Исследование и разработка алгоритмов для решения задачи устойчивого видеослежения в больших помещениях тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат физико-математических наук Стрельников, Константин Николаевич

• Стрельников, Константин Николаевич
• кандидат физико-математических наук
• 2009

Оглавление диссертации кандидат физико-математических наук Стрельников, Константин Николаевич

Список иллюстраций

Список таблиц

Введение

Введение диссертации (часть автореферата) на тему «Исследование и разработка алгоритмов для решения задачи устойчивого видеослежения в больших помещениях»

Цель диссертационной работы.13

Научная новизна работы .13

Практическая ценность.14

Апробация работы.15

Публикации .16

Структура и объем диссертации.16

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Стрельников, Константин Николаевич

Основные результаты работы состоят в следующем:

1. На основе проведённого исследования алгоритмов калибровки видеокамер разработан и реализован метод совместной калибровки поворотных видеокамер для больших помещений, который позволяет значительно сократить время, затрачиваемое на калибровку.

2. Разработан и реализован метод обнаружения объектов с помощью поворотных видеокамер, обладающий устойчивостью к изменению освещения и позволяющий обнаруживать неподвижные объекты.

3. На основе предложенных алгоритмов разработана программная система видеослежения, используемая в реальных практических приложениях.

Благодарности

Автор выражает благодарность научному руководителю В.А. Галак-тионову и научному консультантам А.Г. Волобою и Д.С. Ватолину за содействие и помощь в работе, а также всему коллективу лаборатории компьютерной графики и мультимедиа Московского государственного университета им М.В. Ломоносова за плодотворные совместные обсуждения, способствовавшие реализации идей диссертации.

Заключение

Список литературы диссертационного исследования кандидат физико-математических наук Стрельников, Константин Николаевич, 2009 год

1. К. H. Стрельников, Д. Л. Куликов. Система моделирования окружения управляемой камеры на основе анализа и обработки видеоданных // Международный журнал «Программные продукты и системы». - 2008. - № 3(83). - С. 66-69.

2. C.B. Гришин, Д. С. Ватолин, К.Н. Стрельников и др. Обзор блочных методов оценки движения в цифровых видео сигналах // Тематический сборник «Программные системы и инструменты».— 2008. № 9. - С. 50-62.

3. К. Стрельников, Д. Ватолин, С. Солдатов. Быстрое и надежное определение глобального движения в видеопоследовательностях // Труды конференции Графикон-2006. — Новосибирск, Академгородок, Россия: Июль 2006. — С. 430-437.

4. К. Стрельников, Д. Куликов, А. Лукин. Построение и применение модели зерна пленки на основе спектральных образцов // Труды конференции Графикон-2007. — Москва, Россия: Июнь 2007. — С. 248-252.

5. A. Obukhov, К. Strelnikov, D. Vatolin. Fully Automatic Multiple PTZ Cameras Calibration Method // Proceedings of Graphicon-2008.— Moscow, Russia: June 2008. — Pp. 122-127.

6. К. Стрельников, Д. Ватолин, С. Солдатов. Новый метод подавления эффекта дрожания кадра в видео // Материалы десятого научно-практического семинара «Новые информационные технологии в автоматизированных системах». — Москва, Россия: Май 2007. — С. 3-10.

7. К. Стрельников. Система видеослежения для больших помещений // Материалы двенадцатого научно-практического семинара «Новые информационные технологии в автоматизированных системах». — Москва, Россия: Март 2009. — С. 9-18.

8. O.D. Faugeras, G. Toscani. The calibration problem for stereo 11 Proceedings of IEEE Computer Vision and Pattern Recognition. — 1986. — P. 15-20.

9. J. Salvi. A robust-coded pattern projection for dynamic 3D scene measurement // Pattern Recognition Letters. — 1998.— September. — Vol. 19, no. 11.— Pp. 1055-1065.

10. R. Y. Tsai. A versatile camera calibration technique for high-accuracy 3D machine visionmetrology using of-the-shelf TV cameras and lenses // IEEE Int. Journalon Robotics and Automation. — 1987. — Vol. RA-3. — Pp. 323-344.

