65470

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ФРАКТАЛЬНОГО КОДУВАННЯ В ТЕЛЕКОМУНІКАЦІЙНИХ МЕРЕЖАХ ВІДЕОСПОСТЕРЕЖЕННЯ

Автореферат

Информатика, кибернетика и программирование

Не завжди вирішують завдання і методи кодування відеопотоків які використовуються в сучасних системах: в одних методах наприклад ДКП ступінь стискування виявляється недостатньою в інших наприклад фрактальних на заваді стає неприпустимо великий час кодування.

Украинкский

2014-07-30

181.5 KB

0 чел.

PAGE  1

ОДЕСЬКИЙ НАЦІОНАЛЬНИЙ ПОЛІТЕХНІЧНИЙ УНІВЕРСИТЕТ

СТАНОВСЬКИЙ Павло Олександрович

УДК 004.045:004.932

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ФРАКТАЛЬНОГО КОДУВАННЯ

В ТЕЛЕКОМУНІКАЦІЙНИХ МЕРЕЖАХ ВІДЕОСПОСТЕРЕЖЕННЯ

05.13.06 – інформаційні технології

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Одеса – 2010

Дисертацією є рукопис.

Робота виконана в Одеському національному політехнічному університеті Міністерства освіти і науки України.

Науковий керівник:                     кандидат технічних наук, доцент

Малахов Євгеній Валерійович,

Одеський національний політехнічний університет, завідувач кафедри інформаційних систем у менеджменті.

Офіційні опоненти:                    доктор технічних наук, професор

Машталір Володимир Петрович,

Харківський національний університет

радіоелектроніки, декан факультету

комп’ютерних наук;

доктор технічних наук, професор

Крилов Віктор Миколайович,

Одеський національний політехнічний університет, професор кафедри

прикладної математики та інформаційних

технологій у бізнесі.

 

Захист відбудеться 22 квітня 2010 р. о 1330 на засіданні спеціалізованої вченої ради Д 41.052.01 при Одеському національному політехнічному університеті за адресою: 65044, м. Одеса, пр. Шевченка, 1, ауд. 400-А.

З дисертацією можна ознайомитись в бібліотеці Одеського національного політехнічного університету за адресою: 65044, м. Одеса, пр. Шевченка, 1.

Автореферат розісланий 18 березня 2010 р.

Вчений секретар

спеціалізованої вченої ради

канд. техн. наук, професор                                                          Ю.С. Ямпольський

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Багато дослідників в галузі відеоспостереження працюють над науковим завданням обробки рухомих зображень, прагнучи при цьому забезпечити необхідну якість останніх. Але тріада «об’єм швидкість якість» висуває перед спеціалістами з інформаційних технологій суперечливі вимоги, з-за чого, покращуючи один з цих параметрів, вони, заради виконання відеопотоком головних завдань, часто-густо свідомо гублять інші. Завдання ускладнюється ще й тим, що під час відеоспостереження кожний з компонентів згаданої тріади може поперемінно становитися «головним», що вимагає від системи адаптивного підходу: вона повинна «розуміти», що відбувається на об’єкті, та вчасно переходити на новий інформаційний режим спостереження. Останнє вимагає від інформаційної технології відеообробки моніторингу умов, які породжують відеопотік, та автоматичної адаптації системи до їхньої зміни.

Для задовільнення цих вимог останнім часом були розроблені наукові основи та створені системи відеоспостереження, які дозволяють активно реагувати на події в межах поліканального відеозображення, розвивати мережу різноманітного за технічними характеристиками обладнання, використовувати сучасні телекомунікаційні засоби збереження та доступу до відеоінформації, передавати її на великі відстані, тощо, але, на жаль, із розвитком цих можливостей зростає і навантаження на апаратну складову системи, насамперед, на її пам'ять та канали зв’язку. Не завжди вирішують завдання і методи кодування відеопотоків, які використовуються в сучасних системах: в одних методах (наприклад, ДКП) ступінь стискування виявляється недостатньою, в інших (наприклад, фрактальних) на заваді стає неприпустимо великий час кодування.

З іншого боку, інформаційні методи розрізнення «суттєвих» та «несуттєвих» з точки зору мети спостереження фрагментів багатоканального відеопотоку розділяють останній на дві розподілені у часі та просторі каналів частини, а отже створюють умови, в яких фрактальне кодування «суттєвих» фрагментів можна здійснювати під час надходження «несуттєвих», причому, чим менше їхнє часове співвідношення, тим більше можливостей у системи зменшувати навантаження на пам'ять та канали зв’язку. Існують також великі резерви на шляху збільшення ступеня фрактального стискування відеопотоку, які випливають як з можливостей методу, так і з особливостей відеоряду спостереження.

На підставі викладеного можна стверджувати, що дослідження, спрямовані на розроблення та впровадження моделей та методів адаптивної інформаційної технології обробки рухомих зображень на основі фрактального кодування для потреб телекомунікаційних мереж відеоспостереження є вельми актуальними.

Дисертація виконувалася відповідно до технічних завдань держбюджетних науково-дослідних робіт Одеського національного політехнічного університету № 608-24 «Інформаційне моделювання складних технічних систем для потреб проектування і управління» (№ державної реєстрації 0105U002185) та  № 626-68 «Дослідження моделей предметних областей в системах управління якістю інтелектуальної продукції» (№ державної реєстрації 0106U013172).

Метою роботи є зменшення навантаження на ресурси передавання та збереження інформації в телекомунікаційних мережах відеоспостереження за рахунок розроблення та впровадження нової, адаптивної до змісту відеопотоків інформаційної технології, заснованої на їхньому фрактальному кодуванні.

Для досягнення цієї мети були поставлені та вирішені наступні задачі:

– проаналізовані завдання та сучасні досягнення в галузі методів інформаційної підтримки процесів відеоспостереження;

– запропоновані методи інформаційної технології ідентифікації суттєвих змін у відеопотоках та доведені можливості використання цієї інформації для ефективної структурної адаптації системи до змісту відеопотоків;

– розроблено інформаційну технологію структурної адаптації телекомунікаційних мереж відеоспостереження до подій на об’єкті;

– розроблено інформаційну технологію фрактального кодування різницевих кадрів відеопотоків із використанням додаткового кадру;

для мереж багатоканального відеоспостереження розроблено систему інформаційної підтримки «FRAST»;

– здійснене практичне випробування результатів дослідження в телекомунікаційних мережах відеоспостереження із позитивним техніко-економічним ефектом;

– практично доведені позитивні техніко-економічні та соціальні переваги використання розробленої системи в телекомунікаційних мережах інших галузей (зокрема, медицини), а також в розв’язанні завдань медичної діагностики.

Об'єктом дослідження є процеси інформаційної обробки відеопотоків в телекомунікаційних мережах відеоспостереження.

Предметом дослідження є багатоканальна адаптивна система відеоспостереження на основі фрактального методу кодування відеопотоків.

Методи дослідження. При кодуванні відеопотоків використовували методи теорії фракталів. При інформаційній обробці кадрів відеопотоку використовували статистичні методи та алгоритми, засновані на параболічному перетворенні розповсюджених у 3D-пространстві-часі дискретних об’єктів.

