CC BY
63
УДК 004.8
АНАЛИЗ МЕТОДОВ ДЕТЕКТИРОВАНИЯ ДВИЖЕНИЯ НА ВИДЕОПОСЛЕДОВАТЕЛЬНОСТИ НА ОСНОВЕ ТОЧЕЧНЫХ ОСОБЕННОСТЕЙ
А. И. Томилина, С. А. Савельев Научный руководитель - М. Н. Фаворская
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева
Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 E-mail: [email protected], [email protected]
Выполнен сравнительный анализ детекторов точечных особенностей для детектирования и определения направления движения на видеопоследовательности. Произведено тестирование быстродействия и качества реализованных алгоритмов, проанализировано влияние предварительной обработки на результат работы алгоритмов.
Ключевые слова: обработка видеопоследовательностей, детектирование движения, точечные особенности изображения.
ANALYSIS OF METHODS FOR THE VIDEOMOVEMENT DETECTION BASED
ON FEATURE DETECTION
A. I. Tomilina, S. A. Savelev Scientific Supervisor - M. N. Favorskaya
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: [email protected], [email protected]
In this paper was made a comparative analysis of the features point detectors for detecting and determining the direction of movement in the video sequence. Produced performance and quality testing of the implemented algorithms, analyzed the influence ofpretreatment on the result of the algorithm.
Keywords: video processing, motion detection, image point features.
Одной из важных, но до конца не решенных подзадач является автоматическое выделение движущихся объектов на видеопоследовательности. На современном этапе развития компьютерных технологий широко применяются методы компьютерного зрения для выделения определенных особенностей изображений. Для того чтобы выделить движущийся объект, необходимо, в первую очередь, детектировать движение на видеопоследовательности.
На данный момент наиболее популярной группой методов для обнаружения движения на видеопоследовательности является группа методов детектирования движения с помощью особых точек [1].
Идея методов заключается в следующем: для выделения из изображения некоторой интерпретируемой информации необходимо привязаться к локальным особенностям изображения [2]. На изображении возможно выделить особые точки. Особая точка m, или точечная особенность (англ. point feature, key point, feature), изображения - это точка изображения, окрестность которой o(m) можно отличить от окрестности любой другой точки изображения o(n) в некоторой другой окрестности особой точки o2(m). В качестве окрестности точки изображения для большинства алгоритмов берётся прямоугольное окно. Процесс определения особых точек достигается путём использования детектора и дескриптора [3].
Наиболее популярными алгоритмами определения особых точек являются детектор Моравеца, детектор Ши-Томаши и детектор Харриса. Для тестирования данных методов было написано приложение, определяющее направление движения объектов в кадре.
Секция «Программные средства и информационные технологии»
Методика тестирования быстродействия системы.
Для проверки быстродействия работы системы необходимо запустить несколько видеопоследовательностей различного разрешения, но равной продолжительности.
Оценить скорость работы системы предлагается путем рассчета среднего значения скорости обработки на всей протяженности видео (1):
Еы
т = ,=1(' т
работы ы ' ^ '
где Тработы - время работы алгоритма на ,-м кадре; N - общее число кадров видеопоследовательности.
Для каждого алгоритма детектирования движения, время следует рассчитывать отдельно.
Методика тестирования качества определения движения.
Запустить видеопоследовательности, где перемещается только один объект, либо несколько объектов в одном направлении.
Измерить точность определения вектора перемещения на одной и той же видеопоследовательности с различной предварительной предобоработкой (без предварительной обработки, фильтр Гаусса, среднеарифметический фильтр, фильтр 2БС1еапег и их комбинации).
Анализ результатов быстродействия
Быстродействие является довольно важной характеристикой приложения. Для тестирования быстродействия работы алгоритмов взято 5 видеопоследовательностей различного разрешения (320x240, 512x384, 768x576, 1024x768, 1536x1152). В качестве результирующего времени было взято среднее время работы алгоритмов на 50 кадрах.
Из графика видно, что время, затрачиваемое детектором Харриса и Ши-Томаши растет экспоненциально с изменением разрешения видеопоследовательности, это обусловлено множественными прохода по кадру. Время работы детектора Моравеца растет медленее, это связано с простотой самого алгоритма. В таблице представлено время работы алгоритмов.
Время выполнения алгоритмов в зависимости от разрешения видео
Наименование алгоритма Время, мс
320x240 512x384 768x576 1024x768 1536x1152
Детектор Моравеца 168 277 491 838 1305
Детектор Харриса 355 677 1202 2093 2972
Детектор Ши-Томаши 583 1134 1589 2349 3425
Анализ результатов качества определения движения
Вероятность правильного определения движения заключается в вычислении отношения количества правильно определенного направления движения к общему количеству обработанных кадров видеопоследовательности. На рисунке 2 представлены результаты измерения точности работы алгоритмов детектирования с предварительной обработкой и без нее.
Рис. 2. Результаты измерения точности работы алгоритмов
В результате тестирования было выявлено, что предварительная обработка значительно повышает качество нахождения векторов движения, однако предобработка среднеарифметическим фильтром негативно влияет на результат работы детектора Моравеца.
Достаточно неплохие результаты показала фильтрация Гаусса, и комбинация последовательного применения фильтров 2DCleaner и фильтра Гаусса. Однако самые хорошие показатели были получены в результате предобработки исходной видеопоследовательности фильтром 2DCleaner, причем показатели были улучшены сразу у всех реализованных детекторов, поэтому выбор данного фильтра для преобработки является оптимальным.
Если же брать во внимание быстродействие работы алгоритмов, то наиболее оптимальным алгоритмом можно считать фильтр Харриса, так как данный алгоритм дает хороший результат при довольно высокой скорости работы. Фильтр Моравица является наиболее быстрым, но показывает невысокий процент верного определения направления движения, и не всегда срабатывает. Фильтр Ши-Томаши, показал самые высокие результаты точности, но затратил на это самое большое количество времени.
Библиографические ссылки
1. Фаворская М. Н., Пахирка А. И., Шилов А. С., Дамов М. В. Методы поиска движения в видеопоследовательностях // Вестник СибГАУ. 2009. № 1-2.
2. Конушин А. Слежение за точечными особенностями сцены (Point feature tracking). Компьютерная графика и мультимедиа. 2003. Вып. № 1(5) [Электронный ресурс]. URL: http://cgm. computergraphics.ru/content/view/54 (дата обращения: 10.02.2016).
3. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М. : Техносфера, 2008. 1072 с.
© Томилина А. И., Савельев А. С., 2016
