Регистрация / Вход
Прислать материал

Разработка каскадно-иерархического классификатора подвижных объектов по данным бортовой системы технического зрения

Фамилия
Маслович
Имя
Николай
Отчество
Романович
Номинация
Информационные технологии
Институт
Институт информационных технологий и автоматизированных систем управления (ИТАСУ)
Кафедра
Инженерной кибернетики
Академическая группа
ММ-14-2
Научный руководитель
асс. Сенченко Р.В.
Название тезиса
Разработка каскадно-иерархического классификатора подвижных объектов по данным бортовой системы технического зрения
Тезис

В настоящее время особую актуальность приобретают задачи разработки систем активной помощи водителю с интеллектуальными функциями. Наиболее перспективным направлением является разработка систем виртуальной реконструкции и анализа дорожной сцены по данным бортовой системы технического зрения. В процессе построения таких систем возникает задача классификации подвижных объектов, которая в настоящий момент решена не в полной мере.

В работе разрабатывается каскадно-иерархический классификатор типов подвижных объектов текущей дорожной сцены, выделенных на кадрах видеоряда бортовой системой технического зрения более высокого уровня.

Для описания типов автором формируется множество типов \({T} = \{ {T}_0, .., {T}_n \}\), наделенное структурой строго частичного порядка по отношению «тип - подтип». Пусть σ\(\subset {T}^2\), тип \({T}_2\) является подтипом типа \({T}_1\) тогда и только тогда, когда \(\sigma({T}_1) \ni {T}_2\). Множество \(T\) образует иерархическое дерево типов с корнем в типе \({T}_0\) «не определен».

Рисунок 1 - Дерево типов

Разрабатываемый классифицирующий алгоритм имеет иерархическую структуру. На каждом уровне дерева типов функционирует собственный нейросетевой классификатор. Классификаторам на вход подается выделенная прямоугольная область на кадре, содержащая подвижной объект. На выходе формируется тип с оценкой достоверности распознавания.

Предложенный алгоритм уточняет тип объекта, полученный на предшествующем уровне дерева. Ветвление происходит до тех пор, пока не закончатся «перспективные узлы», в которых достоверность распознавания превосходит некоторый заданный пороговый уровень.

Продвижение вниз по дереву типов прекращается при выполнении одного из двух условий

  1. Текущий распознанный тип является терминальным узлом в иерархии типов;
  2. Подтипы текущего узла не распознаются с достаточной достоверностью.

Алгоритм работает до тех пор, пока не исчерпается список «перспективных» вершин.

Предложенный алгоритм имеет модульную структуру, обладает свойствами масштабируемости и расширяемости. Добавление новых типов не влечет за собой необходимость перестроения всей системы и требует обучение только вновь добавляемых нейронных сетей.

Алгоритм разрабатывается на языке программирования C# с использованием библиотек opencv и Pascal VOC.