¡Программные средства и информационные технологии
3. Колташев А. А., Кочура С. Г. Технология создания и сопровождения бортового программного обеспечения спутников связи, навигации и геодезии: современное состояние // Наукоемкие технологии. 2014. № 9. С. 39-42.
4. Средства измерения бортового программного обеспечения / А. В. Еремин [и др.] // Вестник СибГАУ. 2008. № 1(18). С. 52-56.
5. Колташев А. А., Краус С. А., Шумаков Н. Н. Использование языка программирования Модула-2 при создании Российских спутников связи и навигации // Решетневские чтения : материалы XVII Между-нар. науч. конф. (12-14 ноября 2013, г. Красноярск) : в 2 ч. Сиб. гос. аэрокосмич. ун-т. Красноярск, 2013. С. 215-216.
References
1. Antamoshkin A. N., Koltashev A. A.
Tekhnologicheskie aspekty sozdaniya bortovogo prog-rammnogo obespecheniya sputnikov svyazi [Onboard software creation technology features of communication satellites]. Vestnik SibGAU. 2006, no. 3, p. 93-95 (In Russ.).
2. Obespechenie bortovoe programmnoe. Upravlenie proektirovaniem, izgotovleniem i soprovozhdeniem [Onboard software. Design, production and maintenance
management], in STP 154-123-2014, Zheleznogorsk: OAO «ISS», 2014. 72 p.
3. Koltashev A. A., Kochura S. G. Tekhnologiya sozdaniya i soprovozhdeniya bortovogo programmnogo obespecheniya sputnikov svyazi, navigatsii i geodezii: sovremennoe sostoyanie [The technology of development and maintenance of onboard software of communications satellites, navigation and geodesy: current status]. Naukoemkie tekhnologii. Moscow, 2014, no. 9, pp. 39-42 (In Russ.).
4. Eremin A. V., Inozemtseva O. S., Koltashev A. A., Kondrat'ev K. A., L'vov K. G. Sredstva izmereniya bortovogo programmnogo obespecheniya [Measurement tools for the on-board software]. Vestnik SibGAU, 2008, no. 1(18), pp. 52-56 (In Russ.).
5. Koltashev A. A., Kraus S. A., Shumakov N. N. Ispol'zovanie yazyka programmirovaniya MODULA-2 pri sozdanii Rossiyskikh sputnikov svyazi i navigatsii [Modula-2 programming language usage to design the Russian communication and navigation sattelites]. Materialy XVII Mezhdunar. nauch. konf. "Reshetnevskie chteniya" [Materials XVII Intern. Scientific. Conf "Reshetnev reading"]. Krasnoyarsk, 2013, pp. 215-216 (In Russ.).
© Панюшкин Д. А., Краус С. А., Колташев А. А.,
Шумаков Н. Н., 2016
УДК 004.93'12
ПРИМЕНЕНИЕ ДЕТЕКТОРОВ ЧАСТЕЙ ТЕЛА ДЛЯ РАСПОЗНАВАНИЯ ЛЮДЕЙ
В СКОПЛЕНИЯХ
А. С. Петров, П. В. Мовчан
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: priboi08@gmail.com
Представлен пример использования детекторов границ для детектирования людей в скоплениях.
Ключевые слова: распознавание образов, терминал аэропорта, выделение частей человеческого тела, детекторы границ, AdaBoost.
USING BODY PART DETECTORS TO RECOGNISING PEOPLE IN CROWD
A. S. Petrov, P. V Movchan
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: priboi08@gmail.com
This paper presents an example of edge detectors to recognise people in crowd.
Keywords: pattern recognition, airport terminal, human body part recognition, edge detectors, AdaBoost.
На текущий момент в мире существует множество задач, в которых требуется обнаруживать людей в сложных сценах. Частным примером такой задачи является обнаружение людей в терминале аэропорта.
Разные задачи обладают различными требованиями к быстродействию и вычислительным мощностям. При решении ряда задач можно использовать более ресурсоемкий и медленный алгоритм, дающий при
Решетневс^ие чтения. 201б
этом повышенную точность, но в ряде задач такая возможность отсутствует, результат нужно получать практически в режиме реального времени и с минимальными затратами. Существующие методы обладают различными требованиями к ресурсам и различной точностью работы [1]. Существует множество алгоритмов, способных обучиться на конкретных изображениях людей [1], примером может быть метод Виолы-Джонса [2-3]. При этом такие методы плохо работают со скоплениями людей, когда для обработки доступна только часть человека, видимая из-за другого человека. В подобных условиях гораздо лучший результат показывают алгоритмы, работающие с отдельными частями человеческого тела [6-7].