Для підтвердження висунутих наукових положень застосовували комп’ютерний експеримент (програмне забезпечення: Windows XP SP3,  Registered to: Pavel Stanovsky, Lohika, номер ліцензійної угоди: 76487-OEM-0061491-55112).

Наукова новизна отриманих результатів полягає в розвитку і поглибленні теорії та методології інформаційного перетворення та фрактального кодування рухомих зображень:

вперше виділено клас «повільних» відеопотоків, до складу якого включені рухомі зображення, що в певних умовах використання надають потрібні часові можливості для заданої інформаційної обробки в рамках обмежень на втрати споживчих характеристик;

– отримала подальший розвиток цифрова двовимірна модель зображення, який полягає у додатковому врахуванні третього виміру – часової складової шляхом інформаційного параболічного перетворення двох бінарізованих кадрів відеопотоку, результатом якого є контури окремих елементів останнього;

– вперше запропоновано інформаційний метод структурної адаптації системи до об’єкта спостереження, який базується на порівнянні показника суттєвості зміни змісту відеопотоку – метрики у просторі результатів інформаційного параболічного перетворення – із спектром, отриманим під час навчання системи;

– отримав подальший розвиток метод фрактального кодування різницевих кадрів рухомих зображень з використанням додаткового кадру, який відрізняється тим, що додатковий кадр містить нерухому ділянку, яка має домінуючий на різницевому кадрі колір (найчастіше, чорний) та яку не треба шукати під час кодування, що суттєво зменшує тривалість кодування.

Практичне значення отриманих результатів. Розроблено інформаційні технології параболічного перетворення кадрів відеопотоків та фрактального кодування різницевих кадрів відеопотоків. Випробування мережі багатоканального відеоспостереження, оснащеної системою інформаційної підтримки «FRAST» в Одеському науково-дослідному інституті телевізійної техніки дозволило за рахунок структурної адаптації системи відеоспостереження до змісту відеопотоків у мережі та застосування методу фрактального стискування різницевих кадрів із додатковим зображенням, яке містить «чорну» ділянку, знизити навантаження на апарати збереження інформації у 5 – 7 разів із збереженням необхідної якості відеопотоків та із повною фіксацією в інформаційних сховищах відомостей про появу в полі зору відеокамер сторонніх об’єктів.

Випробування адаптивної системи фрактального стискування відеоінформації, яка надходить від відеокамер спостереження за приміщеннями ТОВ «АКВАФРОСТ», показали, що використання зазначеної системи дозволило в 3,72 рази знизити навантаження на пристрої пам’яті системи спостереження. У відділенні загальної хірургії Одеської обласної клінічної лікарні застосування автоматизованої системи передавання та збереження відеоінформації, яка використовується в практиці відеоендоскопічних  операцій  та заснована на фрактальному методі компресії-декомпресії медичних зображень, дозволило збільшити коефіцієнт стискування до 50 – 60 при збереженні прийнятних швидкості та якості та створити умови для залучення віддалених консультантів. В Пологовому будинку № 2 м. Одеси застосування системи інформаційної підтримки процесу діагностики дозволило на 18,0 % підвищити достовірність та в 2,5 разів швидкість діагностування.

Запропоновані методи, а також алгоритми і програми, розроблені для їхньої реалізації, впроваджені в навчальний процес в ОНПУ та використовуються в дисциплінах, які вивчають методи інформаційної обробки рухомих та нерухомих зображень, а також у курсовому та дипломному проектуванні.

Особистий внесок здобувача полягає в розробці: методу фрактального кодування рухомих зображень від об’єктів відеоспостереження з використанням додаткового кадру [1, 2, 4, 10 – 12, 18]; методу порівняння відеопотоків на рівні результатів фрактального кодування різницевих кадрів [5, 6, 15 – 17, 20, 21, 23 – 26], методу інформаційної обробки рухомих зображень систем відеоспостереження із залученням моделей та методів параболічного перетворення [22, 24], методу організації розподілених інформаційних медіасистем [13, 14, 19]; інформаційних технологій діагностики [3, 9] та управління персоналом [7, 8]. Здобувач брав участь у практичних випробуваннях розроблених моделей і методів та в оцінці техніко-економічних результатів використання розроблених інформаційних технологій.

Апробація результатів роботи.  Матеріали роботи доповідалися та обговорювалися на 12-й, 14-й, 15-й і 16-й Міжнародних конференціях по управлінню «Автоматика-2005» (Харків, 2005), «Автоматика-2007» (Севастополь, 2007), «Автоматика-2008» (Одеса, 2008) і «Автоматика-2009» (Чернівці, 2009), ХІІ – ХVІІ семінарах «Моделювання в прикладних наукових дослідженнях» (Одеса, 2005 – 2009), Науково-виробничих конференціях «Сучасні інформаційні та електронні технології (СІЕТ-2008 та СІЕТ-2009)» (Одеса, 2008, 2009), 41-й науковій конференції молодих дослідників ОНПУ – магістрантів «Сучасні інформаційні технології і телекомунікаційні мережі» (Одеса, 2006), Міжнародних науково-технічних конференціях «Автоматизація: проблеми, ідеї, розв'язки» (Севастополь, 2006, 2009), Першій Всеукраїнській науково-практичній конференції «Перспективи розвитку озброєння і військової техніки в Збройних силах України» (Львів, 2008), Першій Всеукраїнській молодіжній науково-практичній конференції ВНЗ «Сучасні тенденції розвитку інформаційних технологій в освіті» (Херсон, 2009), а також на розширеному засіданні наукового семінару кафедри «Комп'ютерні системи і мережі» ОНПУ (Одеса, 2009).

Публікації. Результати дисертації викладені в 26 публікаціях, у тому числі – в 6 статтях в журналах з переліку спеціальних видань ВАК України, а також в 20 матеріалах конференцій і семінарів.

Структура дисертації. Дисертація складається із вступу, чотирьох розділів, висновків та додатків. Об’єм дисертації – 186 стор., додатків – 25 стор. Дисертація містить 67 рисунків, 11 таблиць та посилання до 188 літературних джерел.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступi наведена загальна характеристика роботи, яка підкреслює її актуальність, відповідність державним науковим програмам, вимогам ВАК України, наукову новизну та практичне значення; визначено об’єкт та предмет дослідження, сформульована його мета та задачі.

В першому розділі встановлено, що головним завданням інформаційної підтримки систем відеоспостереження є зниження навантаження на канали зв’язку та сховища даних. Для цього є два шляхи: адаптація системи до подій на об’єкті та максимальне стискування потоків. Головними характеристиками процесу стискування відеопотоків є їхня якість, а також коефіцієнт та обчислювальна складність кодування. Ці показники не можуть бути одночасно поліпшені, але спостереження оперує потоками, які, завдяки їх відносній повільності, дозволяють використовувати ефективні методи кодування, зокрема, фрактальні.

В другому розділі представлено інформаційну технологію адаптації методів фрактального кодування відеопотоків до телекомунікаційних мереж відеоспостереження.

