Complicated Shapes Estimation Method for Objects Analysis in Video Surveillance Systems

Скорочена інформація про документ
dc.contributor.authorShkurat, O. S.
dc.contributor.authorSulema, Ye. S.
dc.contributor.authorDychka, A. I.
dc.contributor.authorШкурат, Оксана Сергіївна
dc.contributor.authorСулема, Євгенія Станіславівна
dc.contributor.authorДичка, Іван Андрійович
dc.date.accessioned2018-09-24T15:55:10Z
dc.date.available2018-09-24T15:55:10Z
dc.date.issued2018
dc.description.abstractenBackground. The evaluation of video image objects is a relatively difficult task. While solving the task of the geometric representation of a surveillance object, the following additional factors should be considered: possible overlapping of objects, similarity of complex elements, similarity of object elements and background, etc. Objective. The development of a method for complicated objects shape evaluation for application in video surveillance systems for estimation of dynamics of an object’s movement, examination of the object’s behavior on a probable execution of unauthorized actions, and for other tasks. Methods. The procedure of the background subtraction is used for identification of a raster shape of the surveillance object. To detect a vector shape of the object contours, the DEI approach is applied. The sorting procedures are used for identification of reference contour points and for forming the smooth curves. Results. The proposed method includes the following stages: color space conversion and normalization, object shape detection, contours detection and analysis, sorting of vector data, forming of smooth contour curve, object area computing. When the contour points number is reduced in 1.5 times, an average error of the proposed method compared with the DEI approach for accuracy rate is 0.75 %, for performance rate it is 8.43 %, for resource consuming rate it is 3.09 %. Conclusions. The proposed method allows to define an array of vector contour points which represent an “approximate” surveillance object of a complicated shape and it minimizes the data volume to be used in further analysis of a motion trajectory and other similar tasks without decreasing the accuracy. In addition, this method enables describing the surveillance object by an equal quantity of contour points that in turn can simplify the task of surveillance objects classification.uk
dc.description.abstractruПроблематика. Оценка формы объектов видеоизображений является относительно сложной задачей. При решении задачи геометрического представления объекта наблюдения необходимо учитывать ряд дополнительных факторов: возможность наложения элементов изображения, однородность составных элементов, однородность элементов фона и объекта и т.д. Цель исследования. Разработка метода оценки формы составных объектов для использования в системах видеонаблюдения для определения динамики перемещения объекта наблюдения, скорости и характера его движения, оценки вероятности выполнения объектом несанкционированных действий и для других подобных задач. Методика реализации. Для выделения растровой формы объекта наблюдения применяется процедура “вычитания фона”. Для определения контуров объекта векторной формы используется метод DEI. Для определения опорных контурных точек и формирования гладких кривых применяются процедуры сортировки. Результаты исследования. Предложенный метод состоит из следующих этапов: преобразование цветового пространства и нормализация, определение формы объекта, определение и анализ контуров, сортировка векторных данных, формирование гладких контурных кривых, определение площади объекта. Средняя погрешность предложенного метода при сокращении количества точек в 1,5 раза по сравнению с методом DEI по точности составляет 0,75 %, по быстродействию – 8,43 %, по ресурсоемкости – 3,09 %. Выводы. Использование предложенного метода позволит определять массив векторных контурных точек, определяющих “аппроксимированный” объект наблюдения сложной формы, и, соответственно, уменьшать объем данных для дальнейшего анализа траектории движения и других подобных задач без потери точности. Также данный метод позволяет описывать объекты наблюдения одинаковым количеством контурных точек, что в свою очередь может упростить задачу классификации объектов наблюдения.uk
dc.description.abstractukПроблематика. Оцінка форми об’єктів відеозображень є відносно складною задачею. При розв’язанні задачі геометричного подання об’єкта спостереження необхідно враховувати низку додаткових факторів: можливість накладання елементів зображення, однорідність складних елементів, однорідність елементів тла та об’єкта тощо. Мета дослідження. Розроблення методу оцінки форми складних об’єктів для використання у системах відеоспостереження для визначення динаміки переміщення об’єкта спостереження, швидкості та характеру його руху, оцінки ймовірності виконання об’єктом несанкціонованих дій та для інших подібних задач. Методика реалізації. Для виділення растрової форми об’єкта спостереження застосовується процедура “віднімання фону”. Для визначення контурів об’єкта векторної форми застосовується метод DEI. Для визначення опорних контурних точок і формування гладких кривих застосовуються процедури сортування. Результати дослідження. Запропонований метод складається з таких етапів: перетворення колірного простору та нормування, визначення форми об’єкта, визначення й аналіз контурів, сортування векторних даних, формування гладких контурних кривих, визначення площі об’єкта. Середня похибка запропонованого методу при скороченні кількості точок у 1,5 разу порівняно з підходом DEI за точністю становить 0,75 %, за швидкодією – 8,43 %, за ресурсомісткістю – 3,09 %. Висновки. Використання запропонованого методу дасть змогу визначати масив векторних контурних точок, що відображають “апроксимований” об’єкт спостереження складної форми, і, відповідно, зменшувати обсяг даних для подальшого аналізу траєкторії руху та інших подібних задач без втрати точності. Також цей метод дає можливість описувати об’єкти спостереження однаковою кількістю контурних точок, що своєю чергою може спростити задачу класифікації об’єктів спостереження.uk
dc.format.pagerangeС. 53-62uk
dc.identifier.citationShkurat, O. S. Complicated Shapes Estimation Method for Objects Analysis in Video Surveillance Systems / O. S. Shkurat, Ye. S. Sulema, A. I. Dychka // Наукові вісті КПІ : міжнародний науково-технічний журнал. – 2018. – № 3(119). – С. 53–62. – Бібліогр.: 22 назв.uk
dc.identifier.doihttps://doi.org/10.20535/1810-0546.2018.3.136433
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/24581
dc.language.isoenuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceНаукові вісті КПІ : міжнародний науково-технічний журнал, 2018, № 3(119)uk
dc.subjectDEI approachuk
dc.subjectimage feature extractionuk
dc.subjectvector filtering of imageuk
dc.subjectvector contour analysisuk
dc.subjectметод DEIuk
dc.subjectвилучення ознак зображенняuk
dc.subjectвекторна фільтрація зображенняuk
dc.subjectвекторний контурний аналізuk
dc.subjectметод DEIuk
dc.subjectвыделение признаков изображенияuk
dc.subjectвекторная фильтрация изображенияuk
dc.subjectвекторный контурный анализuk
dc.subject.udc004.932
dc.titleComplicated Shapes Estimation Method for Objects Analysis in Video Surveillance Systemsuk
dc.title.alternativeМетод оцінки складних форм для аналізу об’єктів у системах відеоспостереженняuk
dc.title.alternativeМетод оценки сложных форм для анализа объектов в системах видеонаблюденияuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
NVKPI2018-3_06.pdf
Розмір:
1.07 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Наукові вісті КПІ: міжнародний науково-технічний журнал, № 3(119)