CC BY
15
4
Научно-технические ведомости СПбГПУ 4' 2012 Информатика. Телекоммуникации. Управление
УДК 681.5
Л.Л. Малыгин, В.А. Царев, П.С. Черкас
АВТОМАТИЧЕСКОЕ УПРАВЛЕНИЕ ПАРАМЕТРАМИ СРЕДСТВ ФОРМИРОВАНИЯ ИЗОБРАЖЕНИЙ В СИСТЕМАХ РАСПОЗНАВАНИЯ ТЕКСТОВЫХ МЕТОК РЕАЛЬНОГО ВРЕМЕНИ
Система распознавания текстовых меток реального времени (СРТМРВ) представляет собой аппаратно-программный комплекс (АПК), работа которого заключается в распознавании в режиме реального времени текстовых меток (ТМ) на изображениях подвижных объектов. Эти изображения СРТМРВ получает с использованием средств формирования изображений (СФИ, включающих весь комплекс аппаратных средств (камеры, средства освещения, платы видеозахвата), участвующих в процессе формирования изображений. СРТМРВ также включает в себя алгоритмы обработки и анализа изображений, общее и специализированное программное обеспечение, ЭВМ.
В настоящее время с помощью СРТМРВ решается широкий круг задач, связанных с идентификацией подвижных объектов контроля по текстовым меткам на них. Ярким примером СРТМРВ являются системы автоматического распознавания автомобильных номеров реального времени (САРАНРВ).
Эффективность СРТМРВ зависит от нескольких факторов, в т. ч. основных:
качества и корректности использования средств формирования изображений;
эффективности алгоритмического и программного обеспечения;
производительности ЭВМ. Производительность современных ЭВМ и эффективность алгоритмов распознавания находятся на высоком уровне и непрерывно возрас-
тают. Основные проблемы применения СРТМРВ связаны с тем, что использование большинства современных СФИ не позволяет формировать высококачественные изображения текстовых меток в нестационарных сложных условиях использования. При этом если объект с ТМ на изображении размытый, нечеткий, недостаточно освещен или пересвечен (рис. 1), то это приводит к малой информативности такого изображения, что становится причиной значительного снижения эффективности всей системы, т. к. изображения являются входными данными для алгоритмов распознавания.
Многие СФИ (камеры, объективы) общего назначения имеют встроенные средства автоматической адаптации под изменяющиеся условия. Но они рассчитаны на достижение высокого качества всего изображения, а не ТМ на нем, что ограничивает их применение в СРТМРВ.
Таким образом, одним из методов улучшения эффективности СРТМРВ является повышение качества изображений с ТМ за счет автоматического управления параметрами специализированных СФИ.
Качество изображений
Под качеством изображения понимается степень соответствия его характеристик определенным объективным и субъективным требованиям.
Объективные требования в основном предъявляются алгоритмами распознавания ТМ и со-
Рис. 1. Низкокачественные изображения автомобильных номеров
держат ограничения на характеристики областей изображения, содержащих ТМ (размеры в пикселях по вертикали и горизонтали, яркость, контрастность, углы наклона и т. д.).
Субъективные требования формируются с учетом того, что изображения должны быть полезны и информативны для оператора системы.
В общем случае из всех требований к изображению можно выделить те, которые относятся к сюжету изображения, и те, которые относятся к параметрам всего изображения и его области с ТМ (например, яркость, контрастность и т. д.). Первые могут быть удовлетворены на этапе монтажа СФИ и их первоначальной настройки. Для выполнения требований из второй группы из-за использования СРТМРВ в нестационарных условиях на практике требуется периодически подстраивать параметры СФИ вручную. Из-за трудоемкости данной задачи эта подстройка во многих случаях не выполняется [5]. В этой связи актуально автоматическое управление параметрами СФИ с учетом требований к изображению.
С точки зрения повышения качества изображения с помощью управления параметрами СФИ целесообразно остановиться на рассмотрении требований из второй группы, относящихся к характеристикам изображения и его областей, содержащих образ ТМ.
Изображение можно представить как двумерный массив значений яркости Im[x, y], при х е [1, width] и y е [1, height] [3]. Область изображения с образом ТМ задается с помощью координат прямоугольника L = (хр yp х2, y2).
В общем случае некоторая i-я характеристика, используемая для оценки качества изображений, рассчитывается с помощью функции от изображения (либо его области) R.(Im) = a, a е A где A. - область значений функции R Данные функции должны рассчитываться автоматически без участия оператора ЭВМ и обладать минимальными вычислительными затратами.