11. D. C. Brown. The simultaneous determination of the orientation and lens distortion of a photogrammetric camera // Air Force Missile Test Center Report No. 56-20. 1956.

12. D.C. Brown. Close-range camera calibration // Photogrammetric Engineering. — 1971. — Vol. 37(8). P. 855-866.

13. R. Cipolla, T. Drummond, D. Robertson. Camera calibration from vanishing points in in images of architectural scenes // Proc. British Machine Vision Conference. — 1999. — Vol. 2. — Pp. 382-391.

14. B. Caprile, V. Torre. Using vanishing points for camera calibration // International Journal of Computer Vision. — 1990.— March. — Vol. 4, no. 2. Pp. 127-139.

15. L. Grammatikopoulos, G. Karras, E. Petsa. Camera calibration combining images with two vanishing points // XX-th Congress of International Society for Photogrammetry and Remote Sensing. — 2004. — Pp. 99-104.

16. D. Liebowitz, A. Zisserman. Metric rectification for perspective images of planes //In Proceedings of the IEEE Conferenceon Computer Vision and Pattern Recognition. — 1998. — P. 482-488.

17. L. Grammatikopoulos, G. Karras. An automatic approach for camera calibration from vanishing points // ISPRS Journal of Photogrammetry and Remote Sensing. — 2007. — Vol. 62. — Pp. 64-78.

18. Stephen J. Maybank, Olivier D. Faugeras. A theory of self-calibration of a moving camera // Int. J. Comput. Vision. — 1992. — August. — Vol. 8, no. 2. Pp. 123-151.

19. R. I. Hartley. An algorithm for self calibration from several views // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 1994.- Pp. 908-912.

20. Q. T. Luong, 0. D. Faugeras. Self-Calibration of a Moving Camera from Point Correspondences and Fundamental Matrices // International Journal of Computer Vision. — 1997. — March. — Vol. 22, no. 3. — Pp. 261-289.

21. S. Bougnoux. From projective to Euclidean space under any practical situation, a criticism of self-calibration // Sixth International Conference on Computer Vision. — 1998. — Pp. 790-796.

22. R. I. Hartley. Self-calibration from multiple views with a rotating camera // Proceedings of the third European Conference on Computer Vision (vol. 1).— Secaucus, NJ, USA: Springer-Verlag New York, Inc., 1994. Pp. 471-478.

23. Z. Zhang. A flexible new technique for camera calibration // IEEE Transactions on Pattern Analysis and Machine Intelligence. — 2000. — Vol. 22, no. 11.-Pp. 1330-1334.

24. Donald W. Marquardt. An Algorithm for Least-Squares Estimation of Nonlinear Parameters // SIAM Journal on Applied Mathematics.— 1963. Vol. 11, no. 2. - Pp. 431-441.

25. Z. Zhang. Camera Calibration Toolbox for Matlab. http://www. vision.caltech.edu/bouguetj/calibdoc/.

26. R. Hartley, A. Zisserman. Multiple View Geometry in Computer Vision, Ed. by Second. — Cambridge University Press, ISBN: 0521540518, 2004.

27. D. Forsyth, J. Ponce. Computer Vision: A modern approach // Prentice Hall. Prentice Hall, 2003.

28. Keck Laboratory, http: //cvl. umiacs. umd. edu/pro j ects/keck/.

29. P. Baker, Y. Aloimonos. Complete calibration of a multi-camera network // Omnidirectional Vision, 2000. Proceedings. IEEE Workshop on. 2000. - Pp. 134-141.

30. Richard I. Hartley. Estimation of Relative Camera Positions for Uncali-brated Cameras // ECCV '92: Proceedings of the Second European Conference on Computer Vision. — London, UK: Springer-Verlag, 1992. — Pp. 579-587.

31. R. Hartley. Extraction of Focal Lengths from the Fundamental Matrix // G.E. CRD.- 1993.

32. I.O. Sebe, G.Q. Chen. Multi-camera Calibration // STMicroelectronics Technical Report. — 2002.

33. C. Harris, M. Stephens. A Combined Corner and Edge Detection // Proceedings of The Fourth Alvey Vision Conference. — 1988. — Pp. 147-151.