Зниження вимог до швидкості інформаційної обробки відеопотоків. Якщо в системах спостереження використовується «швидкий» неперервний відеопотік, то його практично неможливо стискувати фрактальними методами – не вистачає часу на on-line кодування, а отже й неможливо користуватися його перевагами і, в першу чергу, – великим коефіцієнтом стискування.

Визначення 1. До «повільних» відеопотоків віднесемо відеопотоки з on-line кодуванням-декодуванням окремих кадрів, в яких досягнення потрібного співвідношення між швидкістю обробки та часом споживання відбувається природно без будь-яких заходів та втрат за рахунок, наприклад, відносно малої частоти кадрів відеопотоку.

Визначення 2. До «псевдоповільних» відеопотоків віднесемо такі, у яких кодування-декодування кожного кадру може відбуватися без часової прив’язки до on-line процесів у відеопотоці, тобто відбуватися паралельно, пізніше або не відбуватися взагалі.

Наслідок 1. Термін «повільний» має відношення лише до споживчих властивостей відеоряду і не пов’язаний безпосередньо з чисельними значеннями його характеристик. Іншими словами один і той же відеопотік в одних умовах може бути визнаний «повільним», а в інших «швидким».

Звісно, краще було б мати «повільні» потоки, коли часова відстань між кадрами дозволяє виконати фрактальне кодування. На допомогу приходить те, що умови запису потоків спостереження роблять «швидкі» потоки (з частотою, наприклад, 25 к/с) «псевдоповільними». Ця можливість з’являється за рахунок розпаралелювання процесів кодування та запису, яке базується на перериванні запису відеопотоків на час, коли зміни в них визнаються несуттєвими.

Для практичної реалізації такого підходу телекомунікаційна мережа відеоспостереження оздоблюється підсистемою адаптації, роль якої полягає в структурній оптимізації процесу отримання, переробки та збереження відеоінформації, яка надходить від мережевих джерел. Структурна адаптація полягає в тому, що вибір методу стискування пов'язаний із швидкістю зміни зображень у відеопотоці, а у кожний момент на збереження відеоінформації працюють тільки ті джерела останньої, які генерують потоки із суттєвими змінами. Новизна полягає у визначенні та розробці методу використання поняття суттєвості змін.

Визначення 3. Суттєві зміни у відеопотоці – це такі зміни, які не мають метрично досяжних аналогів в базі даних системи відеоспостереження.

Таким чином, інформаційна підтримка системи відеоспостереження повинна навчатися для роботи з конкретним об’єктом, тобто мати можливість накопичувати деяку інформацію про події на об’єкті, які вважаються несуттєвими та порівнювати кожну нову зміну із цією інформацією з метою виявлення «чужих» об’єктів. Ці операції бажано здійснювати швидко, без складного інтелектуального аналізу відеопотоків та їхніх окремих кадрів. Для цього пропонується метод їх інформаційної обробки, який враховує зміну зображення в тривимірному просторі-часі та складається з наступних етапів.

Вибір двох кадрів для інформаційного перетворення. Вибір двох кадрів починається із завдання Користувачем початкової довжини LЕпоч (виміряної у кількості кадрів; LЕпоч ≥ 2) елементарного інтервалу відеопотоку (ЕІВ), в рамках якого здійснюється оцінювання суттєвості змін в останньому. Довжина інтервалу LЕпоч та частота кадрів fк визначають інтервал часу між послідовними визначеннями суттєвості змін відеопотоку:

τс = LЕпоч/fк.                                                       (1)

Адаптація до швидкості зміни зображення полягала у зміні довжини ЕІВ:

,                                           (2)

де v1, v2 – швидкості зміни зображення між кадрами поточного та попереднього ЕІВ, відповідно, які обчислювали за формулою:

; 0 ≤ v ≤ 255,                (3)

Δτ – проміжок часу між відібраними кадрами ЕІВ; Δzij – зміна яскравостей відповідних пікселів за час Δτ.

Далі в межах ЕІВ здійснюється вибір двох, не обов’язково послідовних кадрів для подальшої інформаційної обробки. В роботі приймали LЕпоч = 50, в межах LЕ обирали перший та другий (для параболічного перетворення) або перший та п’ятий кадри.

Параболічне перетворення (ПП) кадрів відеопотоку. Розглянемо параболічне рівняння наступного вигляду:

,                                     (4)

де х, у і τ – просторово-часові координати ij-го пікселя окремого кадру відеопотоку яскравістю zx,y. У виразі (4) Dij – деякий коефіцієнт, що має конкретне значення для кожного конкретного пікселя. Оскільки х, у, τ і z – дискретні змінні, представимо яскравості zx,y у вигляді дискретної функції zi,j,k, де i = 0, 1, 2, ... , n із кроком в 1 піксель; j = 0, 1, 2, ... , m із кроком в 1 піксель; k = 0, 1, 2, ... , K із кроком в 1 кадр. Вносячи відповідні зміни до параболічного рівняння (4) та розв’язуючи його відносно Dij, отримуємо:

.                      (5)

Примітка. Якщо в просторово-часових околицях пікселя zi,j,k яскравості відповідних пікселів не відрізняються від нього за величиною, то вираз (5) стає невизначеним (0/0). У цьому випадку при перетворенні вважали Di,j тотожно рівним нулю.

Коефіцієнтів Di,j у зображенні стільки, скільки в ньому пікселів. Пронормувавши їх від 0 до 255, одержимо результат параболічного перетворення початкового двокадрового фрагмента відеопотоку.

Твердження. На границях рухомих ділянок зображення з постійною на кожній ділянці, але різною між ділянками яскравістю, ПП створює білу лінію завтовшки в 1 піксель на загальному чорному тлі отриманого кадру.

Доказ. Розглянемо чорно-білий відеопотік, яке представляє собою «білий» квадрат яскравістю z = zmах = 255 на загальному «чорному» квадратному полі 160 × 160 пікселів яскравістю z = zmin = 0 (рис. 1), який збільшує свій розмір на один піксель у кожний бік за інтервал між кадрами Δk.

Рис. 1. Один з двох кадрів відеопотоку.

Перший кадр на рис. 1 та його «наступник» у часі дають можливість обчислити різницю  у виразі (5). Перетворення початкового зображення за координатою х дає можливість обчислити  та  для виразу (5), а перетворення за координатою у – та  для виразу (5). Встановимо, як змінюється яскравість цього пікселя та його «сусідів» у просторі після параболічного перетворення (рис. 2).

а)     б)

Рис. 2. Пікселі біля лівої (за рисунком) границі білого квадрата на фоні чорного тла:

а – кадр k; б – кадр k + 1.

Для цього визначимо яскравості відповідних пікселів до перетворення та розрахуємо за (5) для цих даних величину Di,j для пікселя  на рис. 2:

                                  (6)

Таким чином, яскравість zi,j,k після ПП змінюється з чорної на білу. Далі оцінимо зміни, які відбуваються із зовнішнім шаром пікселів білого квадрату, тобто із пікселем (i + 1), j, (k+1) на рис. 2. Розрахуємо за (3) для цих даних величину Di,j для пікселя  на рис. 2:

                             (7)

Отже, яскравість (i + 1), j, (k+1) пікселя після ПП змінюється з 255 на 0.