При этом все характеристики текущего изображения представляют собой вектор значений:
Я(Ьп) = Я ..., Яп). (1)
Требования к качеству изображения указывают оптимальные значения для каждой характеристики Я0 = (Я0р ..., Я0п), где Я0. с А.. То есть формируется некоторый эталон, который может включать как одно значение Я0; = а',а' £ А, так и область значений (или несколько областей значений) Я0 . = (а'|а'£ А.} для каждой характеристики изображения.
Тогда качество изображения рассчитывается следующим образом:
№) = б(Я(1п), Я0)= (2)
= (а^Ьп),ЯО1), ..., Qn(Яп(1п),Я0и)). ( )
В качестве функции Q¡ (Я. (1т), Я0.) может использоваться определенная метрика ¡Я. (1т) - Я0; | или более сложная методика расчета рассогласования величин. В некоторых случаях целесообразно использовать обобщенное качество изображения, описываемое в виде одного значения:
№) = к *02Р1*...*QnP" или
(3)
Q(Im) = <Ql +... + а *,
где к - нормирующий коэффициент; наборы коэффициентов Р1, ..., Рп и а1, ..., апопределяют вес каждой характеристики.
Автоматическое управление параметрами СФИ
Для автоматического управления параметрами СФИ в СРТМРВ вводится новый модуль выработки управляющих решений (МВУР), представленный на рис. 2.
Добавление МВУР преобразует СРТМРВ в замкнутую систему автоматического управления (САУ) с отрицательной обратной связью. Сигналом обратной связи является качество текущего изображения. МВУР - автоматический регуля-
Средства формирования изображений Изображение Алгоритмы распознавания ТМ Результаты распознавания Система верхнего
уровня
Рис. 2. Система автоматического управления параметрами СФИ в СРТМРВ
4
Научно-технические ведомости СПбГПУ 4' 2012 Информатика. Телекоммуникации. Управление
тор. Цель управления - максимизация качества изображений.
Для определения качества изображений используются программные средства, рассчитывающие значения определенных характеристик изображения. Это могут быть как основные алгоритмы распознавания ТМ, так и вспомогательные алгоритмы обработки и анализа изображений.
СФИ следует подбирать в соответствии с задачей, решаемой СРМТРВ. Среди всех параметров СФИ наибольшую ценность имеют настраиваемые в режиме реального времени параметры (далее HPR), которые необходимо выбирать с учетом требований к характеристикам изображений.
В общем случае МВУР может быть любым из автоматических регуляторов с подходящим законом управления. Однако многие СРТМРВ должны работать в сложных нестационарных условиях. Это приводит к тому, что априорно неизвестна зависимость характеристик изображения и его областей с ТМ от управляемых параметров СФИ. В таких случаях следует использовать адаптивный регулятор (АР), в котором часть требований к характеристикам изображений задается на этапе проектирования экспертами, а остальные требования могут быть рассчитаны в процессе работы системы. Закон управления в АР может быть задан с учетом основных известных зависимостей с неопределенными коэффициентами, которые рассчитываются в модуле адаптации и передаются в модуль управления [2].
Закон управления в АР должен позволять рассчитывать новые значения управляемых параметров ИРЯ' с учетом их текущих значений ИРЯ и качества изображения Q:
и {ИРЯ, Q, М) = HPR(4)
где М - динамически формируемая модель, устанавливающая зависимость характеристик изображения от управляемых параметров СФИ с учетом текущих условий использования. В модели накапливаются данные об успешности управления при различных исходных значениях параметров СФИ и значениях характеристик изображения, которые в дальнейшем аппроксимируются и участвуют при выработке последующих оптимальных управляющих сигналов.
При определении эффективности СРТМРВ с автоматическим управлением необходимо уделять внимание всем подсистемам. Эффективность СФИ может быть определена по среднему
качеству формируемых изображений. Качество работы алгоритмов распознавания оценивается с помощью вероятностных критериев [1]. Для обеспечения работы системы в режиме реального времени необходимо оценивать временной интервал, в течение которого обрабатывается одно изображение в основных алгоритмах распознавания ТМ. Эффективность МВУР может быть оценена с помощью средств расчета показателей САУ и автоматических регуляторов. На быстродействие МВУР накладываются ограничения, связанные с тем, что объекты с ТМ могут двигаться с большой скоростью в поле зрения камеры:
K << Т, (5)
где K - время, необходимое на оценку качества изображения, выработку и применение новых значений управляемых параметров СФИ; Т - время нахождения в поле зрения камеры объекта с ТМ, движущегося с максимально-допустимой скоростью.
Тестирование СРТМРВ с автоматическим управлением параметрами СФИ необходимо осуществлять либо с помощью специальных программных средств моделирования с обратной связью (виртуальные 3D полигоны), либо в реальных условиях использования.
