CC BY
14
tem based on the neuroprocessor MB 7707 and the current NM 6407 are studied to reduce the risk of decision making. Due to specialized processing of data under uncertainty conditions using fuzzy sets. The user interface of the monitoring system is described, the main operating modes of the entire complex are determined.
Key words: cyber-physical system, cloud computing, supercomputer, ground, air and remote Earth monitoring, sensors for detecting, capturing and escorting fire, decision-making risks, clusters, microprocessor module, intelligent telecommunications structure.
Ruchkin Vladimir Nikolaevich, doctor of technical sciences, professor, v. ruchkinarsu. edu. ru, Russia, Ryazan, Ryazan state University namedfor S. A. Yesenin,
Kolesenkov Aleksandr Nikolaevich, candidate of technical sciences, docent, sk62@mail.ru, Russia, Ryazan state radio engineering University,
Fulin Vladimir Andreevich, head of distance learning Center and monitoring the quality of education, v.fulinarsu. edu. ru, Russia, Ryazan, Ryazan state University named for S.A. Yesenin,
Pikulin Dmitriy Romanovich, postgraduate, v.ruchkin@rsu.edu.ru, Russia, Ryazan, Ryazan state University namedfor S.A. Yesenin
УДК 621.383
ИДЕНТИФИКАЦИЯ МАРКЕРА В СИСТЕМЕ ТРАССИРОВКИ ДВИЖЕНИЯ
А.Ю. Андросов
Исследуется система трассировки движений обучаемого оператора в тренажерах. Показано, что проблема может быть решена за счет размещения маркеров на телеоператора и видеосъемки его работы. Получено решающее правило для идентификации пикселей, относящихся к образу маркера. Предложено для повышения точности оценки координат образа маркера проводить промежуточную медианную фильтрацию изображения. Получены зависимости для расчета координат центра образа маркера по биноризованному изображению.
Ключевые слова: маркер, идентификация, решающее правило, медианная фильтрация, координаты маркера.
Когнитивные технологии в настоящее время широко используются в практике тренажерного обучения [1, 2, 3]. Технологии позволяют в короткое время развивать такие функции обучаемого оператора, как память, внимание, планирование и контроль деятельности, психомоторная координация движений. Тренинг в части психомоторной реакции заключается в том, что после принятия оператором решения по управлению той или иной единицей бортового оборудования, оно должно быть исполнено в течение максимально короткого промежутка времени путем воздействия на имитаторы органов управления.
Выработка у оператора двигательных рефлексов, обеспечивающих движение органов, воздействующих на кнопки, рычаги, педали, по оптимальным траекториям возможна, если в процессе обучения сравнивать траектории движения органов с траекториями движения органов эталонного оператора [4, 5]. С этой целью производится видеосъемка работы обоих операторов и дальнейшее сравнение траекторий их движений. Наиболее просто процесс реализуется в системах, в которых на теле оператора размещаются маркеры, и далее определяются траектории движения маркеров. Основными задачами в системах подобного типа являются задачи поиска кодов пикселей, которые могут относиться к образу маркера в массиве данных на фоне кодов, которые могут относиться к образу фона; локализация области образа маркера; расчет пространственного положения маркера в Земной системе координат.
Излучение светодиодного маркера представляется вектором Dk, имеющим составляющие
DK =(DKR , DKG , DKB ), (1)
где Dkr , Dkg , Dkb - цифровые коды пикселей, относящихся к красной, зеленой и синей цветовым плоскостям соответственно.
Значения вектора (1) лежат внутри конуса, вершина которого совпадает c началом координат цветового пространства (рис. 1).
n f Dr'
DS DB B P J^! Dr.
Dkg 0
V Dr
Dkr DdS
Рис. 1. Цветовой конус излучения маркера
Пиксели, относящиеся к фону, лежат, в основном, вне цветового конуса.
Найдем уравнение разделяющей поверхности для дальнейшего решения задачи классификации,
Направляющие косинусы вектора Вк имеют вид:
V К = (укя, Vко, Vкв )= , 2 ^ 2 ФкЯ, ВК0, ®кв). (2)
Плоскость, ортогональная вектору Бк и отстоящая от начала координат на величину
г = л/ Б^ + Б^ + вКе
(3)
описывается уравнением:
^ккБк + ^коБо + ^квбВ - г = 0- (4)
Проведем плоскость через ось и прямую Бк. Плоскость описывается уравнением
^КВбО + ^КОбВ = 0, (5)
где
1
(к , у'ко , к ) = ■
(о, Вкв,-Вко).
(6)
4бко+бКВ
Пересечение плоскости (3) и (5) дает ось Бк", которая описывается следующей системой уравнений:
+ укоБо + ^квВв - гк = 0; [УкоВо + VквВв = 0
(7)
Ось ' имеет направляющие косинусы
VБК ' = (^БК', ^БО', ^БВ') = 1
б^о + Бкв
(0, Бко, Бкв).