Коли той або інший піксель не змінює від кадру до кадру своє значення, його яскравість після ПП буде дорівнювати 0. Це безпосередньо випливає з чисельника виразу (5). Значення Di,j для кожного пікселя після ПП не залежить від абсолютних значень zi,jдо і zi,jпісля, а тільки від їхнього бінарного співвідношення:

                              (8)

Таким чином, результатом ПП зображень за (5) є білий контур на чорному тлі (рис. 3).  Оскільки  в чисельнику (5) стоїть  часовий  градієнт  яскравості, усі

Рис. 3. Результат параболічного перетворення рухомої білої плями на чорному тлі.

нерухомі пікселі залишаться нульовими, а спроба застосувати ПП до будь-яких однакових зображень (кадрів відеопотоку) призведе до одержання «чорного» квадрата. В результаті можна вважати перетворення (5) засобом для виділення контурів тільки в рухомій частині відеопотоку. При виконанні ПП розрахунок різницевого кадру не здійснюється. Таким чином, ПП дозволяє замінити одночасно обчислення різницевого кадру, та виділення контурів. При виконанні ПП неперервні контури отримуються тільки у випадку переміщення контрастного об’єкта. Якщо предметів багато та вони хаотично рухаються, ПП створює хао-

тично розташовані білі плями різного розміру та форми (рис. 4).

Рис. 4. Кадр відеопотоку (а), він же після бінарізації (б) та результат параболічного перетворення відеопотоку (в).

Використання параболічного перетворення для виявлення суттєвих змін у відеопотоці та адаптації мереж відеоспостереження до подій на об’єкті не вимагає від його результатів отримання будь-якої неперервної границі окремих ділянок і є малочутливим до появи хибних малорозмірних об’єктів. Наявність результату параболічного перетворення (РПП) надає можливість виконати його чисельну оцінку, яку в подальшому можна використовувати для розрахунку показника суттєвості. В роботі його обчислювали за виразом:

,                                         (9)

де    Р – потужність РПП – відношення кількості «білих» (z = 255) пікселів до їхньої загальної кількості; дисперсія розміру «білих» плям на РПП:

;    ,                   (10)

Sпi – площа i-ї плями; 0 ≤ in.

Рухоме зображення з кожної відеокамери розглядається як окремий зоровий образ об’єкта спостереження, що може знаходитися у двох станах (рис. 5): несуттєві зміни; суттєві зміни. Для визначення конкретного стану використовується показник М, а належність до одного зі станів є підставою для включення потоку від конкретної відеокамери до переліку працюючих на запис (рис. 6). Точка А відповідає переходу «пауза – несуттєві зміни» (показник починає збільшуватися), точка В переходу «несуттєві зміни – суттєві зміни» (показник досягає критичного значення), надалі, в точках С та D все відбувається навпаки.

Рис. 5. Фази стану об’єкта спостереження.   Рис. 6. Фази роботи системи відеоспостереження.

Відповідно, фази роботи системи передбачають або паузу, або запис відеопотоку із суттєвими змінами в реальному часі, стискування записаного з використанням часу майбутніх пауз та видалення нестиснутих записів (рис. 6).

Інформаційна технологія структурної адаптації телекомунікаційних мереж відеоспостереження до подій на об’єкті виглядає при цьому так (рис. 7).

Рис. 7. Інформаційна технологія адаптації телекомунікаційних мереж відеоспостереження

до подій на об’єкті.

Технологія має дві фази діяльності: навчання та робота. Під час навчання рішення про суттєвість змін у фрагменті відеопотоку приймає експерт (група експертів). Якщо така зміна визнана експертами несуттєвою, дані про поточний ЕІВ (Р, σ2) заносяться до відповідного сховища, де накопичуються у вигляді спектру вздовж координати М та використовуються під час роботи.

Ефективність такого підходу було підтверджено в наступному комп’ютерному експерименті. В якості базового відеопотоку в ньому використовується рухоме тло у вигляді листя рослин, яке коливається під дією вітру (рис. 8).  Завдяки тому, що таке коливання не призводить до суттєвих змін в відеопотоці, система відеоспостереження таку зміну не фіксує.

Рис. 8. Рухоме тло у вигляді листя дерев, яке коливається: а – 1 кадр ЕІВ;

б – 2 кадр ЕІВ;

в – результат параболічного перетворення.

На підставі вивчення інформації про значення показника суттєвості при спостереженні рухомого фону встановлено полосу 0 ≤ М ≤ 0,02, потрапляння до якої під час роботи системи не визнається суттєвою зміною (1, рис. 9).

Рис. 9.  Спектр значень метрики,  який відповідає несуттєвим змінам.

На наступному етапі навчання на початковому тлі з’являються рухомі предмети (рис. 10). Це призводить до збільшення значень метрики до 0,086. Але експерти не визнають такі зміни суттєвими, що призводить до появи на спектрі «несуттєвих» метрик ще однієї смуги в межах 0,091 ≤ М ≤ 0,096 (2, рис. 9). Тепер, якщо під час роботи системи у режимі спостереження з’являється новий предмет (рис. 11), який призводить  до зрушення значення порогу за межі існуючих смуг спектру «несуттєвості» (3, рис. 9), інформаційна підтримка реагує появою на виході відповідного сигналу.

Рис. 10. Рухоме тло, на якому рухаються предмети різної конфігурації, які визнані «своїми»:

а – 1 кадр ЕІВ; б – 2 кадр ЕІВ, в – кадри після параболічного перетворення.

Рис. 11. Рухоме тло, на якому рухаються предмети різної конфігурації, серед яких є «чужі»:

а – 1 кадр ЕІВ; б – 2 кадр ЕІВ; в – кадри після параболічного перетворення.

У третьому розділі представлено нову інформаційну технологію фрактального кодування та побудовану на її основі систему інформаційної підтримки «FRAST» для мереж багатоканального відеоспостереження.

Фрактальне стискування за допомогою додаткових кадрів. Базовий метод додаткового кадру полягає в тому, що спільному кодуванню як єдине зображення піддаються два «напівзображення» з єдиною наскрізною нумерацією пікселей. В якості першого напівзображення використовується кадр відеопотоку або результат попередньої обробки останнього. В якості другого напівзображення використовується будь-який кадр, заздалегідь відомий як у кодувальника, так і у декодувальника. У цьому методі друге напівзображення є джерелом доменних блоків для першого.

Новий метод додаткового кадру розроблено для використання при фрактальному кодуванні різницевих кадрів в рамках технології MPEG-4. Якщо потік визнавався «повільним» для фрактального кодування, відбувалося «перемикання» зі стискування за допомогою ДКП на фрактальне стискування. До того ж, різницеві кадри потоків відеоспостереження, а також деяких інших, наприклад, медичних застосувань завжди «майже чорні», оскільки згадані потоки не містять стрибкоподібних переходів між окремими «сценами». Якщо на основному напівзображенні є часто повторювані (домінуючі) рангові блоки, то додатковий кадр може бути підібраний таким чином, що для цих рангових блоків основного напівзображення доменні блоки на додатковому напівзображенні взагалі шукати буде непотрібно. Це може бути, наприклад, ділянка будь-якого кольору та яскравості, або будь-якого візерунку, що повторюється на кадрі, який підлягає стискуванню. При стискуванні різницевого кадру, який має чорне тло, то додатковий кадр повинен містити чорну ділянку відповідного розміру.

