маюмашчоеки про {рачсч1, по и леч ко ипкч рирои я (друтми и (ючпиками информации об обьок ю. н<�шример полученными в рсчулыаю обучения па специальных видеорядах.

2 Предложен новый способ предска {алия положении обьекы па следующем кадре, котрый учиплвасм {адаппую модель движения.

3 Рафабснап мемод авюмашчоекот выбора ра 5])(чнсч1ия i ис Ю1рамм в, а i-iорт мах прослеживания об ьок i, а но серии цвечпых и юб|)ажсч1ии.

1 Предложен орш пиальпыи мемод прослеживания обьекм по серии пнем пых и юбражепии. в котром ючки iioboi о кадра с сч м (ч11 ир юн-я па обьек i пые и фоновые с 01 лас по криюрию минимума) шропии клас с ификдции.

Практическая ценность работы.

ПракIичеекая ценное! ь рабопл (ociom н имдаиии новых обра ¡-он ИИУС, реализующих мошожшх и> иенольювания предложенных меюдов в промышленных, плитациониых и медиципеких 1ехннч (чких у (1])ой (Iпах. а ыкже в (пециальиых приложениях Ра фабоыниые ii рамкам нред (iaiijieiinoii paf) oii)i ajii ори i п>[ и их оiдельные модули апробированы и нашли пракшче-< кое н])имен (41ие 15 деи (1вукнцих ешчемах видеопаблюдепия «0rwell-2k> и и upoi рамме для редаюиронания видеоеюжеюв Claxa.

Апробация работы.

0(ионные и непомоииельные рсчулыаш ди< (ер1ацнонной рабош докладывались на следующих н 1учных конференциях.

• G-и Обьединеппой конференции, но информационным наукам JCIS (Северная Каролина, США, 2002),.

• 7-и Международной конференции, но цифровой обрабоп<�е и юбражешш DICTA (г. Сидней, Авпралия, 2003):.

• 12-й Международной конференции по машинной i рафике, ви5али5ации и компьинерному фению WSCG (г Пл jeu, Чехия, 2001),.

• Международной конференции пошифонной обрабо1ке и юбражешш ISkT SPIE Ele< tionie Imaging (i Сап-Хо (е, США, 2004)..

Публикации.

Оеповпые и мепомоипельные ре jyjn>ia i ы дш (ерыциоппой рабоил были опубликованы и журналах Вопроеы аюмпои пауки и юхнпки. Вопрос i. i радио >лек i роники, н i рудах международных конференции.

Постановка задачи.

За поеледпие 10−15 л<�м, уч (м1ымп. рабоыющими н облает машиппо-ю фения. 6i.uk) опубликовано oi ромпое чшло j) a6oi, поевящеппых проб ieмам апали м движения обьокы Большое количсч iiio исследований (пси î—божнснч i, io породило pa шообра я"' иск lanoBOK тдачп сложения Нокоюрые наиболее шачимыо иап. и, посвященные проблеме прослеживания обьеыа, но ((4)1111 кадров, буду 1 iioMMiiyiu нами в об юре лиюрацфы Поскольку в данной рабою едва ли вснможно (лраши, весь епокф подходов, мы (у ¡-или IKK ianoBKy решаемой мдачи до следующей (формулировки.

Пуеть .¡-(¡-дин объект интерееа в ut которой ецене, а татке (го граничный контур на первом и, во. шо не по, на втором кадре виде опое к дови-иильное та Причем начальный контур доьнеен быть достаточно банок л видимо’ч границе объекта Модель поведения, е/юрма, цвет, те ке тури и другие притоки обг>(кта ней ¡-ее етпы, ?среше те е, что наб иодаюте я lie not ре е)-етве нпо на изображении Требуете я проеле дать контур объекта, но мак-еиманьно дгинои поеледоенптльноети кадров так, чтобы прое к м шше мы a конниц) ое таешле я Сшпок к видимеш границе объекта на каш дом кадре.

Во в (ех ж (перимеп iax иеиоль ювалея начальный кошур очерченный опера юром вручную Для ною мы рафабенали специальный инс фумеш, напоминающий «Mai пишое лассо» в и шестой npoi рамме Adobe Photoshop по рабоишнций комфорiнее Еще1 более продвину i ые меюды ручшм о выделения обьекюв описаны в рабенах [109, 110]. Они иошолякн обрисован" фобу-емыи обьокi буквально несколькими движениями компыоюрной mj. iiiih Чем более ючпо буд (ч обрисовав коп i ур, юм лучше окажем ся регулы ai П (кле мдапия начальною кош ура опера юр миускасм npoi рамму авюма i ичооксн о сложения по (ории кадров видеоряда.

