СПОСОБ ОБРАБОТКИ ИЗОБРАЖЕНИЙ В ЗАДАЧЕ ОБНАРУЖЕНИЯ ДВИЖУЩИХСЯ ОБЪЕКТОВ В ОПТИКО-ЭЛЕКТРОННЫХ СИСТЕМАХ НАБЛЮДЕНИЯ ТЕПЛОВИЗИОННОГО ТИПА

В статье рассмотрен предлагаемый автором способ обработки изображений применительно к задаче автоматического обнаружения движущихся объектов в оптико-электронных системах тепловизионного типа. Исследованию подлежат движущиеся объекты на наблюдаемой сцене, поэтому для решения задачи обнаружения целесообразно применение алгоритмов, основанных на методах вычитания фона. Однако среди наблюдаемых объектов могут находиться как объекты интереса (человек, транспортное средство), так и другие объекты и элементы фона, повышающие шумовую составляющую наблюдаемой обстановки. Также на повышение шумовой составляющей огромное влияние оказывает ложная сегментация в передний план областей обрабатываемых изображений при переносе поля зрения датчика оптико-электронной системы наблюдения. Целью настоящей статьи является доказательство снижения вероятности ложной тревоги автоматического обнаружителя за счет предлагаемых автором подходов к обработке изображений. Для исследования используется математический аппарат теории вероятностей и имитационное моделирование с последующей статистической обработкой данных. В статье показано, что вероятность ложной тревоги автоматического обнаружителя, построенного на методе вычитания фона, существенно возрастает после переноса поля зрения датчика оптико- электронной системы наблюдения и уменьшается после прекращения движения по мере автоматической сегментации ложно выделенных в передний план областей обрабатываемого изображения. Проведенное моделирование показало: предлагаемые автором подходы позволяют повысить пиковое отношение сигнал/шум обрабатываемых изображений и снизить вероятность ложной тревоги автоматического обнаружителя объектов интереса. Полученные результаты показывают реализуемость адаптации алгоритмов обнаружения, построенных на методах вычитания фона, для работы в сканирующих оптико- электронных системах наблюдения.

1. Zivkovic Z. Improved adaptive gaussian mixture model for background subtraction. IEEE Proceedings of the 17 th International Conference. 2004;28-31.

2. Заливин А.Н., Балабанова Н.С. Обнаружение движущихся объектов методом вычитания фона с использованием смеси Гауссовых распределений. Автоматизированные технологии и производства. 2016;3:45-48.

3. Dougherty E.R. The dual representation of gray-scale morphological filters. IEEE Trans. PAMI. 1989.

4. Конюхов А.Л., Костевич А.Г., Курячий М.И. Критерии оценки отношения сигнал/шум в активно-импульсных телевизионно-вычислительных системах. Доклады ТУРСУРа. 2012;2:111-115.

5. Barnich O. ViBe: A universal background subtraction algorithm for video sequences. IEEE Transactions on Image Processing. 2011;20(6):1709-1724.

6. Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения. Москва: Высшая школа; 2000:480.