34. Rachid Deriche, Gerard Giraudon. A computational approach for corner and vertex detection // Int. J. Comput. Vision. — 1993.— April.— Vol. 10, no. 2. Pp. 101-124.

35. R. Deriche, T. Blaszka. Recovering and characterizing image features using an efficient model based approach // Computer Vision and Pattern Recognition, 1993. Proceedings CVPR '93., 1993 IEEE Computer Society Conference on. — 1993. — Pp. 530-535.

36. Xilin Chen, Jie Yang, A. Waibel. Calibration of a hybrid camera network // Computer Vision, 2003. Proceedings. Ninth IEEE International Conference on. — 2003. — Pp. 150-155 vol.1.

37. S. K. Nayar. Catadioptric omnidirectional camera // Computer Vision and Pattern Recognition, 1997. Proceedings., 1997 IEEE Computer Society Conference on. — 1997. — Pp. 482-488.

38. C. Geyer, K. Daniilidis. Catadioptric camera calibration // Computer Vision, 1999. The Proceedings of the Seventh IEEE International Conference on. Vol. 1. — 1999. — Pp. 398-404 vol.1.

39. J. Mitchelson, A. Hilton. Wand-based multiple camera studio calibration // CVSSP Technical Report. — 2003.

40. Tomas Svoboda, Daniel Martinec, Tomas Pajdla. A convenient multi-camera self-calibration for virtual environments // PRESENCE: Tele-operators and Virtual Environments. — 2005. — August. — Vol. 14(4). — Pp. 407-422.

41. Daniel Martinec, Tomas Pajdla. Structure from Many Perspective Images with Occlusions // ECCV '02: Proceedings of the 7th European Conference on Computer Vision-Part II. — London, UK: Springer-Verlag, 2002. Pp. 355-369.

42. Peter F. Sturm, Bill Triggs. A Factorization Based Algorithm for Multi-Image Projective Structure and Motion // ECCV '96: Proceedings of the 4th European Conference on Computer Vision-Volume II. — London, UK: Springer-Verlag, 1996. Pp. 709-720.

43. D. Jacobs. Linear fitting with missing data: applications to struc-ture-from-motion and to characterizing intensity images // Computer

44. Vision and Pattern Recognition, 1997. Proceedings., 1997 IEEE Computer Society Conference on. — 1997. — Pp. 206-212.

45. Vivek Kwatra. Motion Characterization Using Gradient Histograms, http: / / www. cc. gatech. edu/~kwatra/computervision/proj ect/ report .html.

46. I-Hsien Chen, Sheng-Jyh Wang. Efficient Vision-Based Calibration for Visual Surveillance Systems with Multiple PTZ Cameras // Computer Vision Systems, 2006 ICVS '06. IEEE International Conference on.— 2006. Pp. 24-32. ■

47. Jun Rekimoto, Yuji Ayatsuka. CyberCode: designing augmented reality environments with visual tags // DARE '00: Proceedings of DARE 2000 on Designing augmented reality environments. — New York, NY, USA: ACM Press, 2000. Pp. 1-10.

48. I. Poupyrev, H. Kato, M. Billinghurst. — ARToolkit user manual.— Human Interface Technology Lab, University of Washington, 2000.

49. M. Fiala. ARTag, a fiducial marker system using digital techniques // Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEEE Computer Society Conference on. — Vol. 2. — 2005. — Pp. 590-596 vol. 2.

50. Thomas F. Coleman, Yuying Li. An Interior Trust Region Approach for Nonlinear Minimization Subject to Bounds // SIAM Journal on Optimization. — 1996. — Vol. 6. — Pp. 418-445.

51. MATLAB The Language of Technical Computing, http://www. mathworks.com/products/matlab/.

52. Martin Fowler, Kendall Scott. UML Distilled: A Brief Guide to the Standard Object Modeling Language. — Addison-Wesley Longman Publishing Co., Inc., 2000.

