CC BY
40
УДК 004.932.2
/
АЛГОРИТМ ОПРЕДЕЛЕНИЯ ТИПА ПОЛЯ ЗРЕНИЯ ВИДЕОДАТЧИКА
С. С. Садыков, С. В. Савичева, Д. П. Гранченко
Введение
Уровень использования систем технического зрения (СТЗ) в прикладных областях является одним из наиболее ярких и наглядных показателей развития высоких технологий в самых различных областях человеческой деятельности. Традиционно развитие СТЗ связано с промышленным производством [1, 2].
Практически всегда на изображении каждого реального объекта и в поле зрения видеодатчика присутствует шумовая составляющая. Она может возникать из-за несовершенства камеры, износа датчиков освещения, наличия пыли или грязи на обрабатываемой поверхности. Все эти помехи затрудняют распознавание объектов с помощью видеодатчика, и если не уменьшить (в лучшем случае удалить), они могут привести к серьезным ошибкам.
Для избежания подобных ошибок актуальной является задача разработки алгоритма определения возможных ситуаций положения объектов в поле зрения сразу после их получения с видеодатчика с учетом возможных помех.
В поле зрения СТЗ возможны следующие ситуации:
1) пустое поле зрения - в кадре нет ни одного объекта и ни одной помехи;
2) помехи - в кадре нет ни одного объекта;
3) отдельный объект - в кадре находится один отдельный объект и возможно отдельные помехи;
4) два отдельных объекта - два изолированных друг от друга объекта;
5) наложенные объекты - два объекта, которые между собой пересекаются.
Предлагаемый алгоритм состоит из двух этапов.
1. Маркировка и определение ситуации 1 (пустое поле зрения).
Под маркировкой понимается процесс формирования, на основе исходного бинарного изображения, изображения, в котором каждой точке каждого объекта присвоен номер связной компоненты, представляющей собой объект или помеху. Выполняется с использованием алгоритма последовательной разметки, приведенного в [3, 4].
Для обнаружения пустого поля проверяется условие:
2. Отсев помех и определение ситуаций 2, 3, 4 и 5.
Обозначим площади эталонных объектов как 5э1, ^э2,..., ^эи, а обнаруженных объектов как £о1, Sо2,..., Sоk . Количество обнаруженных объектов обозначено как к.
Все помехи отсеиваются по площади на основе следующего условия:
где Вп - разность между минимальной площадью эталонного объекта и порога по площади Бт. Определяется по формуле
Описание алгоритма
если к = 0, то пустое поле,
иначе, поле содержит объекты или помехи.
(1)
(2)
где Bso - порог, который определяется на большой выборке ситуаций отдельных и наложенных объектов.
Пусть размер выборки равен M. Тогда для каждого i-го объекта из выборки рассчитываются отклонения по площади ds по формуле
ds = min| S0i - S -, (4)
i=1, M
где i=1,..., M - количество объектов в выборке; j=1,..., N - количество эталонных объектов
Среди них находятся минимальное dsmin и максимальное dsmax отклонения. Порог Bso последовательно перебирается от значения dsmin до значения dsmax. Для каждого значения переби-
раемого порога относительно всех объектов проверяется условие
ds < Bso . (5)
В случае выполнения условия (5) можно сделать вывод, что в поле зрения расположен отдельный объект, в противном случае объекты наложены.
В общем виде данный алгоритм может быть представлен следующим образом:
ситуация 1, если k = 0 ситуация 2, если (k Ф 0) a (S0i < Bn)
< ситуация 3, если (k = 1) a (S0i > Bn) a (ds < BS0). (6)
ситуация 4, если (k = 2) a (S0i > Bn) a (ds > BS0) ситуация 5, иначе
Блок-схема описанного алгоритма приведена на рис. 1.
Рис. 1. Блок-схема алгоритма определения типа поля зрения
Для проведения исследований данного алгоритма была составлена выборка из изображений реальных плоских объектов различных типов с помехами и без.
Презентабельное количество испытаний было выбрано равным 2000.
На рис. 2 приведен график зависимости числа ошибок от возможных ситуаций.
Номер ситуации
Рис. 2. Результаты проведенных экспериментов
Исследования показали, что при определении ситуаций положения объектов в поле зрения СТЗ по количеству связных компонент и площадям объектов суммарный процент ошибок равен примерно 11 %.
Анализ показал, что ошибки возникают в случае, когда наложенный объект при определенной комбинации объектов и проценте наложения удовлетворяет условию (5). В результате не удается правильно различить ситуации 3 и 5.
Для избежания данных ошибок было решено ввести дополнительный признак, который бы учитывал форму объектов. В качестве такого признака был выбран центральный момент объекта второго порядка, который определяется по формуле
Ц=Ё(X “хо)2(У, -Уо^ (6)
, =1
где (х,, у,) - координаты точек объекта; (х0, у0) - координаты центра тяжести; 1 = 1, ..., N - число точек объекта.
Центральный момент объекта чувствителен к изменению формы, в отличие от площади с помощью него можно более точно определить, к какой ситуации относится обнаруженный объект.
Для каждого из эталонных объектов рассчитываются их центральные моменты
Цэ1, Цэ2,..., Цэп. Для сокращения вычислений центральный момент применяется только в том случае, когда алгоритм по площади дает ошибку.
В этом случае для обнаруженного объекта рассчитывается отклонение Лт по моменту
Лт = ™п I К, -Цэ] I, (7)
,=1М
где - центральный момент обнаруженного объекта; - центральный момент эталонного
объекта.
