Preview

Мир транспорта

Расширенный поиск

Интеллектуальный видеоанализ опасных ситуаций

https://doi.org/10.30932/1992-3252-2017-15-6-18

Аннотация

Текст аннотации на англ. языке и полный текст статьи на англ. языке находится в прилагаемом файле ПДФ (англ. версия следует после русской версии).Работа выполнена при поддержке Российского фонда фундаментальных исследований (грант № 17-20-03034). Статья посвящена разработке системы интеллектуального анализа видеозаписей камер наружного наблюдения, позволяющей выявлять опасные ситуации на объектах железных дорог на примере детекции падений в зоне пути. Предложен метод предобработки видеоряда с целью формирования пространства признаков, основанный на использовании вычитания фона по методу гауссовой смеси, последующем отслеживании перемещения человека при помощи фильтра Калмана и деформации формы подвижного объекта в результате применения прокрустова анализа. Обоснован подбор оптимального состава пространства признаков и дополнительных эвристик, обеспечивающих выделение эпизодов падений по видеозаписи со средним качеством каппы Коэна 0,62 по сравнению с визуальным анализом оператором.

Об авторах

Л. Н. Анищенко
МГТУ им. Н. Э. Баумана
Россия


С. И. Ивашов
МГТУ им. Н. Э. Баумана
Россия


А. В. Скребков
Российский университет транспорта (МИИТ)
Россия


Список литературы

1. Advances Recognition Systems: Rapid-Access Biometric and Credential Solution, NeoFace Express [Электронный ресурс] / Офиц. сайт корпорации NEC, 2017.URL: https://www.necam.com/ docs/?id=6c812b4d-2a12-40ed-9fea-fae81550c7aa (Доступ 05.11.2017).

2. SMARTGLASSES7 [Электронный ресурс] / Офиц. сайт компании ODG, 2017.URL: https://www.osterhoutgroup.com/pub/static/version1515417478/ frontend/Infortis/ultimo/en_US/pdf/R-7-TechSheet.pdf (Доступ 05.11.2017).

3. Yaniv Taigman, Ming Yang, Marc’Aurelio Ranzato, Lior Wolf.«DeepFace: Closing the Gap to Human-Level Performance in Face Verification», Conference on Computer Vision and Pattern Recognition (CVPR), June 24, 2014.

4. Parkhi [et al].Deep Face Recognition [Электронный ресурс]: URL: https://www.robots.ox.ac.uk/~vgg/ publications/2015/Parkhi15/parkhi15.pdf (Доступ 05.11.2017).

5. Mohammadian A., Aghaeinia H., Towhidkhah F. Video-based facial expression recognition by removing the style variations in Image Processing, IET, 2015, vol.9, No.7, pp.596-603.

6. Iosifidis A., Tefas A., Pitas I. Class-specific Reference Discriminant Analysis with application in Human Behavior Analysis, IEEE Transactions on Human-Machine Systems, 2015, vol.45, no.3, pp.315- 326.

7. Maddalena L., Petrosino A. Stopped Object Detection by Learning Foreground Model in Videos, in IEEE Transactions on Neural Networks and Learning Systems, May 2013, vol.24, no.5, pp.723-735.

8. Amrutha M. P., Vince Paul.Study of Different Obstacle Detection Methods in Railway Track, International Journal of Innovative Research in Computer and Communication Engineering, Jan 2017, vol.5, No.1, pp.1204-1208.

9. Filonenko A., Hernández D. C., Jo K. H. Real-time smoke detection for surveillance, 2015, IEEE13th International Conference on Industrial Informatics (INDIN), Cambridge, 2015, pp.568-571.

10. Rougier C., Meunier J., St-Arnaud A., Rousseau J. Fall detection from human shape and motion history using video surveillance, Proc.21st Int. Conf. AINAW, 2007, vol.2, pp.875-880.

11. Lee T., Mihailidis A. An intelligent emergency response system: Preliminary development and testing of automated fall detection, J. Telemed. Telecare, 2005, vol.11, no.4, pp.194-198.

12. Charfi I., Miteran J., Dubois J., Atri M., Tourki R. Optimised spatio-temporal descriptors for real-time fall detection: comparison of SVM and Adaboost based classification, Journal of Electronic Imaging (JEI), Vol.22.Iss.4, pp.17, October 2013.

13. MathWork Documentation: Create Kalman filter for object tracking [Электронный ресурс] / Офиц. сайт MathWorks, 1994-2017.URL: https://www.mathworks.com/help/vision/ref/configurekalmanfilter.html (Доступ 05.11.2017).

14. Mori G., Malik J. Estimating human body configurations using shape context matching, in Proc. Eur. Conf. Comput. Vision, 2002, vol.2352, pp.150-180.

15. Rougier C., Meunier J., St-Arnaud A., Rousseau J. Robust Video Surveillance for Fall Detection Based on Human Shape Deformation, in IEEE Transactions on Circuits and Systems for Video Technology, May 2011, vol.21, no.5, pp.611-622.


Рецензия

Для цитирования:


Анищенко Л.Н., Ивашов С.И., Скребков А.В. Интеллектуальный видеоанализ опасных ситуаций. Мир транспорта. 2017;15(6):182-193. https://doi.org/10.30932/1992-3252-2017-15-6-18

For citation:


Anishchenko L.N., Ivashov S.I., Skrebkov A.V. INTELLIGENT VIDEO ANALYSIS OF DANGEROUS SITUATIONS. World of Transport and Transportation. 2017;15(6):182-193. https://doi.org/10.30932/1992-3252-2017-15-6-18

Просмотров: 256


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1992-3252 (Print)