Temat: wykrywanie obiektów - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Środki hydroakustycznego wykrywania obiektów podwodnych i prezentacji hydrograficznych danych pomiarowych
Autorzy:: Grabiec, D.
Powiązania:: https://bibliotekanauki.pl/articles/366547.pdf
Data publikacji:: 2004
Wydawca:: Polskie Towarzystwo Medycyny i Techniki Hiperbarycznej
Tematy:: wykrywanie obiektów podwodnych
hydrografia morska
technika pomiarowa
Opis:: W artykule przedstawiono współczesne hydroakustyczne środki wykrywania obiektów podwodnych oraz ich klasyfikację w ujęciu hydrograficznym.
Źródło:: Polish Hyperbaric Research; 2004, 1(9); 56-63
1734-7009
2084-0535
Pojawia się w:: Polish Hyperbaric Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Lokalizacja, klasyfikacja i identyfikacja śmigłowców, czołgów i transporterów na podstawie analizy sygnału akustycznego
Location, classification and identification of helicopters, tanks and armoured personnel carriers by analysis of its acoustic signals
Autorzy:: Sosnowski, T.
Madura, H.
Kastek, M.
Powiązania:: https://bibliotekanauki.pl/articles/210040.pdf
Data publikacji:: 2010
Wydawca:: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:: wykrywanie obiektów
akustyka
przetwarzanie sygnału
object detection
acoustics
signal processing
Opis:: Metody wykrywania i identyfikacji obiektów na podstawie różnych ich cech znajdują zastosowanie w bardzo wielu dziedzinach takich jak: systemy alarmowe, automatyczne systemy identyfikacji osób, systemy rozpoznawania obrazów, militarne systemy rozpoznania pola walki, amunicja inteligentna itp. Budowa obiektów technicznych, takich jak pojazd czy śmigłowiec, sprawia, że sygnał akustyczny często jest jednym z niewielu stosunkowo łatwych do zmierzenia sygnałów, umożliwiających lokalizację i identyfikację obiektu technicznego. W związku z tym generowany przez te obiekty dźwięk (hałas) jest coraz częściej wykorzystywany do identyfikacji tych obiektów. W artykule została przedstawiona metoda automatycznej lokalizacji, klasyfikacji i identyfikacji obiektów technicznych, takich jak śmigłowce, czołgi, transportery opancerzone i pojazdy na podstawie cyfrowej analizy sygnałów akustycznych. Metoda charakteryzuje się względnie wysokim prawdopodobieństwem rozróżniania obiektów w środowisku z innymi sygnałami zakłócającymi, przy jednocześnie niskim prawdopodobieństwie fałszywej klasyfikacji i identyfikacji.
Methods of detection and identification of objects on the basis of its certain features are widely applied in many areas such as security systems, automated personal identification systems, image recognition, military battlefield reconnaissance systems, intelligent munitions and others. In case of technical objects like vehicles (land or aerial ones) an acoustic signal is one of the few characteristics that can be relatively easily measured and used for object location and identification. As a result, an acoustic signal (noise) generated by such objects is more and more often used for object identification purposes. The paper presents the method for automatic location, classification and identification of technical objects (like helicopters, tanks, and other vehicles) that relies on digital processing of acoustic signals. Relatively high probability of object discrimination can be achieved with this method in spite of the presence of disturbing signals in the environment and the probability of false classification and identification is low.
Źródło:: Biuletyn Wojskowej Akademii Technicznej; 2010, 59, 3; 329-353
1234-5865
Pojawia się w:: Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Integracja danych lidarowych i fotogrametrycznych w procesie automatycznego wykrywania obiektów
Integration of airborne lidar and photogrammetric data in the process of automatic object extraction
Autorzy:: Marmol, U.
Powiązania:: https://bibliotekanauki.pl/articles/130746.pdf
Data publikacji:: 2009
Wydawca:: Stowarzyszenie Geodetów Polskich
Tematy:: integracja danych
LIDAR
ortofotomapa
wykrywanie obiektów
data integration
lidar
ortophoto
object extraction
Opis:: Artykuł przedstawia metodę integracji danych lidarowych i fotogrametrycznych w procesie automatycznego wykrywania obiektów. Zdjęcia lotnicze stanowią klasyczną metodę pozyskiwania informacji o przestrzeni. Ostatnie lata to coraz powszechniejsze stosowanie lidaru jako źródła informacji. Zdjęcia lotnicze cechują się możliwością wykrywania granic obiektów, ale w procesie ekstrakcji cech, często dochodzi do nadmiernego oszacowania lub zaniżenia liczby obiektów. Dane lidarowe dostarczają bezpośredniej informacji o wysokości obiektów, ale posiadają ograniczenia związane z dokładnym wyznaczeniem krawędzi obiektów. Można zatem powiedzieć, że techniki przetwarzania danych: fotogrametryczna i laserowa dostarczają danych komplementarnych, a ich integracja może przyczynić się do poprawy jakości uzyskiwanych wyników. W artykule przedstawiono badania nad integracją fotogrametrii i danych laserowych w procesie wykrywania obiektów 3D – budynków i drzew. W procesie automatycznej segmentacji zostały wykorzystane cechy teksturalne pochodzące ze zdjęć lotniczych. Obiekty 3D zostały wyodrębnione na podstawie danych lidarowych, jako różnica NMPT i NMT. Przeprowadzone badania ujawniły duży potencjał danych zintegrowanych w procesie automatycznego wykrywania obiektów
This paper describes a method of integrating LIDAR data and aerial images in the process of automatic object extraction. Aerial photos are classical method for obtaining spatial information. However, in recent years, LIDAR data has become more and more popular as a source of information. Aerial imagery has the ability to delineate object boundaries, but during feature extraction, the number of objects may be overestimated or underestimated. LIDAR data provide direct information about the height of an object, but have limitations when identifying boundaries. Therefore, we can say that photogrammetric sensors and LIDAR provide complementary data and their integration can improve the quality of the results. This paper presents a study of the integration of photogrammetry and LIDAR in the process of extraction of 3D objects: buildings and trees. Textural filters have been used in the automatic segmentation process. 3D objects have been separated from LIDAR data, as a DSM and DTM difference. The study has revealed the high potential and flexibility of integrated data in the automatic process of object extraction.