Следу (ч (к обо ol moi и i ь, чю ручное шданио начальною кон i ура m являемся н (Ч)| ьомломой ча (1ыо нашей посмаповки ыдачи Начальный кошур можно ыдап", например, вычипишем (iai ичоскою фона и 5 первою кадра (чли камер"1 неподвижна, как, но долаоюя в cik юмах видоонаблюдония IÙ—ли об I, OKI сильно кошра (mpyoi с фоном или хорошо виден па первом ка фо. ю (чо можно иопыьпься рас пошап" или выделип" исполыуя цвоювые и юкс i^pin.io пришаки и 1. д Кроме ни о, можно иеноль ionai t. моюды (oimoh-i a I u I и по движению и комбинации сшортами ра (по шавания Веони мою.

ДЫ ЯВЛЯЮ1СЯ ПрОДМОЮМ О1Д0ЛЫ1ЫХ ИССЛОДОВаПИЙ И, НО (()(ЫВЛЯ101 Mil Н’рия I данной 1) аГ)ои>1 Желая екопцотрироиап. оя на соГх ничто мдаче сложения, мы будем ечиьпь, чю начальный кошур об 1>скiа $адап априори Именно и i i акой нос ianoBKH исходи i ям юры miioi их скпои, но (мященных япя пп движения (кчвордых обьокюм.

Структура и объём работы.

Диеоорыция со (I ои I и? мнодопия, об ioj) a ли i (ij)a i уры, чеплрех о (ном-пых глам с описаниями алюри1мом, главы с описаниемже перимоп ыльпыч ре? улыаюм, !аключония, списка цш ируомой лиicpaiуры hj 111 паимопова-пий. дополни юльных п])НЛ0Ж (Ч1ий и акы о внедрении. Рябоiа (одержи i 150 (фапиц. включае! 38 рисунком и 2 ыблицы.

В обюрпой главе 1 mi. i вкраще очср1ИМ круг оспомпых идей и по i-ходом, (формиромамппш я 15 (роде споцияли (юм снимающихся проб юмами сложения м дмижущимися обьекиши В главе 2 мы дсчалыю опишем ос-iioMiioii (UiiopHiM, коюрыи оеущс (imjijkm прослеживание i pammiioi о кошра o6i>eKia. oi раиич (чпю1 о сданной моделью движ (чшя В гляме 3 мы расскажем об ялтршме нро (лежимания цистою обьскы, оспомянною на апали-}с цмеюмых распределений мпожосчм ючек обьек1а и фона Волее (ipoimi апоршм, исполь{ующий цнеюпые распределения множен im niiyip (4imix и мпепших при1 ряпичпых ючек кош ура, будем paccMoip (4i м гламо 1 Комбинированному алюртму, включающему м себя пермые дна, а ыкжо мехапи im иск i-o6])a6oi ки кош ура, посмящена глава 5. Заюм мы приводомшпоримои-ыльные р (мулыап"1 по двум, наиболее1 ишересиым алю])И1мам, и иромодем апали 5 полученных данных м маме G Заключи юльныо мымоды буд i сделаны 15 по (лодней I ламе1 7.

7 Заключение.

Сформулирована и по (ывлепа задача (оздапия, на 6.1 зе еелзремечшых ип (})()рмациоииых юхнологий, м (модоло1ИИ и алюршмов, сио (обпых (1<пь ча (I ыо (овремсппых ин (}х)])мациопио-и змери юльпых и уп1) авчяю1цих (11(4(41. вех фебелзаппых как в аюмпои промышлеппехч и, 1ак и в друч их 01 рас ля Основой повои Iсхнолсм ии являюI ся алюри1мы прослеживания I рапичпою коп I ура движущем ос я обьеж 1а ип 1среса, над кою])ым осущее I вчясчс я пабчю-дечше и кош роль Алтршмы реали зовапы в виде1 иро1 раммио обеч печения д 1я ЭВМ Оечювпые резулы. п ы, полученные в ])аб ()1е, с ос юя1 в е лс’ду ющеч.

