Машиностроение
Приборостроение
Методическая периодика: проблемы и решения
Организация производства (промышленность)

Ключевые слова
Аннотации
Архив рубрик

регистрация
забыли пароль?

Другие журналы

электронный научно-технический журнал

ИНЖЕНЕРНЫЙ ВЕСТНИК

Издатель: Общероссийская общественная организация "Академия инженерных наук им. А.М. Прохорова".

Слежение за выделенными объектами на протяжении видеоряда

Инженерный вестник # 07, июль 2015
УДК: 004.93`12

Файл статьи:

Yablokov_V.pdf (925.88Кб)

авторы: Волосатова Т. М., Яблоков В. Е.

В статье проведен обзор классов алгоритмических методов выделения объектов на цифровом изображении, а также анализ инструментальных средств, предназначенных для решения задач компьютерного зрения. Описывается разработанный специализированный программный продукт, предназначенный для слежения за объектами определенных пользователем категорий на протяжении видеопотока в автоматическом режиме на основе алгоритма Виолы – Джонса. Рассматривается возможность интеграции различных проектов, разрабатываемых студентами кафедры РК6 МГТУ им. Н.Э. Баумана как составные части опытно-конструкторского проекта, посвященного обработке изображений, в единый программный комплекс на базе инструментальных средств, использованных при создании описываемого программного продукта. Полученные результаты могут быть использованы при разработке комплексных исследовательских и инженерных систем компьютерного зрения.

Список литературы
1.Волосатова Т.М., Чичварин Н.В., Афиногенов Е.И. Специализированное АРМ для проектирования программного обеспечения комплексов навигации и воздушной разведки // Наука и образование: электронное издание МГТУ им. Н.Э. Баумана. 2013. № 8. С. 353 – 370. Режим доступа: http://technomag.bmstu.ru/doc/585918.html (дата обращения: 07.05.2015). DOI:10.7463/0813.0585918
2.Arbelaez P., Maire M., Fowlkes C., Malik J. Contour Detection and Hierarchical Image Segmentation // IEEE TPAMI. 2011. Vol. 33(5). Pp. 898–916. DOI: 10.1109/TPAMI.2010.161
3.Brunelli R. Template Matching Techniques in Computer Vision. Theory and Practice. New York: Wiley. 2009. 348 p.
4.Lowe D.G. Object recognition from local scale-invariant features // International Conference on Computer Vision - ICCV. 1999. Vol. 2. Pp. 1150–1157. DOI: 10.1109/ICCV.1999.790410
5.Dalal N., Triggs B. Histograms of oriented gradients for human detection // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2005. Vol. 1. Pp. 886–893. DOI:10.1109/CVPR.2005.177
6.Компьютерное зрение в MATLAB для задач детектирования и слежения / Videos and Webinars. // MathWorks. Режим доступа: http://www.mathworks.com/videos/computer-vision-with-matlab-87719.html (дата обращения: 21.05.2015).
7.Viola P., Jones M.J. Rapid Object Detection using a Boosted Cascade of Simple Features // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Kaiai, Hawaii, USA. 2001. Vol. 1. Pp. 511–518.
8.Freund Y., Shapire R.E. A Short Introduction to Boosting // Journal of Japanese Society for Artificial Intelligence. 1999. Vol. 14(5). Pp. 771–780.
9.Bradski G.R., Kaehler A. Learning OpenCV. Sebastopol, California, USA: O`Reilly Media, 2008. 580 p.
10.CUDA. // OpenCV. Режим доступа: http://opencv.org/platforms/cuda.html (дата обращения: 27.04.2015).
11.Features / MATLAB. // MathWorks. Режим доступа: http://www.mathworks.com/products/matlab/features.html (дата обращения: 23.04.2015).
12.Features / Computer Vision System Toolbox. // MathWorks. Режим доступа: http://www.mathworks.com/products/computer-vision/features.html (дата обращения: 14.04.2015).
13.Munkres J. Algorithms for the Assignment and Transportation Problems // Journal of the Society for Industrial and Applied Mathematics. 1957. Vol. 5(1). Pp. 32–38.