• 1990 (Том 4)
  • 1989 (Том 3)
  • 1988 (Том 2)
  • 1987 (Том 1)

Том 31 №1

Содержание

  1. ВЛИЯНИЕ СЕНСОРНЫХ СВОЙСТВ ПОДКРЕПЛЕНИЯ НА ФОРМИРОВАНИЕ ПИЩЕВОГО ПРЕДПОЧТЕНИЯ У КРЫС
  2. РОЛЬ Р38 MAP-КИНАЗЫ В РЕЦЕПЦИИ ИНФРАКРАСНОГО ИЗЛУЧЕНИЯ
  3. ИССЛЕДОВАНИЕ ВЛИЯНИЯ ИНГИБИТОРА SRC-КИНАЗЫ PP2 НА СПОСОБНОСТЬ УАБАИНА МОДУЛИРОВАТЬ МЕДЛЕННЫЕ НАТРИЕВЫЕ КАНАЛЫ
  4. ПЕРИМЕТРИЧЕСКАЯ ОЦЕНКА ГРАНИЦЫ СЛЕПОЙ ЗОНЫ НА КРАЙНЕЙ ПЕРИФЕРИИ ТЕМПОРАЛЬНОЙ СЕТЧАТКИ
  5. LogMAR ДЛЯ ОСТРОТЫ ЗРЕНИЯ ХУЖЕ, ЧЕМ ЛОШАДИНАЯ СИЛА ДЛЯ МОЩНОСТИ ЭЛЕКТРИЧЕСКОЙ ЛАМПОЧКИ
  6. РЕАКЦИЯ ЗАМИРАНИЯ ПОД ДЕЙСТВИЕМ ЯРКОГО СВЕТА У АМЕРИКАНСКОГО ТАРАКАНА, PERIPLANETA AMERICANA
  7. АНАЛИЗ ДВИЖЕНИЯ ГЛАЗ ЧЕЛОВЕКА ПРИ УПРАВЛЕНИИ САМОХОДНЫМ ШАССИ С ИСПОЛЬЗОВАНИЕМ СИСТЕМЫ ВИДЕООКУЛОГРАФИЧЕСКОГО ИНТЕРФЕЙСА
  8. МЕХАНИЗМЫ ТРАНСДУКЦИИ ОБОНЯТЕЛЬНЫХ СИГНАЛОВ: ВОЗМОЖНАЯ РОЛЬ СОКРАТИТЕЛЬНОГО АППАРАТА ОБОНЯТЕЛЬНЫХ РЕСНИЧЕК
  9. АРХИТЕКТУРА СИСТЕМЫ ДЕТЕКЦИИ И КЛАССИФИКАЦИИ АВТОМОБИЛЕЙ СРЕДСТВАМИ ТЕХНИЧЕСКОГО ЗРЕНИЯ В ЕСТЕСТВЕННЫХ УСЛОВИЯХ
  10. ОРИЕНТАЦИЯ В ПРОСТРАНСТВЕ ОСНАЩЕННОГО СТЕРЕОПАРОЙ РОБОТА ПО СТОЛБАМ С ИЗВЕСТНЫМ РАСПОЛОЖЕНИЕМ

АРХИТЕКТУРА СИСТЕМЫ ДЕТЕКЦИИ И КЛАССИФИКАЦИИ АВТОМОБИЛЕЙ СРЕДСТВАМИ ТЕХНИЧЕСКОГО ЗРЕНИЯ В ЕСТЕСТВЕННЫХ УСЛОВИЯХ

© 2017 г. А. С. Григорьев1,2, С. А. Гладилин1, Т. М. Ханипов1, И. А. Коптелов1, Д. А. Бочаров1, Д. Н. Мацнев1

1Институт проблем передачи информации им. А.А. Харкевича, РАН 127051 Москва, Большой Каретный пер., 19
me@ansgri.com
2Московский физико-технический институт (государственный университет) 141701 Московская область, г. Долгопрудный, Институтский пер., 9

Поступила в редакцию 12.10.2016 г.

В работе рассматривается архитектура систем детекции и классификации движущихся объектов в условиях фиксированной геометрии сцены на примере системы автоматической классификации транспортных средств на основе технического зрения (АКТС). Описывается эволюция системы от функционального прототипа до законченного продукта, обеспечивающего высокое качество классификации в широком диапазоне условий наблюдения. На основании анализа АКТС предлагается архитектурная модель, применимая при создании широкого класса систем технического зрения, позволяющая постепенно наращивать сложность и функциональность системы при переходе от прототипа к зрелому продукту.