(6)
Направляющие косинусы оси
= (vБR^ VБО^ ^БВ'О, (7)
дополняющей оси Бк" и Бк до правой системы координат, определяются из условий перпендикулярности прямых Бк " и Бк , и прямых Бк " и Б к, формирующих следующую систему уравнений:
^К^ПК' + ^БО'^БО" + ^БВ^БВ' = 0;
VБR"VKR + ^БО^кО + ^БВ^кВ;
2 2 2 УБК + УБО" + УБВ" = 1.
(8)
Таким образом, матрица поворотов, преобразующих систему координат Бк Бк" Б к, связанную с основанием конуса в цветовую систему координат Бк Бо Бв , будет иметь вид
А
КОВ
(9)
уБО' уБО" укО
V УБВ" УБВ" укВ у
Относительно оси Бк" против часовой стрелки отложим угол ф. Прямая, проведенная под указанным углом пересекается с боковой поверхностью конуса в точке р(ф). Точка пересечения в системе координат
28
Бя' Б я * Б к имеет координаты (р(ф)соБ ф, р(ф)вт ф,0). Эти координаты в координаты рБЯ(ф), РБО(ф), РБВ(ф) системы DQ Бв пересчитываются по следующей формуле:
Р DR (ф) Р DG(ф) РDB (ф)
p(f)cosф p(f)sin ф
d2kr
+ dKG
+ dKB
argb
(10)
С учетом того, что конус упирается вершиной в начало координат, уравнение поверхности конуса в системе координат Dr Dg Db имеет вид в параметрической форме:
rDr ^ p cos ф • Z
p sin ф • Z
Dg
DB
-л/dKR + dKG + D^B -Z
argb
(11)
0 £ ф < 2p - параметр, имеющий физический смысл угла; 0 < Z < ¥; р(ф) = const
Таким образом, решающее правило идентификации светодиодного маркера в системе трассировки обучаемого оператора имеет вид:
i \
Я
ca
if
'Dr^ Dg
к db j
<
pcosф^ z p sin ф • Z
dKR + dKG + dKB -Z
argb :
and д/ DR + DG + DB > Dtr, then target;
r \
if
DG
DB.
>
p cos ф • Z p sin ф • Z
DKR + DKG
+ dKb
z
(12)
A
RGB =
or д/dR + Dg + Db < Dtr, then background.
В результате применения решающего правила (12) над каждым пикселем с цветовым делением формируется бинаризованное изображение вида
d b =\dmj ] (13)
где dmj e |_t, bj; t - пиксель, относящийся к образу маркера; b - пиксель, относящийся к образу фона; m, j - дискретные координаты пикселей.
Практическое применение решающего правила (12) порождает появление ошибок как первого (пропуск цели), так и второго (ложная тревога) рода [6, 7, 8, 9]. Для уменьшения процента ошибок и повышения качества классификации необходимо проводить дополнительный отбор кодов, относящихся к маркеру и фону, например, по критерию связности. В соот-
29
ветствии с указанным критерием должны удаляться малочисленные группа пикселей фона внутри образа маркера и маркера внутри образа фона. Для этого используется медианный фильтр вида
dmj = med{dm _ a, j _в,..., dmj,..., dm+А, j+в ], (14)
где (2 А + 1)х (2 B +1) - апертура фильтра.
В результате фильтрации формируется бинаризованное изображение [ d j все коды которого равны нулю (образ маркера), или единице (образ фона) (рис. 2),
Поскольку все коды, входящие в образ маркера, имеют одинаковый вес, координаты центра маркера могут быть определены как координаты геометрического центра. Обозначим дискретные координаты, лежащие в j-й строке, как mj, а координаты, лежащие в m-том столбце, как jm. После
медианной фильтрации изрезанность границ устраняется, поэтому можно считать, что в каждой строке образа маркера количество связных цепочек кодов равно единице и выполняется условие
mj min £ mj £ mj max ; Jm min £ Jm £ Jm max . (15)
Координаты рассчитываются по следующим зависимостям:
о 1 max(jmmax) mjmin + mjmax _
m =—г—)—~г-—у —о —; (16)
max\jm maJ _ minljm min i + 1 j=min(jm min) 2
1 max (mj max) j . + v jо = _ 1 __у Jm min "*" Jm max (17)
max (m j max )-min (m j min )+ 1 j=min^ min ) 2 '
Коды образа маркера"
(1)
m
□ □□□ □ □ □ □ □ □
□ □□□ □ □ □ □ □ □
■ ■ ■ □ □ □
.........м и и ■ ■ ■ ■ □ □
■ ■ ■ ■
■ ■ ■ ■
Uüfli ■ ■ ■ ■ □ □
■ ■ ■ □ □ □
□ □□□ □ □ □ □ □ □
□ □□□ □ □ □ □ □ □
Коды образа фона
(0)
Рис. 2. Бинаризованное изображение [ d mj
Применение цветовой дискриминации позволяет существенно понизить количество ошибок первого и второго рода при выделении образа маркера, а использование медианного фильтра позволяет повысить точность вычисления координат центра образа маркера.
