Опубликован: 02.09.2013 | Доступ: свободный | Студентов: 421 / 54 | Длительность: 19:27:00
Самостоятельная работа 8:

Детектирование пешеходов

< Самостоятельная работа 7 || Самостоятельная работа 8: 12345
Аннотация: В работе приводится краткое описание алгоритма вычисления HOG-признаков и детектора пешеходов, основанного на методе бегущего окна, использующего HOG-признаки и машину опорных векторов в качестве классификатора. Приводятся и описываются интерфейсы классов библиотеки OpenCV, реализующих рассматриваемые алгоритмы. Приводится описание схемы самостоятельного обучения классификаторов для решения задачи детектирования. Приводится описание интерфейса класса, реализующего алгоритм детектирования LatentSVM. Предлагаются примеры программ, демонстрирующие использование рассмотренных классов.

Введение

Презентацию к лабораторной работе Вы можете скачать здесь.

Дополнительные материалы к лабораторной работе Вы можете скачать здесь.

Детектирование людей на изображениях и видео является одной из важнейших задач компьютерного зрения. Целью детектирования является определение наличия искомого объекта на изображении (видео) и нахождение его положения. Алгоритмы, решающие данную задачу, лежат в основе современных интерфейсов взаимодействия компьютерных систем с человеком, находящих применение как в области развлечений, так и, например, в робототехнике, следящих системах, системах помощи водителю и т.д. Одной из наиболее актуальных и, в то же время, наиболее требовательных к качеству и скорости работы подобных систем сферой применения является детектирование пешеходов на видеопотоке с камеры, установленной на движущемся автомобиле, в режиме реального времени. Системы такого рода должны обеспечивать правильное обнаружение всех людей в поле зрения камеры для возможности своевременного предотвращения аварий. При этом критичной является устойчивость к ложным срабатываниям системы, т.к. ее вмешательство в процесс управления транспортным средством должно происходить только в случае обоснованной необходимости. Скорость работы системы определяет диапазон скоростей автомобиля, при котором эффективно работает данный подход, в то же время, позволяя распознать возможную аварийную ситуацию как можно раньше. Существенные сложности при решении данной задачи связаны с многообразием внешнего вида людей, окружающих предметов и их взаимного расположения, с тем, что детектирование должно производиться на видео с движущейся камеры. Следует отметить, что создание алгоритма детектирования пешеходов, обеспечивающего требуемый уровень качества, на настоящий момент остается открытой проблемой.

Данная лабораторная работа направлена на знакомство с некоторыми подходами к детектированию пешеходов на изображениях, а также с алгоритмами и их программными реализациями, входящими в состав библиотеки OpenCV. Так, в лабораторной работе рассматривается HOG-дескриптор и основанный на его использовании простейший алгоритм детектирования. Также, многие алгоритмы, разработанные для детектирования пешеходов, успешно находят свое применение и при решении задач детектирования других объектов и наоборот. Доказательством тому может являться алгоритм LatentSVM, предназначенный для поиска различных объектов на изображениях, который в данной работе рассматривается, как алгоритм детектирования пешеходов.

1. Методические указания

1.1. Цели и задачи работы

Цель данной работы – изучить некоторые алгоритмы детектирования пешеходов на изображениях с использованием соответствующих функций библиотеки компьютерного зрения OpenCV.

Данная цель предполагает решение следующих задач:

  1. Изучить основные идеи, лежащие в основе HOG-дескриптора.
  2. Изучить принцип работы метода бегущего окна.
  3. Рассмотреть алгоритм обучения классификатора для системы детектирования, основанной на методе бегущего окна.
  4. Рассмотреть прототипы функций и интерфейсы классов, реализующих вычисление HOG-признаков и алгоритм детектирования на их основе.
  5. Рассмотреть прототипы функций и интерфейсы классов, реализующих детектирование алгоритмом LatentSVM.
  6. Рассмотреть простые примеры использования указанного набора функций.
  7. Разработать приложения для визуальной оценки качества детектирования рассмотренными методами.

1.2. Структура работы

В работе приводится краткое описание алгоритма вычисления HOG-признаков и детектора пешеходов, основанного на методе бегущего окна, использующего HOG-признаки и машину опорных векторов в качестве классификатора. Приводятся и описываются интерфейсы классов библиотеки OpenCV, реализующих рассматриваемые алгоритмы. Приводится описание схемы самостоятельного обучения классификаторов для решения задачи детектирования. Приводится описание интерфейса класса, реализующего алгоритм детектирования LatentSVM. Предлагаются примеры программ, демонстрирующие использование рассмотренных классов.

1.3. Тестовая инфраструктура

Вычислительные эксперименты проводились с использованием следующей инфраструктуры (табл. 15.1).

Таблица 15.1. Тестовая инфраструктура
Операционная система Microsoft Windows 7
Среда разработки Microsoft Visual Studio 2010
Библиотека TBB Intel® Threading Building Blocks 3.0 for Windows, Update 3 (в составе Intel® Parallel Studio XE 2011 SP1)
Библиотеки OpenCV Версия 2.4.4

1.4. Требования к участнику лабораторной работы

Для выполнения данной лабораторной работы требуется:

  • Изучение лекционного материала курса по теме "Обзор библиотек OpenCV и IPP"
  • Изучение практического материала курса по теме "Сборка и установка библиотеки OpenCV. Использование библиотеки в среде разработки Microsoft Visual Studio"
  • Изучение лекционного материала курса по теме "Введение в машинное обучение".
  • Изучение практического материала курса по теме "Оптимизация и распараллеливание вычислений в задаче детектирования объектов на изображениях с использованием алгоритма Latent SVM".

1.5. Рекомендации по проведению занятий

При выполнении данной лабораторной работы рекомендуется следующая последовательность действий:

  1. Обосновать значимость систем детектирования пешеходов и обозначить трудности, с которыми приходится иметь дело при решении данной задачи.
  2. Рассмотреть принципы, положенные в HOG-дескриптора и детектора. Параллельно описать классы библиотеки OpenCV, реализующие данные алгоритмы, и продемонстрировать примеры программ, в которых выполняется их применение.
  3. Рассмотреть класса библиотеки OpenCV, реализующего детектирование алгоритмом LatentSVM, привести пример программы, использующей данной класс.
  4. Поставить задачу по разработке программы для детектирования пешеходов на изображениях описанными методами.
< Самостоятельная работа 7 || Самостоятельная работа 8: 12345
Андрей Терёхин
Андрей Терёхин

Нахожу в тесте вопросы, которые в принципе не освещаются в лекции. Нужно гуглить на других ресурсах, чтобы решить тест, или же он всё же должен испытывать знания, полученные в ходе лекции?

Демянчик Иван
Демянчик Иван

В главе 14 мы видим понятие фильтра, но не могу разобраться, чем он является в теории и практике.

" Искомый объект можно описать с помощью фильтра F= \lbrace f_{x',y'},x' \in \lbrace0, ...,w_f \rbrace , y' \in \lbrace 0,...,h_f \rbrace \rbrace "