![]() |
![]() |
Главная | E-mail | 08.12.2023 |
![]() |
||
Главная страница | О журнале | Авторам | Редколлегия | Контакты | ||
![]() |
||
Научно-технический интернет-журнал Свидетельство о регистрации Эл № ФС 77-31314 |
|
Телевизионные системы безопасности
Дата публикации : 04.03.2023 | Просмотров : 369 |
Лучшая в мире система досмотра снизу с аналитикой В системах безопасности и досмотра автомобилей наиболее уязвимое место – досмотр снизу днища автомобиля. Это обусловлено малым расстоянием от днища автомобиля или вагона до объектива (от 7 см до 50 см) и вследствие этого происходит быстрый проход днища над камерой. Ранее в ООО “ЭВС” была разработана скоростная камера 1200 кадров/сек [1]. В силу технических возможностей камера имеет 48 строк длиной 1440 эл. На сегодня в ООО “ЭВС” сделан следующий шаг и разработана суперскоростная камера 1500 кадров/ сек. В силу тех же технических возможностей камера имеет 32 строки длиной 1440 эл. К такой камере адаптирован алгоритм измерения смещения между кадрами и склейки последовательных кадров в одно изображение.
В этой задаче имеются две проблемы:
Мы думаем, что это теоретический предел т.к. время накопления, а значит и чувствительность ограничивают дальнейшее увеличение частоты кадров. Для достижения такой четкости "линейкой" необходимо запустить "линейку" на скорости более 12000 строк в сек. При этом чувствительность "линейки", из-за малого времени накопления на одну строку, становится столь малой, что необходимо установить подсветку ОЧЕНЬ большой мощности. При накоплении ПЗС матрицей требуется подсветка на два порядка меньше. Второе достоинство - сохранение геометрии. То есть при движении автомобиля или вагона с разной скоростью, размер изображения, в отличие от “линейки”, остаётся одинаковым. Это достигается тем, что на каждом кадре “склеивается” разное количество строк в зависимости от измеренной скорости движения между кадрами. С частотой 1500 кадров в сек. достигается предельное значение четкости и качества изображения. Судя по публикациям, камеры с такой частотой кадров другими производителями не сделаны. В такой ситуации становится очень важным вопрос аналитики, то есть вопрос автоматического определения появления постороннего объекта произвольной формы в произвольном месте.
Разберемся, что же мешает решению этого вопроса? Существующие методы: метод Пирсона, нейронные сети, искусственный интеллект решают вопросы идентификации на основе установления как можно большего количества закономерностей. Например, ранее публиковался пример, когда некий контурный рисунок раскрашивался в стиле разных художников. При этом устанавливались закономерности - длина мазка, толщина мазка, частота мазков, частота цветов, соотношение цветов, соотношение света и тени и т.д. (у художников много признаков). После чего проводилась раскраска с учетом полученной статистики. Результат получился поразительным. Один и тот же сюжет выглядел как написанный разными художниками. Аналогично, набор статистики признаков используется для распознавания лиц, номеров, объектов и т.д.
Что же есть в мире на сегодняшний день? Ничего кроме разности. То есть вычитание изображения предыдущего проезда из текущего. И ничего более. Реализации разности мешают различия в освещении и проезде автомобиля. Так как наблюдения проводятся днем и ночью то боковая засветка влияет, не смотря на сильную подсветку снизу, включаемую при проезде. Так как расстояние от камеры до днища мало (от 7 см), то смещение в сторону всего на 7-10 см существенно меняет угол зрения на детали днища. Детали, которые были видны в зенит, теперь могут быть видны под углом в 45 градусов. А это существенно меняет их вид. Ниже приведены несколько примеров проезда и разности изображений для одного и того же автомобиля.
Мы видим, что остаточные фрагменты появляются из-за различий проезда автомобиля, вращения колес и разности освещения. Если на приведенной выше картинке залить черным разницу, появившуюся из-за разницы освещенности и вращения колес, получим следующее:
Как видим по такой разности уже можно судить о наличии постороннего объекта. Еще несколько примеров проезда того же автомобиля по тому же направлению:
Приходится признать, что метод разности не дает абсолютно надежного результата нахождения объекта. Однако, нам кажется, может помочь в решении задачи. Тем не менее находятся исполнители, которые много обещают: "мы все сделаем", "мы умеем", "у нас есть Know How". А есть ли что то, кроме разности? Это вопрос только веры заказчика. Вывод : В "ЭВС" получено предельное качество изображения днища автомобиля. Метод разности дает промежуточное решение задачи обнаружения произвольного объекта, произвольной формы в произвольном месте. Для радикального решения указанной задачи приходится ждать существенных результатов мировой науки.Литература : 1. Игнатьев П.С., Лебедев Н.В., Лебедев Н.Н., Мартынихин А.В. - Лучший в мире досмотр снизу.http://telephototech.ru/kat_podr.php?stid=33&st_gr_id=6
Автор(ы) : Мартынихин А.В., к.т.н., «ООО ЭВС»
Внимание ! Использование любых текстовых или графических материалов(а так-же их фрагментов) с сайта http://www.telephototech.ru возможно с разрешения администрации сайта с обязательным указанием ссылок на первоисточник и авторов статей и публикаций ! |
|