1 Сформулировано попяже мафицы жеч Iкое ш движения, коюрая не по п>-зуемс я в качеч I ве ипс I румечз Iа 01 рапичепия межкадровых дес})ормации коп-I ура прослеживаемся о об ьек 1а Разрабенап ^фс{хжннзпый мемод 01 рапичепия межкадровых деч{)ормаций кош ура пучем превращения подпрое фан-с пза пшичпых д (ч1)ормаций келнура в нуль-прое Iране изо ма1рицы жеч I-кое 1И движемшя Таким образом удаемся придам" кошуру нужные динамические1 емзойе мза, нап1) имер. можно позволим" ему счзободпо дсч})ормиро вап. ся еелласчю ае})фишюй модели межкад])овых Д (ч{)ормации и 01 рани чивам" вес прочие фане (формации Указанны! меч од обобщасч подходы предложенные ранее дру! ими и< следованиями Предложен универсап.-пый мечод сишеза мафицы жеч i кое in движечшя мере? по (фоечшеба зиса н про ([рапс iue межкадровых деформаций и виде конечною набора дие-кречпых Фурье-iа])Моник с циклическими (раничпыми условиями.

2 Разрабоын новый меч од предсказания положения об век i, а па следующем кадре" пек реде i вом сведения задачи предсказания к решению уравнения иперциалвнем о движения кош ура в вязкой среде в промеж) ikc между но-следоваюльпыми кадрами, с привлечением мафицы жеч iкос ш движечшя.

3 Ра зрабенап орш инальпый меюд баланс ировки влияния ос обсчпюс кч'1 и зоб ражсч! ия и ранее пакоплечшой информации па процедуру учочиепия по-ложечшя об век I, а па новом кадре4 Указанный подход основан на анализе < пек фа с обе i венных значении ма i рицы жеч ikoc in движечшя.

4 11редложеп мехаии зм поие ка особенное юй (краев) повел о кадра, вероя i пес веечо принадлежащих i })апичпому кошуру прослеживаемою об век i а.

5 Ус овершечк пзован. ранее* иредложечшый дру1 ими ис е ледова килями, меч о (слежсчшя за обвею ом па основе авали за цвечовых расч1реде нчпш обвекы и фона Разрабоын с поеч) б выбора on i ималвпо1 о разречпения пи ннрамм иечюлв зующихс я для преде ывлепия) мпиричсеких цвечовых рас преде ie ний Получечшая инс})ормация о цв (чош"1х распределениях ве фаивасчся в механизм сформирования кош ура па новом кадре видеоряда.

С Перечне ленные выше енде’льные мечоды были собраны воедино в виде1 нро-1раммы для ЭВМ. коюрая позволяем прое леживаи" заданный об век i со скорск 1ыо до 10 кадров в сежупду и выше па современном компыспере.

7 Разрабоын принципиально новый меюд прослеживания цвеч hoi о обьек-ы. ос нованиый па разделении ючек и зображечшя паобьектые и фоновые черем минимизацию общей шчжределенносчи (атропин) клас сификации Данный меч од реал и зовап в виде1 и{)01раммы для ЭВМ. Скорое п. обрабен-ки е ое ывлясч не мечкч' 2 кадров в секунду. При с оси вечем ву ющей дорабеи-ке, (коросчь можем бьпь повышена до 10−15 кадров в секунду.

8 Создай комплекс пренрамм предпа зпачечпилй для авюма! ичеч-кси о слсженим па об 1>(1к I ом ииюрееа. при условии задания об век и па первом кадре1 В нем о вошли, помимо упомяну I их выше, ве помои" юлып. к" преяраммы п])(1дпа значенные1 для елладки и моделирования 9 Проведены ме) де1Л1>пые и (ш>папия качен иза еле"жопия ра зрабомппыч, а порт мои па кч ювых видеопоеледоваIелыюе Iях. На фа кIическом маюри-але1 показана зффокшвпос п> предложенных алтршмов сложения за движущимися обье1К1ами и их высокая счопонь ютвпехш для примемюпия в копкречных информациопно-и змори юльных и управляющих сие юма В час тек т. была си мечена слабая завиеимехч ь резулыаюв слежения 01 пае «раиваомых вручную парамечров Снижение» кошеке той зависимое ш являлос ь с) пре"д («ля10щим условием при ра зрабемке» сос)1 вечечвующих, а по-ршмс)1з, чю i3i. iiодно енличаеч их о" многих сущее Iвующих подходов. 10 Ра зрабенанные мечоды вошли в виде емдельпых модулем') в продукт компании ГУН ППЦ «Элвис» (сие юмы видеопнблюдония). в комме"1)чее кю и]К)1])амму С1аха (ре'дактровапие видеоеюж («юв) и в друч не» щю" раммы. созданные в рамках проекюв Инеппум Информационных Точно км ии РНЦ <- Курчаювекии Иис пну!".

