5. Выбор алгоритма

Сформируем набор критериев выбора алгоритма:

1. Возможность работы в режиме реального времени:

2. Высокая точность детектирования:

3. Инвариантность к малым поворотам и масштабированию объекта:

4. Инвариантность к изменению освещения сцены:

5. Возможность работы при неоднородном фоне:

Составим системную матрицу оценки критериев (таблица 1), где положительному ответу будет соответствовать 1, а отрицательному – 0.

Таблица 1. Системная матрица оценки критериев

Методы	Работа в режиме реального времени	Высокая точность	Инвариантность к малым поворотам и масштабированию объекта	Инвариантность к изменению освещения сцены	Неоднородный фон
эмпирические методы	1	0	0	0	0
методы характерных инвариантных признаков	1	1	1	0	0
Распознава-ние с помощью шаблонов, заданных разработчи-ком	1	0	1	0	0
метод обнаружения по внешним признакам	1	1	1	1	1

– множество методов-кандидатов

Для каждого метода-кандидата имеется набор критериев:

Условие выбора оптимального решения:

Найдем оптимальное решение, соответствующее максимальному значению множества M:

Таким образом, метод обнаружения по внешним признакам наиболее полно удовлетворяет критериям, которые формируют требования для эффективного решения задачи детектирования лиц в данной работе.

3. Обзор методов детектирования движения

Так как в работе нам необходимо реализовать слежение за движущимся объектом, то необходимо выбрать метод, который будем использовать. Под понятием слежения за объектом можно выделить два подхода: первый заключается в итеративном использовании методов детектирования объекта на каждом кадре, определяя таким образом смещение объекта, а второй – в детектировании движения выделенного объекта и определение его нового положения. Естественно, что второй способ будет более правильным с точки зрения вычислительных затрат. Поэтому рассмотрим существующие методы детектирования движения в видеопотоке.

1.3.1 Межкадровая разность

Вычисление межкадровой разности является очень распространённым методом первичного обнаружения движения, после выполнения которого, вообще говоря, уже можно сказать, присутствует ли в потоке кадров движение. До недавнего времени многие детекторы движения функционировали именно по такому принципу. Однако такой подход даёт достаточно грубую оценку, приводя к наличию неизбежной ложной реакции детектора на шум регистрирующей аппаратуры, смену условий освещения, лёгкое качание камеры и пр. Таким образом, видеокадры должны быть предварительно обработаны перед вычислением разности между ними. Алгоритм вычисления межкадровой разности двух кадров для случая обработки цветного видео в формате RGB выглядит следующим образом:

1) На вход алгоритма поступают два видео кадра, представляющие собой две последовательности байт в формате RGB.

2) Производится вычисление попиксельных межкадровых разностей по следующей схеме:

,

,

,

где , - значения красной, зелёной и синей компонент цвета i-го пикселя результирующего растра, - значения красной, зелёной и синей компонент цвета i-го пикселя на первом и втором кадре.

1. Для каждого пикселя вычисляется среднее значение между значениями трёх компонент цвета:

.

2. Среднее значение сравнивается с заданным порогом. В результате сравнения формируется двоичная маска:

3. ,

где - значение i-го элемента маски, Т – порог сравнения, иногда называемый также порогом или уровнем чувствительности.

Таким образом, на выходе алгоритма формируется двоичная маска, одному элементу которой соответствуют три компоненты цвета соответствующего пикселя исходных двух кадров. Единицы в маске располагаются в областях, где, возможно, присутствует движение, однако на данном этапе могут быть и ложные срабатывания отдельных элементов маски, ошибочно установленных в 1. В качестве двух входных кадров могут использоваться два последовательных кадра из потока, однако возможно использование кадров с большим интервалом, например, равным 1-3 кадра. Чем больше такой интервал, тем выше чувствительность детектора к малоподвижным объектам, которые испытывают лишь крайне малый сдвиг за один кадр и могут отсекаться, будучи отнесёнными к шумовой составляющей изображения.

Достоинством данного метода является простота и нетребовательность к вычислительным ресурсам. Метод широко применялся ранее по причине того, что в распоряжении разработчиков не было достаточных вычислительных мощностей. Однако и сейчас он широко используется, особенно в многоканальных охранных системах, когда необходимо обрабатывать сигнал от нескольких камер на одной ЭВМ. Ведь трудоёмкость алгоритма имеет порядок O(n) и осуществляется всего за один проход, что очень важно для растров большой размерности, таких как 640х480 точек, 768х576 точек, с которыми часто работают современные видеокамеры.