Analyyttinen videonkäsittely reaaliaikaiselle kulkulaskurille
Räsänen, Joni; Mikkonen, Taneli (2015-06-22)
Räsänen, Joni
Mikkonen, Taneli
T. Mikkonen; J. Räsänen
22.06.2015
© 2015 Joni Räsänen, Taneli Mikkonen. Tämä Kohde on tekijänoikeuden ja/tai lähioikeuksien suojaama. Voit käyttää Kohdetta käyttöösi sovellettavan tekijänoikeutta ja lähioikeuksia koskevan lainsäädännön sallimilla tavoilla. Muunlaista käyttöä varten tarvitset oikeudenhaltijoiden luvan.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-201606042256
https://urn.fi/URN:NBN:fi:oulu-201606042256
Tiivistelmä
Turvallisuus- ja tiedonkeruujärjestelmissä tehokkuuden ja toimivuuden takaamiseksi sopivan videonkäsittelymenetelmän valinta on erittäin tärkeää. Eri menetelmät sopivat erilaisiin käyttötarkoituksiin paremmin kuin toisiin ja niiden suorituskyky, viansieto ja algoritmin raskaus vaihtelee suuresti. Keinot kappaleiden tunnistukseen ja erotteluun ovat kappaleen poisto taustasta erilaisten kuvankäsittelymenetelmien avulla tai hyödyntäen liikkeenseurausta.
Tunnistus- ja erottelumenetelmät voidaan jakaa käyttäjän osallistumisen mukaan. Menetelmät jotka vaativat palautetta käyttäjältä yleensä toimivat hyvin monimutkaisissa ja ruuhkaisissa tilanteissa. Tällöin käyttäjältä halutaan jonkinasteista luokittelua että millaisia kappaleita halutaan erotella ja seurata tai mikä osa videosta on taustaa ja mikä ei. Automaattisesti toimivat menetelmät ovat omiaan tilanteissa joissa tarkkaillaan niukasti muuttuvaa ympäristöä ja jossa erilaisten kappaleiden esiintyvyys on alhainen. Nämä ovat tehokkaita turvallisuus- tarkkailumenetelmiä.
Hyödyntämällä yksinkertaista taustan erottamista kuvasta luotiin videokuvan perusteella kulkijoiden lukumäärää ja suuntaa laskeva laskuri. Tämän menetelmän avulla laskuri pystyy erottelemaan taustasta poikkeavat yhtenäiset kohteet, seuraamaan niitä ja määrittämään niiden poistumissuunnan.
Testeissä menetelmä pärjäsi hyvin yksinkertaisissa tilanteissa joissa samanaikaisten kulkijoiden määrä oli pieni. Välittömästi kun kohteet kulkivat vierekkäin, alkoi laskuri laskemaan virheellisesti. Testeissä käytettiin kuvattua dataa joille laskuri laski kulkijoiden määrän, ja joita verrattiin manuaalisesti laskettuihin määriin. Näiden lukujen perusteella etsittiin virheelliset tilanteet ja niitä tarkemmin tutkimalla löydettiin algoritmin heikkoudet ja ongelmakohdat. To ensure efficiency and functionality of safety and information gathering systems, the choice of the used video processing technique is extremely important. Different kinds of techniques work better in different situations than other and their performance, robustness and resource-intensiveness differs greatly. The methods for recognizing and separating objects from background are extracting it by using different kinds of image processing techniques or image tracking techniques.
Recognition and separation methods can be sorted by the user’s participation. Methods that require lots of input from the user are good in complicated and noisy situations. In these situations some kind of classification about what kinds of objects is desired for or what is part of the background, is needed from the user. Methods that work automatically are useful in situations where the environment changes rarely and incidence of different objects is low. These are excellent safety and information gathering methods.
By using simple background erasing from the picture, a system for counting bypassers and their direction from video feed was created. Making use of this method the counter can separate coherent objects from the background and track them until they leave the picture, solving their walking direction.
From testing this method we determined that the method works best in simple situations where the amount of simultaneous bypassers was low. Immediately when the objects passed the camera side by side, counter started to count incorrectly. In these tests filmed material was given to the system to count the amount of bypassers and their direction. Acquired data was compared to manually prepared data. From this information the problematic situations were determined and by researching these situations the weak points of the algorithm were found.
Tunnistus- ja erottelumenetelmät voidaan jakaa käyttäjän osallistumisen mukaan. Menetelmät jotka vaativat palautetta käyttäjältä yleensä toimivat hyvin monimutkaisissa ja ruuhkaisissa tilanteissa. Tällöin käyttäjältä halutaan jonkinasteista luokittelua että millaisia kappaleita halutaan erotella ja seurata tai mikä osa videosta on taustaa ja mikä ei. Automaattisesti toimivat menetelmät ovat omiaan tilanteissa joissa tarkkaillaan niukasti muuttuvaa ympäristöä ja jossa erilaisten kappaleiden esiintyvyys on alhainen. Nämä ovat tehokkaita turvallisuus- tarkkailumenetelmiä.
Hyödyntämällä yksinkertaista taustan erottamista kuvasta luotiin videokuvan perusteella kulkijoiden lukumäärää ja suuntaa laskeva laskuri. Tämän menetelmän avulla laskuri pystyy erottelemaan taustasta poikkeavat yhtenäiset kohteet, seuraamaan niitä ja määrittämään niiden poistumissuunnan.
Testeissä menetelmä pärjäsi hyvin yksinkertaisissa tilanteissa joissa samanaikaisten kulkijoiden määrä oli pieni. Välittömästi kun kohteet kulkivat vierekkäin, alkoi laskuri laskemaan virheellisesti. Testeissä käytettiin kuvattua dataa joille laskuri laski kulkijoiden määrän, ja joita verrattiin manuaalisesti laskettuihin määriin. Näiden lukujen perusteella etsittiin virheelliset tilanteet ja niitä tarkemmin tutkimalla löydettiin algoritmin heikkoudet ja ongelmakohdat.
Recognition and separation methods can be sorted by the user’s participation. Methods that require lots of input from the user are good in complicated and noisy situations. In these situations some kind of classification about what kinds of objects is desired for or what is part of the background, is needed from the user. Methods that work automatically are useful in situations where the environment changes rarely and incidence of different objects is low. These are excellent safety and information gathering methods.
By using simple background erasing from the picture, a system for counting bypassers and their direction from video feed was created. Making use of this method the counter can separate coherent objects from the background and track them until they leave the picture, solving their walking direction.
From testing this method we determined that the method works best in simple situations where the amount of simultaneous bypassers was low. Immediately when the objects passed the camera side by side, counter started to count incorrectly. In these tests filmed material was given to the system to count the amount of bypassers and their direction. Acquired data was compared to manually prepared data. From this information the problematic situations were determined and by researching these situations the weak points of the algorithm were found.
Kokoelmat
- Avoin saatavuus [32049]