Алгоритми виокремлення контурів зображень об’єктів в інтелектуальних системах відеоспостереження

DOI: 10.31673/2412-9070.2020.053539

  • Крючкова Л. П. (Kriuchkova L. P.) Державний університет телекомунікацій, м. Київ
  • Стрельніков В. І. (Strelnikov V. I.) Державний університет телекомунікацій, м. Київ
  • Акулінічева М. В. (Akulinicheva M. V.) Державний університет телекомунікацій, м. Київ
  • Бортник О. С. (Bortnyk O. S.) Державний університет телекомунікацій, м. Київ
  • Дібрівний О. А. (Dibrivnyi O. A.) Державний університет телекомунікацій, м. Київ

Анотація

Виокремлення контурів зображень об’єктів в інтелектуальних системах відеоспостереження є однією з основних операцій під час оброблення зображення для його подальшого аналізу, оскільки контур містить всю потрібну інформацію для розпізнавання об'єктів за їх формою. Цей підхід дає змогу не розглядати внутрішні точки зображення і в такий спосіб істотно скоротити обсяг інформації, що обробляється, надаючи можливість здійснювати аналіз зображень у режимі реального часу.
У статті розглянуто проблему виокремлення контурів зображень об’єктів у задачах виявлення тривожних подій інтелектуальними системами відеоспостереження. З метою поліпшення основних характеристик інтелектуальних систем відеоспостереження запропоновано алгоритми виокремлення контурів зображень об’єктів, необхідних для забезпечення виявлення чотирьох типів тривожних подій: появу та перебування об’єкта в зоні спостереження, переміщення об’єкта в забороненому напрямі, залишення предмета і перекидання предмета.

Ключові слова: інтелектуальні системи відеоспостереження; відеоаналітика; виявлення тривожних подій; цифрове оброблення зображень; виявлення об’єктів; відстеження об’єктів; контури зображень об’єктів; контурний аналіз.

Список використаної літератури
1. Ainsworth T. Buyer Beware // Security Oz. 2002. Vol. 19. P. 18–26.
2. Сальников И. И. Критерии отнесения устройств и систем обработки информации к интеллектуальным // XXI век: итоги прошлого и проблемы настоящего плюс. Пенза: Изд-во Пенз. гос. технол. акад., 2012. С. 11–15.
3. Крючкова Л. П., Кременський М. С. Методи виявлення тривожних подій в інтелектуальних системах відеоспостереження // Сучасний захист інформації. 2019. №3. С. 64–69.
4. Heikkila M., Pietikainen M. A texture-based method for modeling the background and detecting moving objects // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2006. vol. 28, no. 4. Р. 657–662.
5. Сакович И. О., Белов Ю. С. Обзор основных методов контурного анализа для выделения контуров движущихся объектов // Инженерный журнал: наука и инновации: електрон. версія журн. 2014. Вып. 12. URL: http://engjournal.ru/catalog/it/hidden/1280.html
6. Сирота А. А., Соломатин А. И. Статистические алгоритмы обнаружения границ объектов на изображениях // Вестник ВГУ. 2008. № 1. С. 58–64 (Сер. Системный анализ и информационные технологии).
7. Хачумов М. В. Сжатие, передача и распознавание контуров ригидных объектов, описанных цепными кодами // Современные наукоемкие технологии: електрон. версія журн. 2020. № 8. С. 79–85. URL: http://www.top-technologies.ru/ru/article/view?id=38177 (дата обращения: 24.09.2020).
8. Shih Frank. Image processing and pattern recognition: fundamentals and techniques // IEEE Press, 2010. 537 p.
9. Гонсалес Р. С., Вудс Р. Э. Цифровая обработка изображений: 3-е изд., испр. и доп. Москва: Техносфера, 2012. 1104 с.

Номер
№ 5 (2020)
Розділ
Статті