53. Гради Буч. Объектно-ориентированный анализ и проектирование с примерами приложений на С++, Ed. by .-.-.-. ISBN: 5-7989-0067-3.— М., "Бином"., СПб., "Невский диалект2001.

54. В. Гаганов, А. Конушин. Сегментация движущихся объектов в видео потоке. — 2004. http: //cgm. graphicon. ru.

55. A. Prati, I. Mikic, C. Grana, M. M. Trivedi. Shadow detection algorithms for traffic flow analysis: a comparative study // Intelligent Transportation Systems, 2001. Proceedings. 2001 IEEE.— 2001.— Pp. 340-345.

56. Ismail Haritaoglu, David Harwood, Larry S. Davis. W4s: A real time system for detecting and tracking people in 2.5 d // In Eurepean Conference on Computer Vision. — 1998. — Pp. 877-892.

57. Y. Ivanov, A. Bobick, J. Liu. Fast lighting independent background subtraction // Visual Surveillance, 1998. Proceedings., 1998 IEEE Workshop on. 1998. — Pp. 49-55.

58. N. M. Oliver, B. Rosario, A. P. Pentland. A Bayesian computer vision system for modeling human interactions // Pattern Analysis and Machine Intelligence, IEEE Transactions on. — 2000. — Vol. 22, no. 8. — Pp. 831-843.

59. Christof Ridder, Olaf Munkelt, Harald Kirchner. Adaptive background estimation and foreground detection using kalman-filtering // Proc.1.t'l Conf. Recent Advances in Mechatronics, ICRAM '95. — 1995. — Pp. 193-199.

60. C. R. Wren, A. Azarbayejani, T. Darrell, A. P. Pentland. Pfinder: realtime tracking of the human body // Pattern Analysis and Machine Intelligence, IEEE Transactions on. 1997. — Vol. 19, no. 7. — Pp. 780-785.

61. N. Friedman. Image segmentation in video sequences: A probabilistic approach // Proc. 13th Conf. Uncertainty in Artificial Intelligence (UAI). 1997. - Pp. 175-181.

62. H.H. Пешков. Математическое моделирование и разработка алгоритмов обнаружения и измерения параметров сторонних объектов в системах наблюдения: Ph.D. thesis / Ставропольский государственный университет. — 2004.

63. С. Stauffer, W.E.L Grimson. Learning Patterns of Activity Using RealTime Tracking // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. — Vol. 22, no. 8. — Pp. 747-757.

64. J. Goldberger, H. Greenspan. Context-based segmentation of image sequences // Pattern Analysis and Machine Intelligence, IEEE Transactions on.— 2006. — Vol. 28, no. 3.— Pp. 463-468.

65. A. Biswas, P. Guha, A. Mukerjee, K. S. Venkatesh. Intrusion Detection and Tracking with Pan-Tilt Cameras // Visual Information Engi110neering, 2006. VIE 2006. IET International Conference on. — 2006. — Pp. 565-571.

66. L. J. Latecki, R. Miezianko, D. Pokrajac. Evaluating Reliability of Motion Features in Surveillance Videos // NIST Workshop on Performance Metrics for Intelligent Systems. — Gaithersburg, MD, USA: 2004.

67. M. Hotter, R. Thoma. Image segmentation based on object oriented mapping parameter estimation // Signal Process.— 1988.— Vol. 15, no. 3.— Pp. 315-334. http://dx.doi.org/10.1016/0165-1684C88) 90021-7.

68. J.R. Bergen, P. J. Burt, K. Hanna et al. Dynamic Multiple-Motion Computation // Artificial Intelligence and Computer Vision: Proceedings of the Israeli Conference. — Elsevier, Israeli: 1991.— Pp. 147-156.

69. Michal Irani, Shmuel Peleg. Motion analysis for image enhancement: Resolution, occlusion, and transparency // Journal of Visual Communication and Image Representation. — 1993. — Vol. 4. — Pp. 324-335.

70. J. Y. A. Wang, E. H. Adelson. Representing moving images with layers // Image Processing, IEEE Transactions on. — 1994. — Vol. 3, no. 5. Pp. 625-638.

