Подходы к обнаружению и оценке параметров движущихся объектов на видеопоследовательности применительно к транспортной аналитике

Abstract

Рассмотрены различные подходы к обработке изображений и видео с целью решения задач обнаружения, слежения и оценки параметров движущихся объектов. Описаны разработанные алгоритмы решения обозначенных задач применительно к области транспортной аналитики. При разработке алгоритмов внимание было уделено решению задач на внутренней платформе камер видеонаблюдения, что накладывает ограничения на вычислительную сложность. Первый алгоритм (базовый) выполняет обнаружение и оценку параметров движущихся объектов и основан на обработке двух связанных зон изображения. Данный алгоритм включает вычислительно эффективную и адаптивную процедуру оценки и обновления фоновой составляющей изображения на основе физики процесса движения объекта интереса через зону обработки. Второй алгоритм выполняет слежение за объектом на основе метода оптического потока, инициализированного особыми точками. Третий алгоритм основан на прослеживании сегментов объекта, невысокая сложность алгоритма позволяет реализовать его на внутренней платформе интеллектуальных камер. Приведены результаты экспериментальных исследований предложенных алгоритмов, также проведено сравнение с некоторыми алгоритмами, представленными в литературе. Показано, что алгоритмы слежения позволяют повысить точность обнаружения и оценки параметров движущихся объектов, а также сократить вероятность ошибок классификации по сравнению с базовым подходом.

The paper discusses different approaches to image and video processing aiming to solve the problems of detecting, tracking and estimating the parameters of moving objects. The developed algorithms for solving these problems are described in relation to the field of transport analytics. When developing the algorithms, attention was given to solving the problems on an embedded platform of video surveillance cameras, which imposes restrictions on the computational complexity. The first (basic) algorithm for moving object detection and parameter estimation is based on processing two associated areas of an image. This algorithm includes a computationally efficient adaptive procedure for evaluating and updating the background component of an image. The procedure is based on the physics of the process of movement of the object of interest through a processing zone. The second algorithm performs object tracking based on an optical flow method initialized by feature points. The third algorithm is based on object segment tracking and is computationally efficient for the implementation on an embedded platform of intelligent cameras. Results of experimental studies of the proposed algorithms are presented, as well as a comparison with some well-known algorithms. It is shown that tracking algorithms can improve the accuracy of moving object parameter estimation. Tracking also reduces the number of classification errors compared to the basic approach to object detection and parameter estimation.