Показать весь текст

Список литературы

  1. ЛифшицЕ М Механика М Наука 1988 210с.
  2. ТихоиовА Н. Аре опии В Я Мечоды решении покоррокшых задач М. Наука, 1986. 288с
  3. П. П. ПочонкипАВ Теория вороя них юй Маюмашчес кая счашсшка. М Гардарнка. 1998 328 с
  4. Л. Д Курс маюмашчос кою анали за М Высшая шко 1а. 1981.111 584 с
  5. ВооводпиВВ Вычислиюльпыо основы лине"йиой ал 1 обры М Наука. 1977 304с
  6. Самарский, А А, Гулип, А В Численные моюды М Наука. 1989 132 о
  7. ГолГ)Д/К. ВанЛоунЧ. Мафичиые вычисления М. Мир. 1999 518 с
  8. Брапд! 3 Ciaim 1ические меюды анали м и наблюдения М Мир. 1975. 312 с
  9. Blake, А, Isaid, M Active Contouis London Spimgei-Veilag. 1998
  10. Canny, J A computational appioacli to edge1 detection IEEE 'Dans-adions on Path in Analysis (uul Muejine Inti Hup ne e 198G Vol 8 pp.679 G98,
  11. Comaniciu, D. Ranicsh. V Mcei, P. Keinel-based object hacking IEEE Turns Pattan Analysis and Madiuu Intdhyenee 2003. Vol 25 pp 5C4 577
  12. Paiagios. N, Dei к lie, H Geodesic Active Contouis and Level Sets foi the Detec tion and Tiackmg of Moving Objects IEEE Ttuus Pattern Analysis and Madum Intilh
  13. Pai agios. N., Dei и he, R Geodesic Actlve Regions foi Motion Estimation and Tiackmg Compute i Visum and Imaye Untie i standtny 2005 Vol 97 pp 259 282
  14. Pent land, A. Sclaioff, S Closed-Komi Solution foi Physically Based Shape Modeling and Recognition, ' IEEE Dans Pull (7n Analysis and Madmu Inle llup net 1991. Vol 13, no 7, pp 715 729
  15. Cm wen, R, Blake, A. Zisseinian, A A fiamewoik foi spatio-tcinpoial с ontiol ni the hacking of visual contouis lute i national douinal of Compute i Vision 1993 Vol 11. no. 2, pp 127 145
  16. Blake, A. Isaiel, M, Reynaid, D Learning to tia (k the visual motion oi con-touis Aihju ml Infi lliijt ni (1995 Vol 78, pp 101 131
  17. M (Iiioiney, T., Toi/opoulos, D Dofoimablo Models in Medical linage Analysis A Smvey. Mi du al Imayt Analysis. 1996. Vol 1. no 2, pp 91 108
  18. M (Inoinoy, T. Tei/opoulos, D T-snakivs Topology adaptive snakes Mutual Imagi Analysis 2000 Vol. 1, no 1, pp.73 91
  19. Ip, H U.S. Slicn, D. An affine-invaiiant active (ontoni model (AI-snako) foi model-based segmentation / 1 Inuiqi and Vision Compntiny 1998 Vol 16. pp 135 146
  20. Kang, I).-J. A fast and stable snake1 algoiitlmi foi medical images Paffiin Ruoyniiion L< litis 1999 Vol 20. pp 507 512
  21. Fn, Y, Eidem, A T. Tekalp, A M Tiac king visible1 boundaiy ol objoc ts using occlusion adaptive motion snake1 '/ IEEE Tunis Imayi Piottssiny 2000
  22. Vol 12, no 9. pp 2051 2060
  23. Nguyen, H T, Woiimg.M., Boomgaaid, R., Smouldois. A W. M Tiaekmg nonpaiainetoii/od object contouih m vielen) IEEE Tunis Imayi Piouss-my 2002 Vol 11, no. 9. pp 1081 1091
  24. Potoifiouiid. N. Robust Tiaekmg of Position and Velocity With Kaiman Snakes / IEEE Tunis Paifnn Analysis and Mailnni Inlilhyinii 1999
  25. Vol. 21, no 6, pp 561 569.
  26. Zaiitsky, R, Potoifiouiid, N. Shimkm, N Velocity-Guided Tiaekmg oi Defoiniable Contoms in Tinee Dimensional Space. ' Int< inational Journal of Compufi i Visum 2003 Vol 51. no 3, pp 219 238
