Введение
Современный мир сегодня невозможно представить без информации, которая ежедневно создается и нуждается в хранении и обработке. И если на более ранних этапах развития человечества основным способом хранения информации была передача из поколения в поколение или сохранение в текстовом виде, то теперь множество информации хранится в цифровом виде и требует компьютерной обработки. Сейчас информация, хранящаяся в цифровом виде, условно может быть поделена на несколько типов: текстовая, графическая, звуковая и видеоинформация.
Обработка любого из этих видов информации является достаточно сложной. Это связано в первую очередь с несоответствием цифровых способов хранения и обработки такой информации и способов, используемых человеческим мозгом. Так, например, набор символов, из которых состоит текст, не имеет никакого значения для компьютерной системы, в то время как для человека данный текст может нести достаточно много смыслов. Таким образом, достаточно важной задачей является семантический анализ информации компьютером, для которого информация, без дополнительных данных о способе обработки, не имеет никакого смысла.
На сегодняшний день большое количество информации, которая создается в рамках профессиональной и бытовой сфер жизни людей, представляет собой видеоинформацию и графическую информацию. Так, можно выделить огромное количество способов создания этих видов информации:
- цифровые фото- и видеокамеры, использующиеся как в работе, так и в повседневной жизни;
- спутниковые снимки поверхности планеты;
- записи камер систем видеонаблюдения;
- программно-генерируемая информация и многое другое.
С учетом огромных объемов графической и видеоинформации, генерируемых ежедневно в ходе деятельности человека, появляется необходимость наличия доступных способов автоматизированной обработки информации. Примером задач обработки графической и видеоинформации являются:
- выделение объекта и фона на изображении;
- определение границ объекта на изображении;
- выделение на изображении определенных объектов на основе заданных примитивов (распознавание образов – человека, улыбки, текста);
- определение скорости и направление движения объекта на видео;
- обработка видео (например, данные из систем видеонаблюдения) для сигнализации о каком-то событии и др.
Актуальность поиска решений вышеописанных задач обусловлена необходимостью автоматизированной обработки и анализа видеоинформации. Так, методы обработки видео могут быть внедрены в существующие системы видеонаблюдения для фильтрации информации, которая подлежит обработке человеком.
Целью данной работы является разработка системы обработки видео и графической информация, а также исследование методов обработки видео и графической информации – методов выделения изображений из видеофайлов и методов поиска границ объектов на изображении.
1 АНАЛИЗ ТРЕБОВАНИЙ К РАЗРАБАТЫВАЕМОЙ СИСТЕМЕ НА ОСНОВЕ ЗАДАНИЯ И ПОСТАНОВКА ЗАДАЧИ
1.1 Актуальность обработки видео
Видеоинформация занимает достаточно важную роль в современной жизни. C учетом того, что за счет зрения человек получает около 80-85% информации об окружающем мире, видео является наиболее привычным для человека видом информации из тех, которые могут быть записаны и воспроизведены современными компьютерными системами. Очевидно, что человек обрабатывает такую информацию наиболее легко.
Одним из возможных источников видеоинформации является работа систем видеонаблюдения. Такие системы слежения в современных условиях используются для решения следующих задач:
- слежение за складскими помещениями;
- наблюдение за состоянием дорог – определение загруженности различных маршрутов и проездов;
- слежение внутри торговых помещений с целью предотвращения хищений;
- обеспечение безопасности в местах скопления людей – вокзалах, аэропортах, станциях метро, подземных переходах, торговых центрах.
Каждая из систем, применяющихся для решения той или иной задачи, ориентирована на решение достаточно узких проблем, специфичных для самой задачи. Так, при слежении за складскими помещениями основной целью является выявление движения, которое может означать возникновение чрезвычайной ситуации. При наблюдении за состоянием транспортного потока целью является получение данных об интенсивности дорожного движения на тех или иных проездах. Такие данные могут использоваться для балансировки дорожного движения и позволяют избегать появления пробок. Также наблюдение за состоянием дорог может включать в себя задачу выявления дорожно-транспортных происшествий.
Информация, получаемая при работе систем видеонаблюдения, всецело подлежит интеллектуальной обработке. Так, при работе систем наблюдения за состоянием дорог человек, выполняющий функции обработки данных, должен совершить определенные действия:
- в случае увеличения числа транспортных средств на определенном участке дороги или возникновении дорожно-транспортного происшествия в систему оповещения водителей должна быть передана информация о нежелательности использования данного участка для передвижения;
- в случае разгрузки дороги, данный участок в системе оповещения должен быть отмечен как один из реальных вариантов проезда.
Очевидно, что такие функции человек выполняет с определенной легкостью, т.к. нет необходимости в глубоком анализе ситуации на дорогах – есть лишь состояние дороги, за которым необходимо следить и, при его изменении, доводить до системы оповещения соответствующую информацию.
Любая из сфер применения систем видеонаблюдения не предполагает высокого уровня квалификации человека-наблюдателя при наличии одного источника видеоинформации (т.е. одной камеры). Однако процесс анализа видео с камер наблюдения становится достаточно трудоемким и требует внимательности при увеличении количества камер наблюдения. Человек в таком случае должен обрабатывать несколько потоков видеоданных, что является намного более трудоемкой задачей. Если представить себе систему анализа дорожной ситуации, то при определенном количестве источников информации один человек уже не может справиться с поставленной задачей.
С учетом интенсивности движения в мегаполисах и продолжающихся процессах урбанизации, качественная информация о состоянии дорог становится все более востребованной [1]. Т.е. фактически количество источников видеоинформации становится достаточно большим и анализ таких видеоданных человеком является неэффективным.
Современные вычислительные возможности компьютерных систем позволяют сделать обработку видеоинформации более эффективной. Так, рутинная работа по выявлению целевых событий (пробка, ДТП, движение и др.) может быть поручена компьютерной системе, тогда как человеку предоставляется уже отфильтрованная информация – т.е. часть видео, на котором видно произошедшее событие.
Компьютерная обработка видео может быть использована не только в сфере анализа интенсивности движения, но и в других системах, подразумевающих возможность фильтрации видео по определенным параметрам.