| ← Июнь 2012 → | ||||||
|
2
|
3
|
|||||
|---|---|---|---|---|---|---|
|
10
|
||||||
|
11
|
13
|
15
|
16
|
17
|
||
|
23
|
24
|
|||||
|
26
|
||||||
За последние 60 дней ни разу не выходила
Открыта:
06-10-2009
Статистика
0 за неделю
Куда пошел? Куда поехал?
|
Куда пошел? Куда поехал? 2012-06-06 13:35 Охрана периметра вокруг страны. 2012-06-06 13:47 ДОП-детектор оставленных и унесенных предметов 2012-06-06 13:53 Если стандартный видеодетектор показывает все изменения в кадре по сравнению с предыдущим, то детектор фона дает более тонкую информацию, показывая лишь изменения относительно фона. Стандартный видеоедетктор, как правило, не может точно указать на нахождение движущегося объекта, т.к. одинаково детектирует и то место, куда переместился объект и то, место, откуда он переместился - и там и там будут изменения относительно предыдущего кадра. Детектор фона делает сравнения относительно запомненного фона, что значительно повышает целеуказание. Это качество используется для систем автонаведения и видеоаналитики. Нкоторые используют его для обнаружения оставленных и унесенных предметов. Подробнее...
Детектор оставленных и привнесенных предметов 2012-06-06 13:58 Этот видеодетектор больше известен как ДОП - детектор или детектор оставленных и привнесенных предметов. Так, по крайней мере, его разрекламировали некоторые разработчики. Однако история показывает, что первым в мире разработчиком этого алгоритма был Спецлаб. На независимом сайте sec.ru сохранился репортаж с выставки, где группа журналистов проводила тестирование публичное тестирование. Публикация от 19-02-2003.
Только в Спецлаб данная технология действительно работала.
Но, не смотря на это, мы не заявляли о каких-то уникальных возможностях ее. Скорее наоборот, мы сразу же высказались в плане непрактичности данной функции в виду большого числа объекто-подобных помех в реальной жизни: незакрытая дверь, остановившийся человек, возникшая преграда в обзоре и т.д. И 10-летняя практика доказала: никто нигде никогда не смог извлечь из него пользу. Более менее, его можно было бы применить для контроля сравнительно больших объектов как, например, автомобили на автостоянке. Только комплексная спецлабовская видеоаналитика делает это значительно лучше. Сам по себе алгоритм может быть составной частью некоторых сложных аналитических систем. Спецлаб его использует как в видеоаналитике, так и в системе автослежения «След». Но, повторимся, лишь как полезное дополнение к основным алгоритмам. Кроме того, детектор фона применяется в различных научных опытах и наукоемких производствах, например, для контроля качества пайки печатных плат. Видеосемантика 2012-06-06 14:14 Видеосемантика – практическая видеоаналитика.
Семантика в языкознании изучает смысл единиц языка, а в видеоаналитике изучает смысл единиц видеособытий. И там и там это набор знаний, объединенных между собой определенными соотношениями. Видеосемантика базируется на большом наборе различных типов видеодетекторов, изучающих свойства объекта, его размеры, соотношения сторон, цветовую гамму, направление движения, скорость, частоту движений, параметры изменений… (Это одна сотая часть списка, приведена здесь, потому что понятна обывателю.) Все эти характеристики связаны между собой математическими соотношениями, основанными на закономерностях поведения различных типов объектов. GOALcity отслеживает характерные черты в результате анализа статистических изменений, таким образом осуществляется селекция видео-событий по их семантическому отличию. Компьютерная программа Спецлаб раскладывает видеозапись на смысловые единицы, показывая ту часть этой единицы, которая полностью передает ее смысл. И вместо длительной видеозаписи, имеющей одну единственную смысловую нагрузку, человеку дается возможность короткого показа сокращенного в сотни и тысячи раз видеоролика – полностью передающего весь смысл этого длительного сюжета. Количество типов отношений в семантической сети определяется её создателем, исходя из конкретных целей, в нашем случае это безопасность, которая и составляет базу знаний. В реальном мире их число стремится к бесконечности. Каждое отношение является, по сути, предикатом, простым или составным. Скорость работы с базой знаний зависит от того, насколько эффективно реализованы программы обработки нужных отношений. Для этого нужны не только многопроцессорные мощности компьютеров, но и мозги программистов, умеющих распараллелить между ними задачи. При этом надо учитывать, что любой объект состоит их нескольких элементов, например, детектироваться могут только руки или движущиеся губы одного человека. Важным отношением является HasPart, описывающее связь частей и целого — отношение меронимии. В этом случае свойства первого множества не наследуются вторым. Мероним и холоним — противоположные понятия: мероним — объект, являющийся частью для другого, холоним — объект, который включает в себя другое. Определить в реальных условиях, что есть что или кто, на сегодняшний день не могут никакие видеодетекторы, насколько бы ни очевидна была простота задачи. Только человеческий интеллект может понять, что высовывающаяся за ближайшим человеком голова дальнего – не одна и та же голова первого. Нужно четко понимать границы компьютерного зрения на сегодняшний день и не замахиваться на задачи формализации поведения по статьям Уголовного Кодекса. Мы лишь предлагаем селекцию признаков, доступных математической обработке, а не искусственный интеллект. Пока ни одна научная комиссия в мире, к сожалению, не зарегистрировала свойство компьютерных систем выполнять функции (творческие), которые традиционно считаются прерогативой человека. Тем не менее, машина, конечно, многое делает быстрее человека. (Но это не значит, что она может делать все то, что и человек.). Также, как Бугатти быстрее бегает, компьютер быстрее считает. Это не интеллект, а лишь увеличение скорости. Используя видеосемантику, мы можем увеличить скорость обработки видеоданных, что сокращает время человека на их просмотр. Причем, в сотни и тысячи раз!
Видеосемантизация - процесс изменения видеозаписей, в которых выделяются семантические отношения без изменения их содержания. Таким образом мы понимаем содержание каждого сегмента видеозаписи лишь по небольшому его участку, уменьшенному в сотни раз. Видеосемантика заходит дальше видеоаналитической логики. В семантике рассматривается не только правильность утверждения (как в логике), но и то, является ли оно истинностью. Ведь помехи могут создавать изображение абсолютно подобное поведению реальных объектов, но на этом стандартная видеоаналитика останавливается, предлагая человеку разбираться самому с тем, как реагировать на постоянно возникающие блики, летающие птицы или ползающие по объективу насекомые. Видеосемантика позволяет разграничить события, вычленив отдельно картину помех. При этом, не имея человеческого интеллекта, она тоже не может утверждать, что данное явление помеха, но при этом уже не требует постоянного человеческого внимания на разрешение вопроса. По степени участия человека разница один к сотни тысячи. Идея систематизации на основе каких-либо семантических отношений предлагалась ещё учёными ранней науки, начиная от Карла Линнея (1735 г) и Отто Зельца (1913 - 1922 гг). Исследователи Дж. Андерсон (1973), Д. Норман (1975) и другие использовали эти работы для моделирования человеческой памяти и интеллектуальных свойств. Большой интерес представляет работа ученого Куиллиана (1967 г.). Прародителями современных семантических сетей можно считать экзистенциальные графы, предложенные Чарльзом Пирсом в 1909 г. Они использовались для представления логических высказываний в виде особых диаграмм. Пирс назвал этот способ «логикой будущего». Сегодня это логика настоящего, воплощенная в программном обеспечении GOALcity.
|
| В избранное | ||