  27. Zliong. Y., Jain. A K, Dubuisson-, Jolly, M. P Object tracking using defoiniable templates IEEE Dans Pattnn Analysis and Maihuu Infd-hyinu 2000 Vol 22. no. 5, pp 544 549
  28. Kass.M. Vitkm, A. Toi/()poulos, D Snake’s Ae tivo contoui models lata national Jom nal of Computi i Vision 1987 Vol 1. no 1. .)]) 321 331
  29. Oootos.T F. Tayloi. C, 1. Statistical Models of Appoaianco foi Computoi Vision. T ((h Hipoit (available at http, www lsbi man at al,). Wolison1. ago Analysis Unit. Imaging Science and Biomedical Engmeeiing. University of Manchester 2001
  30. AggaiwaU K, Cai, Q. Human Motion Analysis A Review Coinputa Vision and Imaq (Undti standinq 1999. Vol 73, no.3, pp 428 110
  31. Fiskei, R. Sclmlt/, N., Duta, N, Caistensen,, 1 M A general s (homo foi t laming and optimization of the Gionandei dofoimablo template model In Pun Coiif Compufa Vision and Patttin Haoqtution 2000 Vol I pp G98 705
  32. Ainini, A A. Weymouth, T E., Iain, R.C. Using dynamic piogiaimnmg foi solving vanational piobloins 111 vision. IEEE Ttans Patttin Analysis and Ma (hint Inh Hup n<(1990. Vol. 12, no 9, pp 855 8G7.
  33. Xne.Z, Li.S.Z. Teoli, E K AI-EigenSnake an affino-mvanant defoimable (ontoni model foi objcn t matching /,' Iinaq< and Vision Conipalnuj 20 021. Vol 20, pp 77 81
  34. Den/lei., J. Niemann. H Active Rays Polai-tiansfoinied Active Contoms loi Real-Time Contoui Tiackmg Rtal Turn linaqinq 1999 Vol 5 no 3 pp 203 213
  35. Ivins., 1, Ponill,) Constiained Active Region Models foi Fast Tiacking m Coloi Imago Sequoiic os Computet Vision and Imaq (Undt t standinq 1998 Vol 72, no 1, pp.51 71
  36. Ivms, .1. PomlU Evoiythmg You Always Wanted to Know About Snakes (But Weie Afiaid to Ask) Ttdmital Mano 86, Aitificial Intolhgonco Vision Resoaieh Unit, University of Sheffield 2000
  37. Zhu, S C, Yuille. A Region CompcM it ion Unifying Snake balloon. Region Ciiowing and Bayos MDL Enoigy foi multi-band Image1 Segmentation
  38. EE Duns. PatUin Analysis und Mut hint Inte Hup ne < 1996 Vol 18 no 9. pi) 884 900
  39. Pillei.M Oil the Numeiical Solution of Cyclic Tiidiagonal Systems Univeisity of Tneste, online aiticle http www-dunnu iimi) tue st< it ~nnfte, it seeneIi, e ijetiid Default htm 1999
  40. Benson. A, Evans, D, J A Noimah/ed Algol it hin loi tlie Solution of Positive1 Definite Symmetik Quiiichagonal Systems of Lineal Equations ACM Tuniseu turns on Mathe mutual Softuiau 1977. Vol 3, no 1. pp 96 103
  41. Swam. M. J, Ballaid, D II Coloi Indexing '/ Inte inettumal Joui nul of Computer Visum 1991 Vol. 7, no 1, pp 11 32.
  42. Btadski.G H Computer Vision Face Tiackmg Foi Use m Peiceptual Usei Intel face Intel Teehrwlexjii Journal Q2 1998
  43. Kaiman, H E. A New Appioach to Lmcai Filteiuig and Piediction Pioblems Tiansae tum of the ASME Journal of Deisu Enejinte i mej 1960 pp 35 15
  44. Welch. C.Bishop. G An Intioduction to the Kaiman Filtei Teehnieul Ih-poit 95−041. Univeisity of Noitli Caiolma, Depaitment of Computei S< ience1995
  45. Weh h, Ci. Bishop, Ci. An Intioduction to the Kaiman Filtei SIGG11APII 2001 Com si 2001 No 8.
  46. Gelb. A Applied Optimal Estimation MA MIT Piess. Cambiidge 1971
