КЛИЕНТ-СЕРВЕРНАЯ СИСТЕМА ДЛЯ ИДЕНТИФИКАЦИИ И МОНИТОРИНГА ПЕРЕМЕЩЕНИЯ ЛЮДЕЙ В ПОМЕЩЕНИЯХ НА ОСНОВЕ АНАЛИЗА ВИДЕОДАННЫХ
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Аннотация
Разработаны алгоритмическое и программное обеспечение для идентификации и сопровождения множества людей в помещениях на основе анализа последовательностей изображений, получаемых со стационарных камер видеонаблюдения. Процедуры обнаружения и сопровождения людей используют сверточные нейронные сети. Особенностью алгоритма сопровождения является применение результатов идентификации по лицам для правильного установления соответствия на кадрах между людьми при их идентичных внешних характеристиках. Составной дескриптор изображения каждого человека включает признаки лиц, вычисленные на основе сверхточной нейронной сети, и комплекс признаков изображения человека, что позволяет сопровождать людей при невозможности идентификации лиц. Программная реализация применяет библиотеку OpenCV для традиционных операций обработки изображений. Для основных процедур предложенной алгоритмической обработки используется программно-аппаратная архитектура параллельных вычислений, реализованная на GPU Nvidia по технологии CUDA. Такой подход позволяет обеспечить работу в режиме реального времени, если на кадре до пяти человек, при реализации на видеокарте NVIDIA GTX 1060, CPU Intel i7 – 5820k. Выходными данными являются обработанные последовательности изображений с координатами обнаруженного или сопровождаемого человека и его индексом, а также общее количество людей в кадре. Тестирование разработанной клиент-серверной системы выполнено с использованием персонального компьютера и мобильных устройств под управлением операционных систем Android и iOS.
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Chahyati, D. Tracking People by Detection Using CNN Features / D. Chahyati, M.I. Fanany, A.M. Arymurthy // In Proceedings of the 4th Information Systems International Conference (ISICO 2017). – 2017. – P. 167–172.
Wojke, N. Simple online and realtime tracking with a deep association metric / N. Wojke, A. Bewley, D. Paulus // In Proceedings of the IEEE International Conference on Image Processing (ICIP). – 2017. – P. 3645–3649.
Bohush, R. Robust Person Tracking Algorithm Based on Convolutional Neural Network for Indoor Video Surveillance / R. Bohush, I. Zakharava // Communications in Computer and Information Science. – 2019. – Vol. 1055. – P. 289–300.
YOLOv4: Optimal Speed and Accuracy of Object Detection [Electronic resource]. – Mode of access: https://arxiv.org/pdf/2004.10934.pdf. – Date of access: 29.09.2020.
Ma M.H. Multi-View Face Detection and Landmark Localization Based on MTCNN// M.H. Ma, J. Wang // In Proceedings of the 2018 Chinese Automation Congress (CAC). – 2018. – P. 4200–4205. – DOI:10.1109/cac.2018.8623535.
WIDER FACE: A Face Detection Benchmark [Electronic resource] // Sh. Yang [et al.] // Computing Research Repository ; 2015 arXiv:1511.06523. – Mode of access: https://arxiv.org/pdf/1511.06523.pdf. – (дата обращения 16.06.2019).
RetinaFace: Single-stage Dense Face Localisation in the Wild [Electronic resource] // J. Deng [et al.] // Computing Research Repository ; 2019 arXiv:1905.00641v2. – Mode of access: https://arxiv.org/pdf/1905.00641.pdf. – Date of access: 16.06.2019.
InsightFace [Electronic resource]. – Mode of access: https://github.com/deepinsight/insightface/wiki/Model-ZooMTCNN. – Date of access: 29.09.2020.
Богуш, Р.П. Алгоритм сопровождения людей на видеопоследовательностях с использованием сверточных нейронных сетей для видеонаблюдения внутри помещений / Р.П. Богуш, И.Ю. Захарова // Компьютерная оптика. – 2020. – Т. 44, № 1. – С. 109–116. – DOI: 10.18287/2412-6179-CO-565.