Для обнаружения отдельных людей в больших скоплениях, например, в терминале аэропорта, применены детекторы частей человеческого тела, основанные на пограничных признаках [7]. Детекторы обучены при помощи бустинг-метода AdaBoost [4-5]. Детекторы частей человеческого тела, основанные на пограничных признаках, показывают хорошие результаты при работе как со статическими изображениями, так и при обработке видеопоследовательностей. При этом при работе с видеопоследовательностями появляется возможность отслеживать конкретных людей между отдельными кадрами.
Библиографические ссылки
1. Enzweiler M., Gavrila D. M. Monocular Pedestrian Detection: Survey and Experiments II Pattern Analysis and Machine Intelligence. 2009. Р. 2179-2195.
2. Viola P., Jones M. J. Robust real-time face detection II International J. of Computer Vision. 2004. Vol. 57. No. 2. Р. 137-154.
3. Viola P., Jones M. Viola, P. Rapid object detection using a boosted cascade of simple feature II Conference on Computer Vision and Pattern Recognition (CVPR), 2001. Р. 511-518.
4. Freund Y., Schapire R. A Short Introduction to Boosting // Shannon Laboratory, USA. 1999. Р. 771-780.
5. Matas J., Sochman J. AdaBoost // Center for Machine Perception, Czech Technical University. Prague. 2010. С. 67-78.
6. Zhao T., Nevatia R. Bayesian Human Segmentation in Crowded Situations // Conference on Computer Vision and Pattern Recognition (CVPR). 2003. Vol. 2. С. 459-466.
7. Wu B., Nevatia R. Detection of multiple, partially occluded humans in a single image by Bayesian combination of edgelet part detectors // Tenth IEEE International Conference on Computer Vision. 2005. Vol. 1. С. 90-97.
References
1. Enzweiler M. Monocular Pedestrian Detection: Survey and Experiments. Pattern Analysis and Machine Intelligence. 2009, pp. 2179-2195.
2. Freund Y. A Short Introduction to Boosting. Shannon Laboratory, USA. 1999, pp. 771-780.
3. Matas J. AdaBoost. Center for Machine Perception, Czech Technical University, Prague. 2010, pp. 67-78.
4. Viola P., Jones M. J. Robust real-time face detection. International Journal of Computer Vision. 2004, vol. 57, no. 2, pp. 137-154.
5. Viola P., Jones M. J. Rapid object detection using a boosted cascade of simple feature. Conference on Computer Vision and Pattern Recognition (CVPR). 2001, pp. 511-518.
6. Zhao T., Nevatia R. Bayesian Human Segmentation in Crowded Situations. CVPR. 2003. Vol. 2, pp. 459466.
7. Wu B., Nevatia R. Detection of multiple, partially occluded humans in a single image by Bayesian combination of edgelet part detectors. Tenth IEEE International Conference on Computer Vision. 2005. Vol. 1, pp. 90-97.
© neTpoB А. С., Мовчан П. В., 2016
УДК 004.4'2
ПРОТОТИПИРОВАНИЕ ИНТЕГРИРОВАННОЙ СРЕДЫ ИНФОРМАЦИОННОГО ВЗАИМОДЕЙСТВИЯ В КОСМИЧЕСКОЙ ОТРАСЛИ
М. Н. neTpoB1, Ж. С. Абенова2, Н. К. Набиев2
^иб^ский гoсудаpствeнный аэpoкoсмичeский yHmepcrneT имени академика М. Ф. Решетнева Российская Фeдepация, 660037, г. Кpаснoяpск, npocn. им. газ. «Кpаснoяpский pабoчий», 31
2АО «Национальная компания «^аза^стан Fаpыш Сапаpы» Республика Казахстан, 01000, г. Астана, достает Туpан, 89 E-mail: mnp_kafaes@mail.ru, zhuza44@mail.ru, nabi@nabiyev.online
Показана общая схема прототипа веб-приложения ИСИВ, также описаны модель функционирования СУ и модель пользователя ИСИВ, которые в дальнейшем позволять разработать веб-приложение и рекомендации по повышению уровня безопасного функционирования для клиентской и административной частей системы веб-портала.
Ключевые слова: open source, CMS, веб-приложение, веб-портал, система управления (СУ)/