  47. Juliei, S, J. Uhhnann, J K, Dmiant-Whyte, H F A New Appioach foi The Noiilmeai Tt ansfoi mat ion of Means and Covanances ' IEEE Duns Auto-mutie Contiol 1996
  48. Welling, M Classnotes m Machine Learning Online publication http w m m us uei idu/~ii)(llint//(leissnott s, elussnotes hind.
  49. Hiiiepnei pecypc MIT Open Couise Waie, Lectin es on
  50. Ocean Engmecimg, Lectuie 20, http- oe id mite du unit i html, blip oe id nut (du Oe uiWe b/Oe e an-Enejine e i nuj ld-JOEull-2l)0Jt Lee tun Note s mele i htm
  51. Metaxas, D, Tei/opoulos, D Shapeand onngid Motion Estimatioii thiough Physu s-Based Synthesis IEEE Tunis Pattirn Anah/sis and Mai tum Intdhi/i nu 1993 Vol 15. iio G. pp 580 591
  52. Loyniaiie, F. Levmo. M D Tiacking defoimable objects m tlie plane usmg an aetive (ontoin model IEEE Dans Pafft in Anahjsis and Madum Infi Ih<.< ri ((1993 Vol 15, no G, pp. G17 G31.
  53. Bastle, B. Boutheiny, P, Dein lie, R., Mayei, F Tiaekmg (omplex primitives in an linage sequeiKC, R (s (auh Riport uo 2428. Institut National De Reelleiche eil lnfoiinatique et eil Autoniatique (INRIA) 1991
  54. Lowe, D G Robust model-based niotion tiaekmg tlnougli tlie mtegiation of seau Ii and estimatioii. j' Infi? national Jour nal of Com put < i 'i sion 19 921. Vol 8, 110 2, pj) 113 122
  55. Hoin.B.K.P., Sdiunk.B.G Deteiniiniiiig Optical Flow Artifie uil Infi I-lii/i in i 1981 Vol. 17. pp. 185 204
  56. Baumbctg, A, Hogg, D An efficiciit liiethod foi (ontoin tia (kmg using
  57. Cootes.T F, Tayloi, C J Activeshapeniodels «smait snakes» In Prix Dutish Mai tum Vision Conference 1992. Pp 27G 285,
  58. GO Piess, W. II, Teukolsky S A. Vetteilmg. W. T, Flanneiy, B P Nunien
  59. Gl Sapno.G. Ringai h. D. L AmsotiopK Diffusion of Multivalued Images witli Appluations to Coloi Filteiing IEEE Tiuns Imaeje Pioussinq 1990
  60. Vol 5, 110 11, pp 1582 158G
  61. G2 Oshet, S, Sethian, J. A Fionts piopagatmg with < uivatuio-dependoiit speed Algol it Inns based on hainilton-jaeobi foiinulation Journal of Coinputa tional Plujsns 1988 Vol 79, pp 12 19
  62. Sethian, 1 A Level set methods evolving liitoifaees m geomotiy. fluid me diaiiKs (omputei vision and mateiial sciences Cambiidge Umvcisit^s Pi ess. 1999
  63. Zen/o, S D A note oil the giadient of a multi-image Coinputa Ciapluts, Vision, Imaqt Pux (ssnuj 1986 Vol 33, pp 116 125
  64. Moon, Y. S, Kim, C Y., Kweon, I A Method of Fiehmmaiily Doteiminmg an Optimal Ooloi Ilistogiam Bin Resolution foi Coloi Histogiam based Ob. C (t Tia (kmg. 14th Workshop on Imaij (Pun (ssiny and Iina
  65. Piepaiata.F, Sliamos, M Computational Geometiy An Intioduc tion New Y01 k Spnngei, 1986
  66. Tliac kei, N A. Alieine, F J, Rockett.P.I The Bhattachaiyya Metnc as an Absolute Smnlaiity Measuie foi Fiequency Coded Data Kijbt 1 n< tihu 1997. Vol 34. no 4, pp 363 368
  67. Conianieiu, D, Meei, P Tyle, D Dissimilaiity (omputation thiough low lank (0110(tions Pattern Baoymtum Ldtns. 2003 Vol 24, pp.227 236
  68. Endies. D M. S (hindelin, .1 E A new metue foi ?)iobability (list nbut 1011s
  69. EE TuinsfK 11011s On In foi motion Tin 01 y 2003 Vol 19. no 7. pp 1858 1860
  70. Song. M. Haialuk. R Optimally Quantized and Smoothed Ihstogiams Plot Joint Conftuna on Information S (un ((s 2002 Pp 894 897