Список литературы
1. Котов В.В., Котова Н.А., Ларкин Е.В. Генерация Петри-Марковских моделей в задачах оптимизации когнитивных технологий обучения // Известия Тульского государственного университета. Технические науки. Тула: Изд-во ТулГУ, 2013. Вып. 9. Ч. 1. С. 298-303.
2. Ларкин Е.В., Привалов А.Н., Акименко Т.А. Возможности инженерной психологии при исследовании когнитивных процессов // Известия Тульского государственного университета. Тула: Изд-во ТулГУ, 2013. Вып. 9. Ч. 1. С. 311 - 319.
3. Ларкин Е.В., Привалов А.Н., Ивутин А.Н. Моделирование когнитивного процесса тренинга в эргатических системах. Saarbrucken Deut-chland: LAP LAMBERT Academic Publishing GmbH & Co., 2013. 232 p.
4. Ларкин Е.В., Котов В.В., Котова Н.А. Система технического зрения робота с панорамным обзором // Известия Тульского государственного университета. Технические науки. 2009. Вып. 2. Ч. 2. С. 161 - 166.
5. Горшков А. А., Ларкин Е.В. Расчет наблюдаемой площади в системе с множеством видеокамер / Фундаментальные проблемы техники и технологии. Орел: ГУ УНПК. 2012. № 4. С. 150 - 154.
6. Аршакян А. А., Будков С. А., Ларкин Е.В., Эффективность селекции точечных сигналов, сопровождаемых импульсной помехой // Известия Тульского государственного университета. Технические науки. Тула: Изд-во ТулГУ, 2012. Вып. 12. Ч. 2. С. 239 - 244.
7. Ларкин Е.В., Лагун В.В. Классификация как информационный процесс // Известия Тульского государственного университета. Проблемы специального машиностроения. Тула: ТулГУ, 2001. Вып. 4. Ч. 2. С. 21 - 25.
8. Котов В.В., Ларкин Е.В. Поиск целей на тепловизионных изображениях // Известия Тульского государственного университета. Проблемы специального машиностроения. Тула: ТулГУ, 2001. Вып. 4. Ч. 2. С. 25 - 29.
9. Аршакян А.А., Ларкин Е.В. Определение соотношения сигнал-шум в системах видеонаблюдения / Известия Тульского государственного университета. Технические науки. Тула: ТулГУ, 2012. Вып. 3. С. 168 -175.
Андросов Алексей Юрьевич, асп., elarkin@,mail.ru, Россия, Тула, Тульский государственный университет
MARKER IDENTIFICATION IN MOVEMENT TRACING SYSTEM
A. Yu. Androsov
The simulator's operator under training movement tracing system is considered. It is shown, that tracing problem may be solved by means of accommodation a markers on the operator 's body and video recording of his movements. Decisive rule of marker pixels selection from the color image is obtained. It is proposed for increasing the exactness of evaluation of marker position to execute median filtering of binary image. Formulae for calculation of marker image center on the binary image are obtained.
Key words: marker, identification, decisive rule, median filtering, marker coordinates.
Androsov Alexey Yurievich, postgraduate, elarkin@,mail.ru, Russia, Tula, Tula State University
УДК 621.396.96
АЛГОРИТМ МОДЕЛИРОВАНИЯ РАДИОЛОКАЦИОННОГО ИЗОБРАЖЕНИЯ ПОЛЯРИМЕТРИЧЕСКОЙ РЛС С СИНТЕЗИРОВАННОЙ АПЕРТУРОЙ
Н.С. Акиншин, А.В. Петешов, В.В.Сигитов
Определены параметры, характеризующие радиолокационное изображение поляриметрической РЛС с синтезированной апертурой. Установлены особенности моделирования сцены, в том числе двумерной функции рассеяния области обозреваемого пространства и формирования радиолокационного изображения по смоделированной сцене с учетом выбранных системных параметров радиолокатора с синтезированной апертурой. Приведены примеры реакции моделируемой системы на точечную цель.
Ключевые слова: поляризация, комплексная матрица рассеяния, алгоритм моделирования, синтезированная апертура, корреляционный фильтр.
Отличие поляриметрического радиолокатора с синтезированной апертурой (ПРСА) от обычного состоит в том, что зондирующий и отраженный сигналы в нем обрабатываются как векторы, компоненты которых есть скалярные радиосигналы. В результате согласованной обработки векторного отраженного сигнала формируется четыре комплексных изображения зондируемой области пространства. Каждый пространственный элемент разрешения в изображении представлен не одним, как в обычном РСА, а четырьмя комплексными коэффициентами отражения - элементами матрицы обратного рассеяния совокупности рассеивателей, находящихся в данном элементе разрешения [1,2].