Ключевые слова: архитектура программного обеспечения, системы технического зрения, классификация движущихся объектов, многокритериальная классификация, классификация транспортных средств, подсчет колесных осей, детектор Виолы-Джонса, распознавание образов

Цитирование для раздела "Список литературы": Григорьев А. С., Гладилин С. А., Ханипов Т. М., Коптелов И. А., Бочаров Д. А., Мацнев Д. Н. Архитектура системы детекции и классификации автомобилей средствами технического зрения в естественных условиях. Сенсорные системы. 2017. Т. 31. № 1. С. 72-84.
Цитирование для раздела "References": Grigoryev A., Gladilin S., Khanipov T., Koptelov I., Bocharov D., Matsnev D. Arkhitektura sistemy detektsii i klassifikatsii avtomobilei sredstvami tekhnicheskogo zreniya v estestvennykh usloviyakh [Architecture of a system for computer vision-based vehicle detection and classification under natural conditions]. Sensornye sistemy [Sensory systems]. 2017. V. 31(1). P. 72-84 (in Russian).

Список литературы:

  • Гладилин С., Григорьев А., Котов А., Николаев Д. Реализация алгоритма Виолы и Джонса на OpenCL // Труды ИСА РАН. 2014а. Т. 64. No 4. С. 97–105
  • Гладилин С.А., Котов А.А., Николаев Д.П., Усилин С.А. Построение устойчивых признаков детекции и классификации объектов, не обладающих характерными яркостными контрастами // Информационные технологии и вычислительные системы. 2014б. No 1. С. 61–72
  • Куроптев А.В., Николаев Д.П., Постников В.В. Точная локализация опорных решеток полей заполнения в анкетах методами динамического программирования и морфологической фильтрации // Труды ИСА РАН. 2013. Т. 63. No 3. С. 111–116
  • Малюгина О.В., Николаев Д.П. Критерии оценки качества для потоковой системы обнаружения и классификации // 39-я междисципл. школа-конф. ИППИ РАН Информ. Технол. Сист. 2015 С. 414–427
  • Bocharov D., Sidorchuk D., Konovalenko I., Koptelov I. Vehicle passes detector based on multi-sensor analysis // Proc. SPIE. 7th Int. Conf. Machine Vision. 2015. V. 9445, 944510. P. 1–5.
  • Ejiri M. Machine vision in early days: Japan’s pioneering contributions // Asian Conf. Comp. Vision. 2007. P. 35–53.
  • Grigoryev A., Bocharov D., Terekhin A., Nikolaev D. Vision-based vehicle wheel detector and axle counter // Proc. 29th Europ. Conf. Model. Simulat. 2015. P. 521– 526.
  • Grigoryev A., Khanipov T., Koptelov I., Bocharov D., Postnikov V., Nikolaev D. Building a robust vehicle detection and classi cation module // Proc. SPIE. 8th Int. Conf. Machine Vision. 2015. V. 9875. 98751J. P. 1–7.
  • Khanipov T., Koptelov I., Grigoryev A., Kuznetsova E., Nikolaev D. Vision-based industrial automatic vehicle classi er // Proc. SPIE. 7th Int. Conf. Machine Vision. 2015. V. 9445, 944511. P. 1–5.
  • Kuznetsova E., Shvets E., Nikolaev D. Viola-Jones based hybrid framework for real-time object detection in multispectral images // Proc. SPIE. 8th Int. Conf. Machine Vision. 2015. V. 9875. 98750N. P. 1–6.
  • Levashov A., Yurin D. Accurate and reliable framework for fast parametric curves detection // 8th Open GermanRussian Workshop Pattern Recogn. Image Understand. 2011. P. 178–181.
  • Minkina A., Nikolaev D., Usilin S., Kozyrev V. Generalization of the Viola-Jones method as a decision tree of strong classi ers for real-time object recognition in video stream // Proc. SPIE. 7th Int. Conf. Machine Vision. 2015. V. 9445, 944517. P. 1–5.
  • Nikolaev D., Karpenko S., Nikolaev I., Nikolaev P. Hough transform: Understimated tool in the computer vision eld // Proc. 22th Europ. Conf. Model. Simulat. 2008. P. 238–246.
  • Taylor J. Smooth transition exponential smoothing // J. Forecasting. 2004. V. 23. No 6. P. 385–404.
  • Viola P., Jones M. Robust real-time face detection // Int. J. Comp. Vision. 2004. V. 57. No 2. P. 137–154.