Wyniki 1-4 spośród 4 dla zapytania: authorDesc:"Paweł Gardziński"

ROZPOZNAWANIE ZACHOWAŃ OSÓB Z WYKORZYSTANIEM PUNKTÓW ZNAJDUJĄCYCH SIĘ W SĄSIEDZTWIE PUNKTÓW EKSTREMUM KRZYWIZNY KONTURU CIAŁA DOI:10.15199/59.2015.4.74


  W artykule przedstawiono metodę automatycznego rozpoznawania zachowań osób z wykorzystaniem modelu opartego o graf ukierunkowany. W zaproponowanym rozwiązaniu, jako punkty charakterystyczne, zastosowano punkty GDDP na konturze sylwetki, czyli punkty, które znajdują się w sąsiedztwie punktów minimum wklęsłości i maksimum wypukłości konturu sylwetki. Wyniki eksperymentów potwierdzają poprawę skuteczności rozpoznawania zachowań w stosunku do metody bazującej na punktach ekstremum krzywizny konturu sylwetki. 1. WSTĘP W ostatnich latach znacząco wzrosła liczba kamer rejestrujących zachowania osób w różnych dziedzinach życia i jednocześnie spowodowała znaczny przyrost ilości materiału wizyjnego. W związku z tym wzrasta również zapotrzebowanie na aplikacje służące do opisu zawartości treści sekwencji wizyjnych, czy też streszczania sekwencji opartego na rozpoznawaniu zarejestrowanych zdarzeń. Analiza zachowań ludzi w sekwencjach wizyjnych zyskała na znaczeniu wraz z rozwojem możliwości wykorzystania obrazu wizyjnego w systemach ochrony i dozoru wizyjnego. Szczególnie znaczące jest zastosowanie takich rozwiązań w zautomatyzowanych systemach obserwacji obszarów publicznych i wykrywania niebezpiecznych zdarzeń. Tego rodzaju zadanie obserwacji jest bardzo wymagające dla operatora systemu jakim jest człowiek, ponieważ wymaga dużego skupienia przez dłuższy okres czasu. Dlatego też, jest to motywacja do rozwijania zautomatyzowanych, inteligentnych systemów monitoringu opartego na obrazie ruchomym, które mogłyby pomóc użytkownikowi w procesie wykrywania i analizy ryzyka. Zakres przeglądu został ograniczony do powszechnie stosowanych modeli grafowych wykorzystywanych w złożonym modelowaniu aktywności człowieka w zatłoczonych przestrzeniach publicznych. Istnieje wiele różnorodnych metod do modelowania zachowań w systemach jednokamerowych, do których należą m.in. modele oparte o grafy prawdopodobieństwa (np. sieci Bayesa [3, 4], dynami[...]

POPRAWA JAKOŚCI MODELU WOKSELOWEGO NA PODSTAWIE HISTOGRAMÓW OBRAZÓW REPROJEKCJI DOI:10.15199/59.2015.8-9.88


  Niniejsza praca dotyczy metody rekonstrukcji modeli wolumetrycznych rzeczywistych obiektów przy pomocy systemów wykorzystujących układy wielokamerowe. Zaprezentowana została metoda poprawy jakości rekonstrukcji dzięki dopasowaniu wartości wybranych parametrów zewnętrznych i wewnętrznych. Zaproponowane rozwiązanie jest wbudowane w procedury rekonstrukcji wokselowej i bazuje na analizie histogramów obrazów wejściowych oraz obrazów reprojekcji modelu do płaszczyzny danego obrazu wejściowego. 1. WSTĘP Trójwymiarowe modele komputerowe obiektów są kluczowymi elementami wielu multimedialnych systemów trójwymiarowych. Ostatnimi czasy bardzo popularna stała się rekonstrukcja realistycznych obiektów trójwymiarowych rzeczywistych obiektów, na podstawie serii zdjęć lub sekwencji wizyjnej. Przeważnie wymagane są modele o wysokiej jakości, które mogą być następnie wykorzystane w tworzeniu obiektów z użyciem drukarek 3D. Najpopularniejszymi metodami rekonstrukcji 3D modeli obiektów bazującymi na obrazach są: techniki oparte na estymacji map głębi z dwóch lub większej liczby widoków obiektu [6, 10], rekonstrukcje polegające na pasowaniu cech charakterystycznych między obrazami [11, 12] oraz techniki rekonstrukcji wolumetrycznej z wielu widoków [8, 9]. Autorzy skupili się na trzeciej technice rekonstrukcji modeli trójwymiarowych. Podczas przeprowadzania badań rekonstrukcji modeli trójwymiarowych obiektów z wykorzystaniem algorytmu rekonstrukcji wolumetrycznej, autorzy musieli zmierzyć się z problemem dokładności wewnętrznych i zewnętrznych parametrów kamery oraz wpływem tych parametrów na jakość tworzonego modelu. Parametry kamery (pozycja, rotacja i ogniskowa) przypisane do obrazów wejściowych, mogą zawierać drobne błędy, które mogą prowadzić do znaczących zmian w tworzonym modelu podczas wykonywania rekonstrukcji wolumetrycznej. W wielu przypadkach nie ma możliwości ponownego przeprowadzenia pomiaru parametrów z większą dokładności[...]