Завдання такого пошуку можна гранично спростити, якщо мати не просто «майже нульовий» доменний блок, а ще й нерухомий від кадру до кадру доменний блок. Тоді відпадає потреба передавати при кодуванні кожного рангового блоку координати такого доменного.

Рис. 12. Додаткове зображення Feddja, яке містить чорну ділянку.

В роботі доменні блоки шукали на додатковому зображенні Feddja (рис. 12), яке, завдяки своїй фотореалістичності, містить, окрім чорного, необхідні для кодування різницевого кадру доменні блоки. Його перевагою є те, що чорна ділянка на додатковому зображенні завжди має постійне розташування, її верхній лівий (за рисунком) кут завжди має координату (0; 0). Таким чином, основні часові витрати торкаються тільки кодування ненульових рангових  блоків  різницевої  частини,  кількість яких, у порівнянні з нульовими  ранговими блоками тієї ж частини та

всіх рангових блоків додаткової частини (закодованих для потоку заздалегідь), незрівнянно мала, що дає значний (до 100 разів) виграш у часі кодування.

Результат фрактального кодування (РФК) виглядає як послідовність пронумерованих від 1 до Rб (кількості рангових блоків) рядків, які містять, окрім номера, 4 числа кожний. Так, наприклад, для кадру розміром 160 × 160 пікселів та рангового блоку розміром 10 × 10 пікселів маємо 256 рядків у РФК. Стискування різницевих кадрів із додатковим кадром Feddja призводить до збільшення загальної площі зображення до 160 × 320 пікселів, але кількість рядків, що підлягають збереженню, не збільшується, оскільки доменні блоки до напівкадру Feddja підібрані заздалегідь і є в наявності у приймача, а серед 256 рядків РФК головного напівкадру є велика кількість «нульових», які можна взагалі не зберігати. Комп’ютерний експеримент показав такі результати застосування додаткового кадру з Feddja (рис. 13 – 15).

Рис. 13. Вплив розміру рангового блоку Rранг на якість зображення після відновлення

Рис. 14. Вплив розміру рангового блоку Rранг на коефіцієнт стискування*

*) 1 –  фрактальне кодування;

2 – фрактальне кодування із кадром Feddja.

Рис. 15. Вплив розміру рангового блоку Rранг на час фрактального кодування* 

*) 1 –  фрактальне кодування;

2 – фрактальне кодування із кадром Feddja.

Ідентифікація відеопотоків по РФК. Розроблена інформаційна технологія надає можливості ідентифікації відеопотоків шляхом порівняння результатів їхнього фрактального стискування. Для цього розраховували метрики між координатами точок в К-мірному просторі РФК

Значущість та репрезентативність такої метрики підтверджується результатами комп'ютерного моделювання, які показують, що при зсуві контрастного елемента зображення метрика між результатами фрактального кодування послідовних зображень (рис. 16) росте пропорційно величині зсуву Δ. Аналогічно, при зміні розміру контра-

стного елемента метрика (рис. 17)  також демонструє функціональну залежність між цими параметрами. Порівняння РФК тестового відеопотоку із РФК десяти базових дало змогу виявити клас, до якого відноситься тестовий потік.

Рис. 16. Залежність 1012-мірної метрики від відносного зсуву зображення на Δ, пікс.

Рис. 17. Залежність 1012-мірної метрики від розміру контрастного елемента, пікс.

Система інформаційної підтримки «FRAST» для мереж багатоканального відеоспостереження. Для практичної реалізації результатів, отриманих в дисертації, було створено мережу багатоканального відеоспостереження, оснащену системою інформаційної підтримки «FRAST» (рис. 18).

Рис. 18. Схема системи інформаційної підтримки «FRAST»

для мереж багатоканального відеоспостереження.

В процесі роботи мереж відеоспостереження із «FRAST» реалізується головна мета дослідження – зменшення навантаження на ресурси передавання та збереження інформації в телекомунікаційних мережах відеоспостереження за рахунок розроблення та впровадження нової, адаптивної до змісту відеопотоків інформаційної технології їхнього фрактального кодування.

Ця мета досягається за рахунок використання розробленої інформаційної технології адаптації методів фрактального кодування відеопотоків до телекомунікаційних мереж відеоспостереження та заміни в методі MPEG-4 ДКП на фрактальне кодування різницевих кадрів відеопотоків.

В четвертому розділі наведені приклади практичного випробування результатів дослідження, зокрема системи інформаційної підтримки «FRAST» для мереж багатоканального відеоспостереження, в Одеському НДІ телевізійної техніки та ТОВ «АКВАФРОСТ».

Інформаційні методи та моделі, розроблені в роботі, при випробуваннях у відділенні хірургії Одеської обласної клінічної лікарні та в Пологовому будинку № 2 м. Одеси показали позитивний технічний ефект у суміжних галузях.

ВИСНОВКИ

В дисертаційній роботі отримані теоретичні, методологічні та науково-практичні результати в галузі інформаційного аналізу в системах, що застосовують відеоінформацію, які в сукупності розв’язують важливе науково-при-кладне завдання інформаційного забезпечення технологічних процесів передачі та збереження потоків в телекомунікаційних мережах відеоспостереження.

В дисертації одержані такі основні теоретичні та прикладні результати.

