Регистрация / Вход
Прислать материал

Система технического зрения автономного транспортного средства

Сведения об участнике
ФИО
Кныш Александр Сергеевич
Вуз
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Белгородский государственный технологический университет им. В.Г.Шухова"
Тезисы (информация о проекте)
Область наук
Информационные технологии и вычислительные системы
Раздел области наук
Информационные технологии
Тема
Система технического зрения автономного транспортного средства
Резюме
Распознавание объектов стольких классов сейчас немыслимо без привлечения методов машинного обучения в область компьютерного зрения. Одно из крайне популярных направлений здесь — сети глубокого обучения, предназначенные для автоматического построения многоуровневых систем признаков, по которым происходит дальнейшее распознавание. Востребованность этого направления видна по фактам приобретения различных исследований такими корпорациями, как Google и Facebook [3].
Ключевые слова
распознавание, алгоритм, транспортное средство, последовательность изображений, регистрация, траектория движения, система помощи водителю
Цели и задачи
Разработка системы технического зрения автономного транспортного средства
Введение

В настоящее время все более широкое распространение находят системы основанные на использовании машинного зрения.

Так на сегодняшний день системы технического зрения занимают очень большую нишу в области систем управления. Уже реализованы системы распознавания лица человека, управление широким кругом объектов, таких как различного рода тележки, автомобили, автокары, реализовано большое множество алгоритмов поиска по фотографии, так же разработаны алгоритмы для обработки фотографий (изменение яркости, четкости и т. д) и это лишь малый круг систем основанных на использовании машинного

Количество актуальных приложений компьютерного зрения продолжает расти. Для решения становятся доступными задачи с анализом видеоданных.

Методы и материалы

работы каскадных классификаторов транспортных средств,

основанных на методе Виолы-Джонса

Алгоритм регистрации траектории  движения объектов на основе их линейных и угловых скоростей

 
 

Алгоритм регистрации траектории  движения объектов на основе фильтра Калмана

 

 

Описание и обсуждение результатов

Результаты вычисления среднеквадратических отклонений σ1 и σ2 для обеих моделей для всех 6-ти случаев

Алгоритм регистрации траектории

Регистрируемая величина

Величина среднеквадратического отклонения (σ1 или σ2), пикс.

Случай 1

Случай 2

Случай 3

Случай 4

Случай 5

Случай 6

Среднее значение

Алгоритм регистрации траектории  движения объектов на основе их линейных и угловых скоростей

Координаты центра (x,y) области c объектом

4,79

32,04

4,20

12,37

10,96

4,33

10,74

Размеры (w,h) области с объектом

5,79

20,71

2,24

5,8

4,24

4,13

6,71

Алгоритм регистрации траектории  движения объектов на основе фильтра Калмана

Координаты центра (x,y) области c объектом

7,91

20,04

4,82

8,26

9,32

5,84

8,75

Размеры (w,h) области с объектом

3,39

7,38

1,92

2,28

3,14

2,10

3,85

 

Качество работы каскадных классификаторов транспортных средств,

основанных на методе Виолы-Джонса

Вид классификатора

На обучающей выборке

На тестовой выборке

Точность

Полнота

F-мера

Точность

Полнота

F-мера

Распознавание автомобилей вида спереди или сзади

(кол-во позитивных изображений – 4100, негативных изображений – 6800)

Использование одного каскада с использованием геометрической фильтрации ложных срабатываний

1.0

0.9684

0.9839

0.9311

0.8856

0.9078

Распознавание автомобилей в произвольном ракурсе

(кол-во позитивных изображений – 12000,  негативных изображений – 20000)

Использование двух каскадов, без применения фильтра ложных срабатываний

0,8005

0,6971

0,7453

0,7720

0,7309

0,7509

Использование двух каскадов, с применением фильтра ложных срабатываний на основе трекинга

0,8570

0,6910

0,7650

0,8530

0,6560

0,7420

 

Используемые источники
1. Акчурин, В.А. Разработка системы расширенной реальности для моделирования трехмерных сцен [Электроннный ресурс]. – URL: http://masters.donntu.edu.ua/2012/iii/akchurin/diss/index.htm (дата обращения 20.05.2016).
2. OpenCV шаг за шагом/ Robocraft [Электронный ресурс]. Дата обновления 15.02.2014. – URL: http://robocraft.ru/page/opencv/ (дата обращения 10.05.2016).
3. Бобровский, С.Н. Навигация мобильных роботов/ С.Н. Гончаров// Журн. PC Week. - 2004. - №9. - С. 60-63.
4. Dalal N., Triggs B., and Europe D. Histograms of Oriented Gradients for Human Detection // Comput. Vis. Pattern Recognition, 2005. CVPR 2005. IEEE Comput. Soc. Conf., vol. 1, pp. 886 – 893, 2005.
5. C. Rabe, T. Muller, A. Wedel, U. Franke “Dense , Robust , and Accurate Motion Field Estimation from Stereo Image Sequences” // in Proc. 11th Eur. Conf. Comput. Vis. – 2010. – 582–595с.
Information about the project
Surname Name
Knysh Alexander
Project title
Vision autonomous vehicle system
Summary of the project
1. Akchurin, VA Development of augmented reality system for modeling three-dimensional scenes [Elektronnny resource]. - URL: http://masters.donntu.edu.ua/2012/iii/akchurin/diss/index.htm (reference date 20/05/2016).
2. OpenCV step by step / Robocraft [electronic resource]. Date 02/15/2014. - URL: http://robocraft.ru/page/opencv/ (reference date 10/05/2016).
3. Bobrowski, SN Navigation of Mobile Robots / SN Goncharov // Journal. PC Week. - 2004. - №9. - S. 60-63.
4. Dalal N., Triggs B., and Europe D. Histograms of Oriented Gradients for Human Detection // Comput. Vis. Pattern Recognition, 2005. CVPR 2005. IEEE Comput. Soc. Conf., Vol. 1, pp. 886 - 893, 2005.
5. C. Rabe, T. Muller, A. Wedel, U. Franke "Dense, Robust, and Accurate Motion Field Estimation from Stereo Image Sequences" // in Proc. 11th Eur. Conf. Comput. Vis. - 2010. - 582-595s.
Keywords
recognition algorithm, a vehicle, a sequence of images, registration, movement trajectory, driver assistance system