  71. Fieedman.D., Zhang, T. Active Contoms foi Tiackmg Distnbutions IEEE Dans Imay< Pioassmy 2004 Vol 13. pp. 518 526
  72. Zhang. T, Fteodman, D. Impiovmg Peifoniiaiu e of Distiibution Ink king thiough Baikgiound Mismatch. IEEE Tiuns Pattan Analysis and Ma-(Inn/ Intdhqi iu (2005 Vol 27, pp 282 287
  73. Рне/, Р, Hue.С., Veimaak, Л. Gangnet, М Coloi-based piobabilisti (tucking Prot Euiopuin Conftuntt on Compuii i Vision 2002. Vol 1. pp GG1 G75
  74. Wu, Y, Huang. T. S. Nonstationaiy Coloi Tia (king foi Vision-Based Human-Coinputei Inteiaction IEEE Tunis N< uuil N (tworks 2002 Vol 13. pp 948 9G0
  75. Yilina/, A. Li. X., Shall, M. Contoui Based Object Tia< king Using Level Sets Pux Asian Conf (uri ((on Compuii? Visum. Koiea 2001
  76. Abd-Almageed, W, Smith. С. E Active Defoiinable Models Using Density Estimation InUrnational Journal of Imaiji arid Craphns 2001 Vol 4. pp 343 3G1
  77. Numiniaio, К. Kollei-Meiei, E, Van Cool, L. Object Tia (king with an Adap tive Coloi-Based Pai tide Filt ei.// Proc Du Dcutsdn Arlx itsqirm insdiaft far Mristt и rk (rinunq 2002 Pp.353 3G0
  78. Hayman.E. Eklundh, J (). Piobabilistie and Voting Appioadies to Cue In-tegiation foi Figuie-Giouiid Segmentation ' Pux Euro.)(
  79. Tao, II, Sawhney, H S. Kuniai, R Object Tiaikmg with Bayesian Estimation of Dynamic Layei Repiesentations IEEE Tians Path iи 4iiahjsis and Madiim Intdhqaui 2002. Vol. 21, no 1. pp. 75 89
  80. Taiel,) P. Ieng, S S. Chaibonniei. P. Using Robust Estimation Algol it bins foi Tiaeking Explicit Cmves 1 < Proi Europtan ConftuiKi on Coinpata Vision 2002 Vol I, pp 192 507.
  81. Toyama, K, Blake.A. Piobabilistic Tracking 111 a Mctiic Spate Intunational Journal of Computer Vision. 2002 Vol 48, no 1. pp 9 19
  82. Fieedman, D. Biandstem. M. S. Contom Tracking in Clnttei A Subset Ap pioadi Inte i national Journal of Compute t Vision 2000 Vol 38 no 2, pp 173 186
  83. Fieedman, D. Biandstem, M. S. Piovably fast algorithms foi contoui hacking In Proe IEEE Computer Sextet}/ Cemferenee on Computet Vision etnel Pattern He e oepution 2000 Vol 1, pp 139 144.
  84. Rabmei, L R A Tutonal on Hidden Maikov Models and Selected Applications m Speech Recognition / Ptoe IEEE 1989 Vol 77, no 2. pp 257 287
  85. Meyei, F. Beuchei. S Moiphological Segmentation Journal of isuul Commuriie eitiem on Irrtaeie Re pre se ntation. 1990 Vol. 1. no 1, pp 21 10
  86. Smith. P., Diuinmond, T, Cipolla, R Layeied Motion Segmentation and Depth Oicleinig by Tiackmg Edges, IEEE Tteins Pattern Analt/sis etnel Mae hint Intellieje nee 2004 Vol 21. no 1, pp. 179 191
  87. Beitalmio, M. Sapno.G., Randall, G Moiphing active contoms IEEE Trans Pattern Anulijsis and Meiehine Inte llteje ne e 2000 Vol 22 no 7 pp.733 737
  88. Roniaid.R Region based stiategics ioi active coutoni models hitiinu-tional Journal of Computer Visum 1991 Vol 13, 110 2, pp 229 251
  89. Ayei S, Sawliney. il S. Layered Repicsentation of Motion Video lTsing Ro bust Maximum-Likelihood Estimation of Mixtine Models and MDL Encoding IEEE International Cemferenee in Computer Vision Cambiielge. USA 1995 pp.777 784