  1.  Аналізом літературних джерел встановлено, що головним завданням інформаційної підтримки телекомунікаційних мереж відеоспостереження є необхідність суттєвого зниження навантаження на канали зв’язку та сховища даних. Для цього є, принаймні, два шляхи. По-перше, інформаційні технології повинні в реальному часі відстежувати події на об’єкті шляхом аналізу відеопотоків і підтримувати прийняття рішень про те, які з фрагментів відеопотоків дійсно треба зберігати. По-друге, ті фрагменти, які відібрані для збереження, необхідно максимально стискувати, не втрачаючи їхніх споживчих характеристик.
  2.  В окремий клас «повільних» та «псевдоповільних» виділені відеопотоки  з on-line кодуванням-декодуванням окремих кадрів, в яких досягнення потрібного співвідношення між швидкістю обробки та часом споживання відбувається природно без будь-яких заходів та втрат за рахунок, наприклад, відносно малої частоти кадрів відеопотоку, а також такі, у яких кодування-декодування кожного кадру може відбуватися без часової прив’язки до on-line процесів у відеопотоці, тобто відбуватися паралельно, пізніше або не відбуватися взагалі.
  3.  Запропоновано параболічне перетворення повільних відеопотоків, яке одночасно враховує зміну зображення в просторі та часі і полягає в попіксельній обробці двох кадрів потоку відповідно до параболічного закону розподілу фазової змінної, та доведене Твердження про те, що на границях рухомих ділянок зображення з постійною на кожній ділянці, але різною між ділянками яскравістю, в результаті параболічного перетворення створюється біла лінія завтовшки в один піксель на загальному чорному тлі отриманого кадру.
  4.  Запропоновано показник суттєвості зміни відеопотоку, який представляє собою метрику між характеристиками двох кадрів елементарного інтервалу потоку після параболічного перетворення. Комп’ютерним експериментом для конкретної сцени відеоспостереження побудований спектр значень такого показника, які за експертною оцінкою відповідають несуттєвим змінам потоку.
  5.  Запропоновано метод фрактального кодування різницевих кадрів відеопотоків, в якому пошук доменних блоків здійснюється на іншому, додатковому зображенні (кадрі), яке завдяки своїй фотореалістичності містить необхідні для кодування різницевого кадру доменні блоки. В роботі в якості такого кадру використовували зображення Feddja, яке додатково містить постійно розташовану чорну ділянку. Комп’ютерним експериментом встановлено, що фрактальне кодування із додатковим кадром Feddja дозволяє, за рахунок того, що для «чорних» рангових блоків шукати відповідні доменні вже непотрібно, суттєво зменшити загальний час фрактального стискування різницевих кадрів відеопотоку та збільшити його ступінь при забезпеченні необхідної якості зображення.
  6.  Порівнянням тестового відеопотоку із базовими показано, що фрактальне кодування різницевих кадрів відеопотоків дозволяє отримати чисельні характеристики, які можна використовувати для їхньої ідентифікації.
  7.  Випробування системи інформаційної підтримки «FRAST» для мереж багатоканального відеоспостереження в Одеському НДІ телевізійної техніки дозволило за рахунок програмної адаптації до змісту відеопотоків у мережі та застосування методу фрактального стискування із додатковим зображенням, яке містить «чорну» ділянку, знизити навантаження на апарати збереження інформації у 5 – 7 разів із збереженням необхідної якості відеопотоків та із повною фіксацією в інформаційних сховищах сторонніх об’єктів.
  8.  Випробування адаптивної системи фрактального стискування відеоінформації, яка надходить від відеокамер спостереження за приміщеннями ТОВ «АКВАФРОСТ», показали, що використання зазначеної системи дозволило в 3,72 рази знизити навантаження на пристрої пам’яті системи спостереження.
  9.  У відділенні загальної хірургії Одеської обласної клінічної лікарні застосування автоматизованої системи передавання та збереження відеоінформації дозволило збільшити коефіцієнт фрактального стискування відеопотоків до 50 – 60 при збереженні прийнятних швидкості та якості та створити умови для залучення до медичного втручання віддалених консультантів. В Пологовому будинку № 2 м. Одеси застосування системи інформаційної підтримки процесу діагностики дозволило на  18,0 % підвищити достовірність та в 2,5 разів швидкість діагностування.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

  1.  Абу Айаш Т.А. Новый метод фрактального сжатия подвижных изображений [текст] / Абу Айаш Т.А., Востров Г.Н., Становский П.А. – Труды ОНПУ. – 2005. – Спецвыпуск. – С. 98 – 101.
  2.  Востров Г.М. До питання про фрактальне кодування відеопотоків [текст] / Востров Г.М., Абу Айаш Т.А., Становський П.О. – Наукові нотатки. Міжвузівський збірник. – Луцьк. – 2005. – Вип. 17. – С. 41 – 48.
  3.  Тонконогий В.М. Видеообработка изображений в системе автоматического измерения дефектности износостойких покрытий на режущем инструменте [текст] / Тонконогий В.М., Становский П.А. – Труды ОПУ. – 2005. – Вып. 1(23). – С. 112 – 115.
  4.  Становський П.О. Розробка методу фрактального кодування-декодування відеопотоків [текст] / Становський П.О., Малахов Є.В., Арсірій О.О. – Труды ОПУ. – 2007. – Вып. 2(28). – С. 113 – 116.
  5.  Малахов Е.В. Кодирование информации для поиска видеопотоков в хранилищах данных [текст] / Малахов Е.В., Становский П.А. – Труды ОПУ. – 2008. – Вып. 2(30). – С. 156 – 159.
  6.  Становский П.А. Кодирование и поиск подвижных и неподвижных изображений в хранилищах данных [текст]. – Електромашинобудування та електрообладнання. Тематичний випуск «Компютерні системи та мережі». – Київ: Техніка, 2009. – Вип. 72. – С. 231 – 234.
  7.  Востров Г.Н. Управление персоналом с помощью системы видео конференции SVIT [текст] / Востров Г.Н., Малахов Е.В., Становский П.А. // Матеріали 12-ї міжнародної конференції з автоматичного управління «Автоматика-2005». – Харків: НТУ «ХПІ», 30 травня – 3 червня 2005. – Т. 3. – С. 28.
  8.  Востров Г.Н. Управление персоналом распределенных корпораций [текст] / Востров Г.Н., Малахов Е.В., Становский П.А. // Материалы ХІІ семинара «Моделирование в прикладных научных исследованиях». – Одесса:      ОНПУ, 2005. – С. 17 – 18. 
  9.  Тонконогий В.М. Автоматизация измерения дефектности износостойких покрытий [текст] / Тонконогий В.М., Становский П.А. // Материалы ХІІ семинара «Моделирование в прикладных научных исследованиях». – Одесса: ОНПУ, 2005. – С. 21 – 22. 
  10.   Востров Г.Н. Метод фрактального кодирования видеопотоков [текст] / Востров Г.Н., Абу Айаш Т.А., Становский П.А. // Материалы ХІІІ семинара «Моделирование в прикладных научных исследованиях». – Одесса: ОНПУ, 2006. – С. 49 – 51. 
  11.   Становський П.О. Метод фрактального кодування відеопотоків [текст] // Труди 41-ї наукової конференції молодих дослідників ОПУ-магістрантів «Сучасні інформаційні технології та телекомунікаційні мережі». – Одеса: ОНПУ, 2006. – С. 55.
  12.  Востров Г.Н. Метод фрактального кодирования видеопотоков [текст] / Востров Г.Н., Становский П.А. // Материалы международной научно-технической конференции «Автоматизация: проблемы, идеи, решения». – Севастополь: СНТУ, 12 – 17 сентября 2006. – С. 96 – 97. 
  13.  Малахов Е.В. Проблемы организации распределенной базы данных медиаинформации [текст] / Малахов Е.В., Арсирий Е.А., Становский П.А. // Материалы ХІV семинара «Моделирование в прикладных научных исследованиях». – Одесса: ОНПУ, 2007. – С. 58 – 59. 
  14.  Малахов Е.В. Технология управления распределенной видеоинформацией [текст] / Малахов Е.В., Арсирий Е.А., Становский П.А. // Материалы 14-й Международной конференции по автоматическому управлению «Автоматика – 2007». – Севастополь: СНУЯЭП, 10 – 14 сентября 2007 г. – Ч. 2. – С. 151153.
  15.  Малахов Є.В. Інтернет-технологія пошуку відеопотоків на основі фрактального метода їх кодування [текст] / Малахов Є.В., Становський П.О. // Материалы ХV семинара «Моделирование в прикладных научных исследованиях». – Одесса: ОНПУ, 2008. – С. 3 – 4. 
  16.  Малахов Є.В. Пошук відеопотоків в Internet на основі фрактального метода їх кодування [текст] / Малахов Є.В., Становський П.О. // Матеріали Першої Всеукраїнської науково-практичної конференції «Перспективи розвитку озброєння і військової техніки в Збройних силах України». – Львів: НУ «ЛП», ЛІСВ, 04 – 05 березня 2008. – С. 241.
  17.  Малахов Е.В. Кодирование видеопотоков для организации поиска видеоматериалов в Internet [текст] / Малахов Е.В., Становский П.А. // Материалы девятой международной научно-практической конференции «Современные информационные и электронные технологии». – Одесса: ОНПУ, 19 – 23 мая 2008. – С. 125.
  18.  Малахов Є.В. Фрактальний метод кодування відеопотоків для Інтернет-технологій [текст] / Малахов Є.В., Становський П.О. // Материалы 15-й Международной конференции по автоматическому управлению «Автоматика – 2008». – Одесса: ОНМА, 23 – 26 сентября 2008 г. – Т. 2. – С. 855857.
  19.  Малахов Е.В. Обмен видеопотоками между элементами множества предметных областей хранилищ данных [текст] / Малахов Е.В., Становский П.А. // Материалы ХVІ семинара «Моделирование в прикладных научных исследованиях». – Одесса: ОНПУ, 10 – 12 июня 2008. – С. 39 – 42. 
  20.  Малахов Е.В. Общая схема хранения и извлечения видеопотоков из хранилищ данных в Интернет [текст] / Малахов Е.В., Становский П.А. // Материалы ХVІІ семинара «Моделирование в прикладных научных исследованиях». – Одесса: ОНПУ, 15 – 17 апреля 2009. – С. 3. 
  21.  Становский П.А. Сравнение с помощью метрик в пространстве фрактально закодированных изображений [текст] // Материалы ХVІІ семинара «Моделирование в прикладных научных исследованиях». – Одесса: ОНПУ, 15  17 апреля 2009. – С. 10  12. 
  22.  Становский П.А. Сегрегация изображений с помощью параболических моделей [текст] // Материалы ХVІІ семинара «Моделирование в прикладных научных исследованиях». – Одесса: ОНПУ, 15–17 апреля 2009. – С. 78– 79. 
  23.  Становский П.А. Поиск видеопотоков в хранилищах данных [текст] / Становский П.А., Малахов Е.В. // Материалы десятой международной научно-практической конференции «Современные информационные и электронные технологии». – Одесса: ОНПУ, 18 – 22 мая 2009. – С. 54.
  24.  Малахов Е.В. Методы фрактального сжатия подвижных изображений  для целей образования, медицины и других приложений [текст] / Малахов Е.В., Становский П.А. // Матеріали І Всеукраїнської науково-практичної конференції «Сучасні тенденції розвитку інформаційних технологій в освіті». – Херсон: ХПТК ОНПУ, 14 – 15 травня 2009. – Ч. 1. – С. 52 – 59.
  25.  Малахов Е.В. Распознавание зрительных образов на уровне результатов фрактального кодирования [текст] / Малахов Е.В., Становский П.А. // Матеріали 16-ї Міжнародної конференції з автоматичного управління «Автоматика – 2009». – Чернівці: ЧНУ, 22 – 25 вересня 2009. – С. 340 – 342.
  26.  Малахов Е.В. Сравнение результатов фрактального кодирования видеопотоков [текст] / Малахов Е.В., Становский П.А. // Материалы МНТК «Автоматизация: проблемы, идеи, решения». – Севастополь: СНТУ. – 7 – 12 сентября 2009. – С. 268 – 271.