71. G. D. Borshukov, G. Bozdagi, Y. Altunbasak, A. M. Tekalp. Motion segmentation by multistage affine classification // Image Processing, IEEE Transactions on. — 1997. — Vol. 6, no. 11. — Pp. 1591-1594. http : //dx.doi.org/10.1109/83.641420.

72. Yucel Altunbasak, P. Erhan Eren, A. Murat Tekalp. Region-based parametric motion segmentation using color information // Graphical Models and Image Processing. — 1998. — Pp. 13-23.

73. I. Ahmad, Weiguo Zheng, Jiancong Luo, Ming Liou. A fast adaptive motion estimation algorithm // Circuits and Systems for Video Technology, IEEE Transactions on. — 2006. Vol. 16, no. 3. — Pp. 420-438.

74. Ce Liu, W. T. Freeman, R. Szeliski, Sing B. Kang. Noise Estimation from a Single Image 11 Computer Vision and Pattern Recognition, 2006 IEEE Computer Society Conference on. — Vol. 1. — 2006. — Pp. 901-908.

75. Craig Donald. How many monitors should a CCTV operator view? — 2004. http: //securitysa. com/article. aspx?pklArticleid= 3313&pklCategoryID=3.

76. MActiveDome™+ Система интеллектуального видеонаблюдения нового поколения, http://www.dssl.ru/products/technologies/ activedome+.php.

77. Система цифрового видеонаблюдения с компьютерным зрением для городских условий Orwell 2k-City. http://elvees.ru/index.php? id=239&L=0.

78. J. Postel, J. Reynolds. — TELNET PROTOCOL SPECIFICATION.-IETF, RFC 854, 1983.-May.

79. Shan Zhu, Kai-Kuang Ma. A new diamond search algorithm for fast block matching motion estimation // Information, Communications and112

80. Signal Processing, 1997. ICICS., Proceedings of 1997 International Conference on. Vol. 1. — 1997. — Pp. 292-296 vol.1.

81. Xuan Jing, Lap-Pui Chau. An efficient three-step search algorithm for block motion estimation // Multimedia, IEEE Transactions on.— 2004. Vol. 6, no. 3. - Pp. 435-438.

82. F. Lopes, M. Ghanbari. Hierarchical motion estimation with spatial transforms // Image Processing, 2000. Proceedings. 2000 International Conference on. — Vol. 2. — 2000. — Pp. 558-561 vol.2.

83. Tae G. Aim, Yong H. Moon, Jae H. Kim. Fast full-search motion estimation based on multilevel successive elimination algorithm // Circuits and Systems for Video Technology, IEEE Transactions on. — 2004. — Vol. 14, no. 11.— Pp. 1265-1269.

84. G. de Haan, P. W. A. C. Biezen, H. Huijgen, O. A. Ojo. True-motion estimation with 3-D recursive search block matching // Circuits and Systems for Video Technology, IEEE Transactions on. — 1993. — Vol. 3, no. 5. Pp. 368-379, 388.

85. S. Olivieri, L. Albani, G. de Haan. A low-complexity motion estimation algorithm for H.263 video coding // Proc. Philips Conf. on Digital Signal Processing, paper 17.3. — 1999.

86. P.I. Hosur, K. K. Ma. Motion vector field adaptive fast motion estimation // Second International Conference on Information, Communications and Signal Processing. — 1999.

87. Alexis M. Tourapis, Oscar C. Au, Ming L. Liou. Predictive Motion Vector Field Adaptive Search Technique (PMVFAST) Enhancing Block Based Motion Estimation // ISO/IEC JTC1/SC29/WG11 MPEG2000. 2001. — Pp. 883-892.

88. Yongfang Liang, I. Ahmad, Jiancong Luo et al. On using hierarchical motion history for motion estimation in H.264/AVC // Circuits and Systems for Video Technology, IEEE Transactions on. — 2005.— Vol. 15, no. 12.—Pp. 1594-1603.

89. С. Путилин. Быстрый алгоритм нахождения движения в видеопоследовательностях / / Труды конференции Graph-icon-2006. — Россия, Новосибирск, Академгородок: 2006. —Июль.— Pp. 407-410.