Математичний підхід у системі розпізнавання вільних паркомісць з використанням геометричних параметрів та двовимірних форм
DOI:
https://doi.org/10.26642/ten-2024-1(93)-135-138Ключові слова:
двовимірні методи, математичне моделювання, геометричні параметри, машинний зірАнотація
Стратегія розпізнавання вільних та зайнятих місць паркування полягає у вивченні об’єктів на зображенні, їх розпізнаванні та зіставленні їх з об’єктами, збереженими у базі даних. Існує багато алгоритмів, ефективних для розпізнавання, наприклад, такі: аналіз головних компонентів, дискретне косинусне перетворення, 3D-методи розпізнавання, метод вейвлетів Габора тощо. При виборі методу розпізнавання об’єктів необхідно враховувати такі фактори, як: точність, часові обмеження, швидкість процесу та доступність. Завданнями, що розглядаються в цій статті, є виявлення об’єктів на стоп-кадрах з відеопотоку та їх сегментація. У цій статті пропонується новий підхід до розпізнавання вільних та зайнятих паркомісць. Запропонований метод полягає в тому, що за допомогою тривимірної геометрії параметри об’єктів поєднуються з їхніми інваріантними ознаками для розпізнавання. В дослідженні авторами описано метод вилучення приблизної тривимірної інформації про об’єкти із зображення та розглянуто систему машинного зору для розпізнавання плоского вигляду вільних та зайнятих паркомісць. Результати проведених експериментів показують, що запропонований підхід гарно розпізнає спотворені форми пласких об’єктів.
Посилання
Zhang, H., Wang, Y., Dayoub, F. and Sunderhauf, N. (2021), «Varifocalnet: An iou-aware dense object detector», In Proceedings of the IEEE CVF conference on computer vision and pattern recognition, pp. 8514–8523.
Liu, Z., Cheng, J., Wang, Q. and Xian, L. (2022), «Improved Design Based on IoU Loss Functions for Bounding Box Regression», IEEE 6th Advanced Information Technology, Electronic and Automation Control Conference (IAEAC), Beijing, China, pp. 452–458, doi: 10.1109/IAEAC54830.2022.9929938.
Ahmadzadeh, А., Kempton, D.J., Chen, Y. and Angryk, R.A. (2021), «Multiscale IOU: A Metric for Evaluation of Salient Object Detection with Fine Structures», IEEE International Conference on Image Processing (ICIP), Anchorage, AK, USA, pp. 684–688, doi: 10.1109/ICIP42928.2021.9506337.
Marchuk, D.K. and Hraf, M.S. (2023), «Vydy arkhitektur neironnykh merezh dlia vyrishennia zadach kompiuternoho zoru», Kompleksne zabezpechennia yakosti tekhnolohichnykh protsesiv ta system, ХIII Mizhnarodna naukovo-praktychna konferentsiia, 25–26 travnia, Chernihiv, рр. 270–272.
Hraf, M.S. (2020), «Systema obkhodu navchalnykh pereshkod bezpilotnym povitrianym sudnom», Tekhnichna inzheneriia. Seriia. Inzheneriia prohramnoho zabezpechennia, Issue 2 (86), рр. 81–85.
Yang, J.Y. and Hu, Q. (1988), «Automatic Recognizing Tools and Parts Using Structure Features», Proc. of Int. Workshop on Industrial Application of Machine Vision and Intelligence.
Yang, J.Y. and Hu, Q. (1989), «Recognition of Shape Distorted and Occluded Parts by Using Shape Invariant Features», Robots (in chinese), Vol. 2, No. 2.
Hu, Q. and Yang, J.Y. (1988), «A Method of Establishing Pattern Database for Machine Vision System», IEEESMC.
Marchuk, D.K. and Hraf, M.S. (2023), «Metody otsinky efektyvnosti modelei vyiavlennia obiektiv u kompiuternomu zori», Visnyk Khersonskoho natsionalnoho tekhnichnoho universytetu, No. 2 (85), рр. 181–186.
Список використаної літератури:
Varifocalnet: An iou-aware dense object detector / H.Zhang, Y.Wang, F.Dayoub, N.Sunderhauf // In Proceedings of the IEEE CVF conference on computer vision and pattern recognition. – 2021. – Р. 8514–8523.
Improved Design Based on IoU Loss Functions for Bounding Box Regression / Z.Liu, J.Cheng, Q.Wang, L.Xian // IEEE 6th Advanced Information Technology, Electronic and Automation Control Conference (IAEAC). – Beijing, China, 2022. – Р. 452–458. DOI: 10.1109/IAEAC54830.2022.9929938.
Multiscale IOU: A Metric for Evaluation of Salient Object Detection with Fine Structures / А.Ahmadzadeh, D.J. Kempton, Y.Chen, R.A. Angryk // IEEE International Conference on Image Processing (ICIP). – Anchorage, AK, USA, 2021. – Р. 684–688. DOI: 10.1109/ICIP42928.2021.9506337.
Марчук Д.К. Види архітектур нейронних мереж для вирішення задач комп’ютерного зору / Д.К. Марчук, М.С. Граф // Комплексне забезпечення якості технологічних процесів та систем : ХІІІ Міжнародна науково-практична конференція, 25–26 травня. – Чернігів, 2023. – С. 270–272.
Граф М.С. Система обходу навчальних перешкод безпілотним повітряним судном / М.С. Граф // Технічна інженерія. Серія : Інженерія програмного забезпечення. – 2020. – Вип. 2 (86). – С. 81–85.
Yang J.Y. Automatic Recognizing Tools and Parts Using Structure Features / J.Y. Yang, Q.Hu // Proc. of Int. Workshop on Industrial Application of Machine Vision and Intelligence. – 1988.
Yang J.Y. Recognition of Shape Distorted and Occluded Parts by Using Shape Invariant Features / J.Y. Yang, Q.Hu // Robots (in chinese ). – 1989. – Vol. 2, No. 2.
Hu Q. A Method of Establishing Pattern Database for Machine Vision System / Q.Hu, J.Y. Yang // IEEESMC. – 1988.
Марчук Д.К. Методи оцінки ефективності моделей виявлення об’єктів у комп’ютерному зорі / Д.К. Марчук, М.С. Граф // Вісник Херсонського національного технічного університету. – 2023. – № 2 (85). – С. 181–186.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Марина Сергіївна Граф , Катерина Ростиславівна Колос, Олександр Вікторович Кузьменко
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор, який подає матеріали до друку, зберігає за собою всі авторські права та надає відповідному виданню право першої публікації, дозволяючи розповсюджувати даний матеріал із зазначенням авторства та джерела первинної публікації, а також погоджується на розміщення її електронної версії на сайті Національної бібліотеки ім. В.І. Вернадського.