Становський П.О. Інформаційна технологія фрактального кодування в телекомунікаційних мережах відеоспостереження. – Рукопис.

Дисертація  на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 – інформаційні технології. – Одеський національний політехнічний університет, Одеса, 2010.

Дисертація присвячена зменшенню навантаження на ресурси передавання та збереження інформації в телекомунікаційних мережах відеоспостереження за рахунок розроблення та впровадження нової, адаптивної до змісту відеопотоків інформаційної технології, заснованої на їхньому фрактальному кодуванні.

Проаналізовані завдання та сучасні досягнення в галузі методів інформаційної підтримки процесів відеоспостереження. Побудовані методи інформаційної технології ідентифікації суттєвих змін у відеопотоках та доведені можливості використання цієї інформації для ефективної структурної адаптації системи до змісту відеопотоків. Розроблено інформаційну технологію структурної адаптації телекомунікаційних мереж відеоспостереження до подій на об’єкті. Побудовано інформаційну технологію фрактального кодування різницевих кадрів відеопотоків із використанням додаткового кадру та розроблено систему інформаційної підтримки «FRAST» для мереж багатоканального відеоспостереження. Здійснене практичне випробування результатів дослідження із позитивним техніко-економічним ефектом.

Ключові слова: відеоспостереження, повільні відеопотоки, параболічне перетворення, фрактальне стискування.

Stanovsky P.A. The fractal coding information technology in the telecommunication networks of videoobservation. – Manuscript.

The dissertation seeking scientific degree of the candidate of technical science in specialty 05.13.06 – The information technology. – Odessa national polytechnic university, Odessa, 2010.

The thesis is devoted to load reduction on the video observation telecommunication networks resources, in particular, saving and data transfer subsystems, at the expense of an information technology of system structure adapting to the maintenance of sliding maps and them fractal codings development and implantation.

Problems and modern achievements in the field of information support of videoobservation processes methods are analysed. Methods of essential changes in videostreams identification information technology are constructed and possibilities of this information use for effective structural adaptation of system to the maintenance of videostreams are proved. The information technology of structural adaptation a body of videoobservation communication networks to events on object is developed. The information technology fractal codings difference shots of video streams with use of an additional shot is constructed and the system of information support «FRAST» is developed for networks of multichannel videoobservation. Practical test of research results with positive technical and economic effect is carried out.

Key words: videoobservation, slow videostreams, parabolic conversion, fractal compression.

Становский П.А. Информационная технология фрактального кодирования в телекоммуникационных сетях видеонаблюдения. Рукопись.

Диссертация  на соискание ученой степени кандидата технических наук по специальности 05.13.06 – информационные технологии. Одесский национальный политехнический университет, Одесса, 2010.

Диссертация посвящена уменьшению нагрузка на ресурсы телекоммуникационных сетей видеонаблюдения, в частности, подсистем хранения и передачи данных, за счет разработки и внедрения информационной технологии структурной адаптации системы к содержанию подвижных изображений и их фрактального кодирования.