SEPARACJA SYLWETEK OSÓB PRZY POMOCY DYSKRETNEGO RÓWNANIA POISSONA ORAZ ROZSZERZONEGO ALGORYTMU SEGMENTACJI WODODZIAŁOWEJ DOI:10.15199/59.2016.6.31


  HUMAN SILHOUETTE SEGMENTATION USING DISCRETE POISSON EQUATION AND EXTENDED WATERSHED ALGORITHM Streszczenie: W niniejszym artykule przedstawiono autorską metodę separacji sylwetek osób dla zastosowań w dozorze wizyjnym. Zaproponowane rozwiązanie wykorzystuje dyskretne równanie Poissona oraz kombinację zmodyfikowanego algorytmu segmentacji wododziałowej z algorytmem rozrostu regionu. Badania zostały przeprowadzone na powszechnie dostępnej bazie testowej PETS 2006. Otrzymane wyniki potwierdzają skuteczność przedstawionej metody. Abstract: In this paper a novel approach on human silhouette segmentation for surveillance systems was proposed. The described solution uses discrete Poisson equation and a combination of extended watershed algorithm with Region Growing algorithm. Experiments were performed on a commonly known database PETS 2006 and the results show that the proposed solution achieves high precision and accuracy. Słowa kluczowe: algorytm wododziałowy, dozór wizyjny, dyskretne równanie Poissona, segmentacja sylwetek Keywords: discrete Poisson equation, silhouette segmentation, surveillance systems, watershed algorithm 1. WSTĘP Dozór wizyjny jest ciągle rozwijającą się branżą, zaś zapotrzebowanie na inteligentne systemy dozorowe stale rośnie. Zagadnienia takie jak wykrywanie wtargnięcia na teren chroniony, czy pomiar natężenia ruchu nie są już problemem, a producenci kamer oferują powyższe rozwiązania już zaimplementowane w ich urządzeniach. Wciąż jednak rozwijane są metody rozpoznawania lub detekcji bardziej skomplikowanych zdarzeń. Przykładem najpopularniejszych prac dotyczących rozpoznawania zdarzeń są rozwiązania oparte o analizę sylwetek obiektów [1] lub konturów [5]. Innego rodzaju rozwiązania wykorzystują ukryty model Markova [2] czy też stosując deskryptory CSSD (ang. Curvature scale space descriptor) lub ARTD (ang. Angular radial transform descriptor) objęte standardem MPEG-7 [8,7,3,11]. Wszystkie te rozw[...]

NIENADZOROWANA DETEKCJA ANORMALNYCH ZACHOWAŃ TŁUMU W DOZOROWYCH SEKWENCJACH WIZYJNYCH DOI:10.15199/59.2016.6.40


  UNSUPERVISED ABNORMAL CROWD ACTIVITY DETECTION IN SURVEILLANCE SYSTEMS Streszczenie: W niniejszym artykule opisano nienadzorowaną metodę detekcji anormalnych zachowań tłumu w dozorowych sekwencjach wizyjnych. Proponowane rozwiązanie wykorzystuje deskryptory standardu MPEG-7 do opisu sceny oraz algorytm Particle Filter do klasyfikacji. Badania przeprowadzono na ogólnodostępnej bazie sekwencji testowych UMN. Otrzymane wyniki są porównywalne do wyników uzyskiwanych przez metody nadzorowane. Abstract: We propose an unsupervised method for abnormal crowd activity detection in surveillance systems. Proposed solution is using MPEG-7 Motion Activity descriptors and Particle Filter algorithm for classification. The experiments were performed on UMN dataset sequences. The detection results are comparable to results obtained by supervised methods. Słowa kluczowe: filtr cząsteczek, nienadzorowana detekcja anomalii, UMN Keywords: particle filter, UMN, unsupervised anomaly detection 1. WPROWADZENIE W ostatnich latach obserwuje się wzrost liczby kamer w przestrzeni publicznej. W związku z tym rośnie również ilość materiału wizyjnego podlegającego analizie. Istotnym zagadnieniem, ze względów bezpieczeństwa, jest np. obserwacji tłumu osób, w którym szybka detekcja anormalnych zachowań staje się wyjątkowo krytyczna. Detekcja anormalnych zdarzeń w tłumie ludzi odgrywa ważną rolę w wielu zastosowaniach, np. dozór wizyjny czy kontrola bezpieczeństwa. Głównym założeniem metod detekcji anormalnych zdarzeń jest znajomość wzorca zdarzeń normalnych. Wzorzec ten jest poznawany w procesie uczenia ze zbioru definiującego zdarzenia normalne. Następnie na etapie klasyfikacji aktualne dane są porównywane ze wzorcem i na tej podstawie stwierdza się, czy dane zdarzenie jest normalne czy nie. Wymaganie znajomości gotowego wzorca zdarzeń normalnych znacząco komplikuje zastosowanie metod detekcji zdarzeń anormalnych w rzeczywistych systemach dozorowyc[...]

 Strona 1