Метод определения движения в кадре и идентификации крупногабаритного площадного объекта

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Приведен метод определения движения в кадре и идентификации крупногабаритного площадного объекта. Работа метода иллюстрируется на примере из морской транспортной отрасли, в задаче контроля положения автономного морского крупнотоннажного судна относительно причала при выполнении погрузо-разгрузочных работ и швартовных операций. Описана структура измерительного комплекса на базе оптических измерителей, его принцип действия, основанный в том числе на методе определения движения в кадре и идентификации крупногабаритного площадного объекта. Описан порядок анализа подвижных участков изображения. Приведена схема алгоритма определения движения в кадре и идентификации крупногабаритного площадного объекта. Выполнена оценка производительности программной реализации алгоритма определения движения в кадре и идентификации крупногабаритного площадного объекта.

Полный текст

Доступ закрыт

Об авторах

В. В. Лопатина

ФИЦ ИУ РАН

Автор, ответственный за переписку.
Email: int00h@mail.ru
Россия, Москва

Список литературы

  1. Poujouly S., Journet B. A Twofold Modulation Frequency Laser Range Finder // J. Optics A: Pure and Applied Optics. 2002. № 4. P. 356–363.
  2. Zheng X.Y., Zhao C., Zhang H.Y., Zheng Z., Yang H.Z. Coherent Dual-frequency Lidar System Design for Distance and Speed Measurements // Intern. Conf. on Optical Instruments and Technology: Advanced Laser Technology and Applications. International Society for Optics and Photonics. Beijing, China, 2018. V. 10619.
  3. Jia F.X., Yu J.Y., Ding Z.L., Yuan F. Research on Real-time Laser Range Finding System // Applied Mechanics and Materials. 2013. V. 347.
  4. Beraldin J.A., Steenaart W. Overflow Analysis of a Fixed-Point Implementation of the Goertzel Algorithm // IEEE Transactions on Circuits and Systems. 1989. V. 36. № 2. P. 322–324.
  5. Finlayson D.M., Sinclair B. Advances in Lasers and Applications // Boca Raton, Florida, USA. CRC Press, 1998. P. 346.
  6. Lopatina V.V. Method of Fragment Based Tracking of Displacement of a Large Areal Object in Images // J. Phys.: Conf. Ser. 2021. V. 2061. P. 012113. https://doi.org/10.1088/1742-6596/2061/1/012113.
  7. Suzuki S., Keiichi A. Topological Structural Analysis of Digitized Binary Images by Border Following // Comput. Vis. Graph. Image Process. 1985. V. 30. P. 32–46.
  8. OpenCV 4.7.0. Open Source Computer Vision Library, 2022.
  9. ГОСТ Р 8.1030-2024.
  10. Lucas B.D., Kanade T. An Iterative Image Registration Technique with an Application to Stereo Vision // Intern. Joint Conf. on Artificial Intelligence. Vancouver, B.C., Canada, 1981.
  11. Farnebäck G. Two-Frame Motion Estimation Based on Polynomial Expansion // Image Analysis (SCIA). Lecture Notes in Computer Science, Eds J. Bigun, T. Gustavsson. Berlin, Heidelberg: Springer, 2003. V. 2749.
  12. Jain A., Murty M., Flynn P. Data Clustering: A Review // ACM Computing Surveys. 1999. V. 31. P. 264–323.
  13. Otsu N. A Threshold Selection Method from Gray-level Histograms // IEEE Trans. Sys., Man., Cyber. J. 1979. V. 9. P. 62–66.
  14. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Изд. 3-е, исправ. и доп. М.: Техносфера, 2019. 1104 с. ISBN 978-5-94836-331-8.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Схема установки комплекса из двух оптических измерителей на причале

Скачать (152KB)
Метаданные
3. Рис. 2. Морские крупнотоннажные суда на различных расстояниях от причала

Скачать (269KB)
Метаданные
4. Рис. 3. Визуализация яркости пикселей изображения, нормализованных в диапазоне [0;1]; X, Y – продольная и вертикальная координаты пикселей

Скачать (148KB)
Метаданные
5. Рис. 4. Визуализация в разных проекциях яркости пикселей изображения после применения прямоугольного фильтра низких частот; X, Y – продольная и вертикальная координаты пикселей

Скачать (199KB)
Метаданные
6. Рис. 5. Визуализация в разных проекциях яркости пикселей изображения после применения порогового преобразования; X, Y – продольная и вертикальная координаты пикселей

Скачать (145KB)
Метаданные
7. Рис. 6. Визуализация разности двух соседних кадров; X, Y – продольная и вертикальная координаты пикселей

Скачать (217KB)
Метаданные
8. Рис. 7. Визуализация разности соседних кадров на примере судов разного размера, с разной скоростью движения и на различных расстояниях от причала

Скачать (388KB)
Метаданные
9. Рис. 8. Визуализация контурного анализа

Скачать (54KB)
Метаданные
10. Рис. 9. Схема алгоритма определения движения в кадре и идентификации крупногабаритного площадного объекта. ФНЧ – фильтр низких частот

Скачать (339KB)
Метаданные
11. Рис. 10. Примеры движущихся областей изображения (слева) и движущихся областей, потенциально принадлежащих судну и его палубным конструкциям (справа)

Скачать (327KB)
Метаданные

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».