Проанализированы задачи и современные достижения в области методов информационной поддержки процессов видеонаблюдения. Построены методы информационной технологии идентификации существенных изменений в видеопотоках и доказаны возможности использования этой информации для эффективной структурной адаптации системы к содержанию видеопотоков. Разработана информационная технология структурной адаптации телекоммуникационных сетей видеонаблюдения к событиям на объекте. Построена информационная технология фрактального кодирования разностных кадров видеопотоков с использованием дополнительного кадра и разработана система информационной поддержки «FRAST» для сетей многоканального видеонаблюдения. Осуществлено практическое испытание результатов исследования в телекоммуникационных сетях видеонаблюдения с положительным технико-экономическим эффектом.

Многие исследователи в области видеонаблюдения работают над научной задачей обработки подвижных изображений, стремясь при этом обеспечить необходимое качество последних. Но триада «объем – скорость – качество» выдвигает перед специалистами по информационным технологиям противоречивые требования, из-за чего, улучшая один из этих параметров, они, ради выполнения видеопотоком главных задач, часто сознательно ухудшают другие. Задача усложняется еще и тем, что во время видеонаблюдения каждый из компонентов упомянутой триады может попеременно становиться «главным», что требует от системы адаптивного подхода: она должна «понимать», что происходит на объекте, и своевременно переходить на новый информационный режим наблюдения. Последнее требует от информационной технологии видеообработки мониторинга условий, порождающих видеопоток, и автоматической адаптации системы к их изменению.

Для удовлетворения этих требований в последнее время были разработаны научные основы и созданы системы видеонаблюдения, позволяющие активно реагировать на события в пределах поликанального видеоизображения, развивать сеть разного по техническим характеристикам оборудования, использовать современные телекоммуникационные средства хранения и доступа к видеоинформации, передавать ее на большие расстояния и т.п., но, к сожалению, с развитием этих возможностей возрастает и нагрузка на аппаратную составляющую системы, прежде всего, на ее память и каналы связи. Не всегда решают задачу и методы кодирования видеопотоков, использующиеся в современных системах: в одних методах (например, ДКП) степень сжатия оказывается недостаточной, в других (например, фрактальних) помехой становится недопустимо большое время кодирования.

С другой стороны, информационные методы различения «существенных» и «несущественных» с точки зрения цели наблюдения фрагментов многоканального видеопотока разделяют последний на две распределенных во времени и пространстве каналов части, а следовательно, создают условия, в которых фрактальное кодирование «существенных» фрагментов можно осуществлять во время поступления «несущественных», причем, чем меньше их временное соотношение, тем больше возможностей у системы уменьшать нагрузку на память и каналы связи. Существуют также большие резервы на пути увеличения степени фрактального сжатия видеопотока, вытекающие как из возможностей метода, так и из особенностей видеоряда наблюдения.

При сжатии видеопотоков использовали методы теории фракталов. При информационной обработке разностных кадров видеопотока использовали статистические методы и алгоритмы, основанные на параболическом преобразовании распространенных в пространстве-времени дискретных объектов. Для подтверждения выдвинутых научных положений применяли компьютерный эксперимент и методы корреляционного анализа.

Научная новизна полученных результатов состоит в развитии и углублении теории и методологии информационного преобразования и фрактального кодирования подвижных изображений: впервые выделен класс «медленных» видеопотоков, в состав которого включены подвижные изображения, предоставляющие в определенных условиях использования нужные временные возможности для заданной информационной обработки в рамках ограничений на потери потребительских характеристик; получила дальнейшее развитие цифровая двумерная модель изображения, состоящее в дополнительном учете третьего измерения – временной составляющей путем информационного параболического преобразования двух бинаризованных кадров видеопотоков, результатом которого являются контуры отдельных элементов последнего; впервые предложен информационный метод структурной адаптации системы к объекту наблюдения, базирующийся на сравнении показателя существенности изменения содержания видеопотока – метрики в пространстве результатов информационного параболического преобразования – со спектром, полученным во время обучения системы; получил дальнейшее развитие метод фрактального кодирования разностных кадров подвижных изображений с использованием дополнительного кадра, отличающегося тем, что дополнительный кадр содержит неподвижный участок, имеющий доминирующий на разностном кадре цвет (чаще всего, черный) и который не надо искать во время кодирования, что существенно уменьшает продолжительность кодирования.

Ключевые слова: видеонаблюдение, медленные видеопотоки, параболическое преобразование, фрактальное сжатие.


 

А также другие работы, которые могут Вас заинтересовать

44762. Оценка уровня качества телевизора «SAMSUNG» 260 KB
  Телевизор - электронное устройство для приёма и отображения изображения и звука, передаваемых по беспроводным каналам или по кабелю (в том числе телевизионных программ или сигналов от устройств воспроизведения видеосигнала - например, видеомагнитофонов).
44763. Создание проекта СЭУ толкача буксира 2.38 MB
  Целью дипломного проекта является создание проекта СЭУ для вновь проектируемого судна. Учитывая задание на проектировку (тип судна, грузоподъемность, район плавания, требования к маневренности, живучести), а также используя опыт судостроения предыдущих лет...
44764. Предприятие как субъект и объект предпринимательской деятельности 57.38 KB
  Функционирование предприятий в условиях рынка предполагает поиск и разработку каждым из них собственного пути развития. Чтобы не только удержаться, но и развиваться в рынке, предприятие должно улучшать состояние своей экономики
44765. Банковский маркетинг, Краткий конспект лекций 99.59 KB
  Основные понятия банковского маркетинга. Роль маркетинга в банковской деятельности. Концепция банковской технологии маркетинга. Банковская маркетинговая стратегия. Постановка маркетинговой работы в коммерческом банке. Банковская конкуренция. Маркетинг депозитарной деятельности банка. Маркетинг кредитного банковского рынка...
44766. Проект доготовочного цеха блинной на 50 мест в г.Омске 1.04 MB
  Качество обслуживания оказывает непосредственное влияние на результаты хозяйственной деятельности предприятий общественного питания. Повышения качества обслуживания способствует увеличению количества потребителей, росту товарооборота, повышению рентабельности предприятий.
44767. Электроснабжение участка токарного цеха 5.73 MB
  Сегодня на предприятии в трех цехах трудится около полутора тысяч человек - токарей, кузнецов, слесарей, электрогазосварщиков, электриков, электромонтеров, и многих других, которым приходится знать и ремонтировать самое разное горнодобывающее и металлургическое оборудование.
44768. Анализ потребительских свойств и качеств темного пива 486.5 KB
  Пиво — один из древнейших напитков в мире. Пиво известно со времен Древнего Египта (многие считают, что пшеницу и ячмень там начали культивировать для приготовления пива, а изготовление хлеба стало побочным эффектом). В ходе археологических раскопок в Египте был найден самый древний рецепт пива. В Римской империи пиво не пользовалось популярностью, здесь предпочтение отдавалось вину
44769. Изучение ассортимента, конкурентоспособности, показатели качества чая, реализуемого Иркутским Облпотребсоюзом 725 KB
  Древняя китайская мудрость гласит: Лучше обойтись три дня без еды, чем один день без чая. В этой стране чай употребляют более 5 тысяч лет. По сравнению с Китаем, Россия имеет с этим напитком лишь шапочное знакомство 300 лет. Но даже за это время чаепитие стало национальной русской традицией