  90. Black. M .1. Anandan. P. The Robust Estimation of Multiple Motions- Paia-metiie and Piceewise-Smooth Flow Fields Computet Vision and lineup Utide tst (inelinej 199G Vol G3, no 1. pp 75 104
  91. Mansomi, A R Region tlacking via level set PDEs without motion computation IEEE Ttuns Pattern Anah/sis and Mat Intu Intellieje tie e 20 021. Vol 21, no 7, pp 917 9G1.
  92. Gastaud, M. Piecioso, F. Bailaud, M. Aubeit. G .Debieuvc.E Fiom snakes to legion-based active contouis defined by legion-dependent paiaineteis Applad Optus, Spinal Issik on Mithods for Automata Taupt Hi i oipntioa2004 Vol 43. no.2, pp 247 25G
  93. Kirn, W, Lee., J, 1 Visual Tiacking foi Moving Object by hivanant Active Contoui Model ' Intnnata) nal F (d (rata)ii of Automata Co/itiol. Spam. Baicelona July. 2002 Vol. 15
  94. Galvm, B, Novms, K, McCane, 13 Motion-Based Segmentation Using A (tne Contouis Pioi Imaiji and Visain Compatnaj, Umveisity oi Auckland. New Zealand 1998 pp 316 351
  95. Jiang. H. Diew, MSA Piechctive Contoui Ineitia Snake1 Model foi Geneial Video Tiackmg ' Inti i national Confiu n< i on Imaip Piotcssua) 20 021. Vol 3, pp 413 116.
  96. Sun.S, Kini, Y Video object segmentation using active contoui modeling with global iclaxation Einopian Pati nt Applaation, EP1061718A2 Decembei, 2000
  97. Lee. M C. Gu, C Semantic object segmentation and tiackmg Uiutnl Stati s Pati nt, US 6 400 831 B2 June, 2002
  98. Danell, T Detection of Image Coiiespondence Using Radial Cumulative Similaiity. Unitid Stati s Patint, US6343 150 B1 Januaiy. 2002
  99. Y L Chang and Y T Lm Appaiatus and Method foi Tiackmg Defoimable Objects United States Patent, US5999651 Decenibei 1999
  100. Su/uki, S Image Piocessmg Appautus and Method foi Detecting a Contoin of an Ob|(4t fioin linages of a Motion Pic tine and Extucting the Object theiefiom. Unitid State Pat nit, US597U75 Octobci, 1999
  101. Goidon, N. Sahnond D, Smith.A. A novel appioach to non-hneai and non-Gaussian Bayesian state1 estimation. IEE Punt
  102. Isaid, M., Blake, A Condensation (onditional density piopagation foi visual tia< king. Int a national Join nal of Computi i Visum 1998 Vol 29 no 1 j) j) 5 28
  103. Isaid, M, Blake, A. {condensation: Unifying low-level and high-level tucking in a stoc liasfie fiamewoik. ' Lutuu Notts in Computi i Siunu. 19 981. Vol 1406. pp 893 908
  104. Foxlin. E. Motion Tucking Reqiiiieinents and Technologies Chaptei 8 m Handbook of Viitual Envnonment Technology. Kay Staimey. Echtoi Lawience Eilbauni Associates 2002. (littp www lsense com company papeis')
  105. Moitensen, E NT. Banett, W A Toboggan-Based Intelligent Scissois with a Foin Pauinetei Edge Model., Pun. IEEE Computi i Vision and Path in Bt loqnitwn 1999 Vol II, pp 452 458
  106. Hothet, C. Kolmogoiov. V, Blake, A GubCnt Inteuc tivc Foiegionnd Ex-tuction Using Iteiated Giaph Cuts ACM Tiansai turns on Ciapluts 2001 Vol 23, no.3, pp. 309 314.
  107. Bilge, L. Ro/enholc, Y How many bins should be j) iit in a legnlai. histoguni
  108. Etnopian S (7ks in Apphtd and Industrial Mafht niatii s (ESAIM) Piob-abditii and Statistiis 2006 Vol 10. pp 24 45
Заполнить форму текущей работой