Решение о том, что обнаруженный объект является отдельным, принимается при выполнении условия
Ль < Вто, (8)
где Вто - порог по моментам, вычисляется аналогично порогу по площади.
В общем виде алгоритм выглядит следующим образом:
ситуация 1, если к = 0 ситуация 2, если (к Ф 0) а (До, < Вп)
< ситуация 3, если (к = 1) а (До > Вп ) а (Л3 < В30) а (Лт < Вто ). (9)
ситуация 4, если (к = 2) а (До, > Вп ) а (Ля > В30 ) а (Лт > Вто) ситуация 5, иначе
В результате блок-схема алгоритма определения типа поля зрения примет следующий вид (рис. 3).
Рис. 3. Блок-схема алгоритма деления типа поля зрения (измененная)
Исследования проводились на той же выборке, что и в предыдущих экспериментах. Результаты показаны на графике (рис. 4).
Номер ситуации
Рис. 4. Результаты повторного эксперимента
Полученные результаты показали, что в случае введения дополнительного признака (центрального момента) для идентификации ситуаций количество ошибок сократилось с 11 до 0,1%, что является приемлемым результатом для работы СТЗ.
Заключение
На основе предложенного алгоритма было создано программное приложение, которое позволяет определить тип поля зрения СТЗ. В качестве основных признаков были использованы количество связных компонент и площади объектов. Дополнительным признаком является центральный момент, который применяется только для разрешения спорных ситуаций между наложенными и отдельными объектами.
Алгоритм исследовался на изображениях реальных объектов. Его достоинствами являются простота реализации, точность работы и высокое быстродействие, которое дает возможность использовать его в системах, работающих в режиме реального времени.
Список литературы
1. Прэтт, У. Цифровая обработка изображений : пер с англ. / У. Прэтт. - М. : Мир, 1982. - 788 с.
2. Рузняев, Д. А. Использование комбинирования алгоритмов сжатия мультимедийной информации для повышения надежности передачи данных / Д. А. Рузняев, А. П. Поддубный, Н. К. Юрков // Надежность и качество : тр. Междунар. симп. : в 2 т. / под ред. Н. К. Юркова. - Пенза : Изд-во ПГУ, 2009. - Т. 1. -С. 239-240.
3. Садыков, С. С. Экспериментальное исследование алгоритма идентификации наложенных объектов на основе алгоритмов трансформации контура и а-функции / С. С. Садыков, С. В. Савичева, А. С. Веденин // Алгоритмы, методы и системы обработки данных / под ред. С. С. Садыкова, Д. Е. Андрианова. -Муром : Муромский институт (филиал) ВлГУ, 2012. - Вып. 1 (19). - С. 22.
4. Садыков, С. С. Сравнение алгоритмов распознавания наложенных объектов на основе а-функции и на основе особых участков / С. С. Садыков, С. В. Савичева, В. А. Комков // Алгоритмы, методы и системы обработки данных / под ред. С. С. Садыкова, Д. Е. Андрианова. - Муром : Муромский институт (филиал) ВлГУ, 2012. - Вып. 1 (19). - С. 23.
УДК 004.932.2
Садыков, С. С.
Алгоритм определения типа поля зрения видеодатчика / С. С. Садыков, С. В. Савичева, Д. П. Гранченко // Надежность и качество сложных систем. - 2013. - № 3. - С. 60-65.
Садыков Султан Сидыкович доктор технических наук, профессор, кафедра информационных систем, Муромский институт (филиал) Владимирского государственного университета им. А. Г. и Н. Г. Столетовых, 600254, Россия, г. Муром, ул. Орловская, 23, 8-920-913-82-42 E-mail: sadykovss@yandex.ru
Савичева Светлана Владимировна старший преподаватель, кафедра информационных систем, Муромский институт (филиал) Владимирского государственного университета им. А. Г. и Н. Г. Столетовых, 600254, Россия, г. Муром, ул. Орловская, 23 8-920-622-71-60
E-mail: savicheva.svetlana2010@yandex.ru
Гранченко Дмитрий Павлович
магистр,
кафедра информационных систем, Муромский институт (филиал) Владимирского государственного университета им. А. Г. и Н. Г. Столетовых, 600254, Россия, г. Муром, ул. Орловская, 23
Sadykov Sultan Sidykovich
doctor of technical sciences, professor,
sub-department of information systems,
Murom Institute (branch) of
Vladimir State University
named after A. G. and N. G. Stoletovyh,
600254, 23 Orlovskaya street, Murom, Russia
8-920-913-82-42
E-mail: sadykovss@yandex.ru
Savicheva Svetlana Vladimirovna
senior lecturer,
sub-department of information systems,
Murom Institute (branch) of
Vladimir State University
named after A. G. and N. G. Stoletovyh,
600254, 23 Orlovskaya street, Murom, Russia
8-920-622-71-60
E-mail: savicheva.svetlana2010@yandex.ru
Granchenko Dmitriy Pavlovich
master,
sub-department of information systems,
Murom Institute (branch) of
Vladimir State University
named after A. G. and N. G. Stoletovyh,
600254, 23 Orlovskaya street, Murom, Russia
Аннотация. Приведен алгоритм определения типа поля зрения видеодатчика, в котором в качестве признаков используются количество связных компонент, площади и центральные моменты объектов.
Ключевые слова: алгоритм; тип поля зрения; связные компоненты; площадь объекта; центральные моменты.
Abstract. An algorithm for determining the type of field of view vision systems, which are used as signs of connected components, area and central moments of the objects.
Key words: algorithm, the type of field of view, connected components, building area, the central moments.