Применение автоматического управления параметрами СФИ
На основе описанной выше методики разработан АПК «УМКА-Автомаршал», являющийся сетевой «умной» камерой [6] и предназначенный для применения в системах распознавания автомобильных номеров. Данный комплекс содержит в одном герметичном корпусе мини-ЭВМ, цифровую USB камеру с ИК фильтром и управляемой ИК подсветкой. Изображения с камеры поступают в специализированное ПО в мини-ЭВМ, которое отвечает за распознавание автомобильных номеров, оценку качества изображений, управление параметрами камеры и передачу изображений и результатов распознавания по локальной вычислительной сети [4].
АПК «УМКА-Автомаршал» протестирован в различных условиях использования (разные времена года, время суток и погодные условия). При этом формируемые им изображения обладают высоким качеством, что обеспечивает высокий уровень распознавания и подтверждает эффективность предложенной методики.
Перспективность описанных методов заключается в том, что оценка качества изображений позволяет формировать рекомендации оператору и администратору СРТМРВ. Например, при некорректно установленных и настроенных СФИ определенные характеристики изображений будут значительно хуже оптимальных значений. На основе этого си-
стема может информировать о необходимости подстройки определенных параметров вручную.
Предложенная методика автоматического управления параметрами СФИ в СРТМРВ позволяет значительно повысить эффективность подобных систем и упростить их установку, настройку и использование.
СПИСОК ЛИТЕРАТУРЫ
1. Воскресенский, Е.М. Метод оценки эффективности систем распознавания текстовых меток на сложном фоне с использованием дерева вероятностных характеристик [Текст] / Е.М. Воскресенский, В.А. Царев // Компьютерная оптика. -2008. -Т. 32. -№ 3. -С. 283-290.
2. Дорф, Р. Современные системы управления [Текст] / Р. Дорф, Р. Бишоп; Пер. с англ. Б.И. Копылова. -М.: Лаборатория Базовых Знаний, 2002. -832 с.
3. Шапиро, Л. Компьютерное зрение [Текст] / Л. Шапиро, Дж. Стокман; Пер. с англ. -М.: БИНОМ. Лаборатория знаний, 2006. -752 с.
4. Vesnin, E.N. The «Smart Camera» Adaptive Optoelectronic Complex [Text]/ E.N. Vesnin, A.E. Mikhailov, V.A. Tsarev, PS. Cherkas // Pattern Recognition and Image Analysis. -Pleiades Publishing, Ltd. -2011. -Vol. 21. -№ 2. -P. 354-356.
5. ProSystem CCTV: первый и единственный журнал в России по системам видеонаблюдения: профессиональное издание для экспертов и специалистов по охранному телевидению и видеонаблюдению [Текст] -М.: Немецкая Фабрика Печати. -2010. -№ 42-43.
6. Smart Cameras [Text] / Ed. A.N. Belbachir.-XX. -2010. -404 p.
УДК 004.415
А.С. Иванов, В.П. Котляров, А.А. Летичевский СТАТИЧЕСКИЙ АНАЛИЗ ТРЕБОВАНИЙ РЕАКТИВНЫХ СИСТЕМ
Требования к надежности телекоммуникационного оборудования высоки, что требует применения самых современных методов разработки и контроля качества. Описанные в данной статье подходы проверялись на приложениях телекоммуникационных систем, но они могут распространяться и на приложения многокомпонентных реактивных систем. Начальный этап разработки системы -формулировка требований. В документах, описывающих требования, часто содержится большое количество ошибок, среди которых встречаются ошибки неполноты и несоответствия начальным требованиям заказчика. Согласно исследованию Джонса [5] и Шалла [6] самыми действенными методами поиска ошибок в требованиях являются формальные инспекции кода, верификация и статический анализ моделей. Эффективность инспекций оценивается в 55 %, а эффективность остальных методов - в 65 %. Автоматизация инспекций - сложный и плохо формализуемый процесс,
в то время как автоматизация статического анализа и верификации обеспечены богатым набор методик и инструментов ведущих разработчиков программного обеспечения [7].
Статический анализ реактивных систем начинается после перевода системы с естественного языка на язык формальных спецификаций. В качестве языка спецификаций может использоваться нотация базовых протоколов [2], иСМ [8], различные расширения UML [7] , Spec# и AsmL [6]. По формальному описанию строится модель программы, позволяющая проводить статический анализ и верификацию. На основе модели нередко автоматически формируются тесты.
Реализация статического анализа системой VRS
Одной из эффективных систем статического анализа многокомпонентных систем является статический анализатор требований верифика-