Źródło:: Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2009, 20; 275-284
2083-2214
2391-9477
Pojawia się w:: Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Wykrywanie sygnalizowanych punktów na obrazach cyfrowych bliskiego zasięgu z wykorzystaniem analiz typu GIS
Detection of close range digital image signalized points using GIS analysis
Autorzy:: Mierzwa, W.
Powiązania:: https://bibliotekanauki.pl/articles/129599.pdf
Data publikacji:: 2006
Wydawca:: Stowarzyszenie Geodetów Polskich
Tematy:: obraz cyfrowy
analiza tekstury
wykrywanie obiektów
fraktale
digital image
object detection
texture analysis
fractal
Opis:: Wykrywanie i automatyczny pomiar położenia punktów na obrazach cyfrowych jest jednym z podstawowych zadań fotogrametrii cyfrowej i realizowane jest przez zaawansowane oprogramowanie fotogrametryczne. W artykule podjęto próbę oceny na ile oprogramowanie GIS, zwłaszcza wykorzystujące rastrowy model danych może być przydatne do znajdowania na obrazach cyfrowych bliskiego zasięgu obiektów o określonych cechach. Dla wyszukiwania obrazów kulek zlokalizowanych na ciele pacjenta w fotogrametrycznym systemie trójwymiarowego pozycjonowania ciała dla celów diagnozy wad postawy opracowanym w Zakładzie Fotogrametrii i Informatyki Teledetekcyjnej Akademii Górniczo-Hutniczej w Krakowie, przydatne mogą być analizy tekstury obrazu. Pacjent fotografowany jest na specjalnym stanowisku pomiarowym, równocześnie za pomocą dwóch kamer cyfrowych Sylwetka pacjenta widoczna jest również od tyłu w lustrze usytuowanym za pacjentem. Obrazy wykonano aparatem cyfrowym OLYMPUS CAMEDIA C120 o rozdzielczości 1600×1200 pikseli. Obrazami kulek są jasne lub kolorowe plamki o kształcie zbliżonym do okręgu o wymiarach od kilku do kilkunastu pikseli w zależności od lokalnej skali obrazu. Jako kryteria wyszukiwania kulek przyjęto jednorodność odbicia spektralnego ( w przyjętym zakresie), rozmiar oraz kształt zbliżony do okręgu. Obiecujące wyniki uzyskano stosując do wykrywania kulek fraktale. Obraz wartości fraktalnej poddano przekształceniom polegającym na wyeliminowaniu obiektów o wartości fraktalnej mniejszej niż 2.8, usunięciu obiektów o powierzchni większej niż 60 pikseli oraz współczynnika zwartości większego niż 0.72. Parametry ustalono na podstawie szczegółowej analizy cech jednego typowego obrazu i wykorzystano do analizy innych dwóch obrazów. Zastosowana procedura pozwoliła na poprawne wydzielenie 85 % zasygnalizowanych punktów. Przy ustalaniu wartości parametrów kierowano się założeniem, że mniejszym błędem jest wyznaczenie większej liczby obiektów niż pominięcie obiektów przez przyjęcie zbyt ostrych kryteriów. Położenie wydzielonych obiektów określono jako współrzędne środka ciężkości obszaru wyznaczone funkcją polyras jako polygon locator. W celu oceny dokładności współrzędnych określonych automatycznie porównano je z pomierzonymi manualnie. Odchylenie standardowe różnic współrzędnych wyniosło S x,y = 0.32 piksela co odpowiada 1÷2 mm w układzie obiektu. Uzyskana dokładność jest wystarczająca dla celów diagnozowania wad postawy. W przeprowadzonych analizach wykorzystano oprogramowanie IDRISI-32.
Detection and automatic position measurement on digital images is one of the basic tasks of digital photogrammetry and is done using advanced photogrammetric software. In this paper, an attempt was made to show to what extent GIS software, which uses a raster data model, can be used to detect particular features of objects with close range digital images. Texture analysis can be useful in locating the position of balls attached to the human body in a photogrammetric system for 3D measuring for diagnosis of posture defects, developed in the Department of Photogrammetry and Remote Sensing Informatics of the University of Mining and Metallurgy, Kraków. The images of the patient are taken on a special measuring stand, simultaneously with the use of two digital cameras. The back of the patient body is also visible in the mirror situated behind the patient. The images were taken with a OLYMPUS CAMEDIA C120 digital camera with a resolution of 1600×1200 pixels. The images of balls are light or colored spots with an approximately circular shape and dimensions ranging from a few to a dozen or so pixels, depending on the local image scale. As criteria for ball detection, the similarity of spectral reflectance (in assumed range), dimension and shape similar to a circle were assumed. Promising results in detecting the balls have been achieved using the concept of fractal dimension.The image of fractal dimension were processed to eliminate features with fractal dimensions less then 2.8, remove feature areas less then 60 pixels and a compactness ratio greater then 0.72. The parameters were chosen by closely analyzing typical images and then applying these parameters to analyze the other two. The selected procedure properly detected 85 % of the signal points. In determining the value of parameters, it was assumed that there would be fewer mistakes if more features were detected than for using excessively sharp criteria and omitting some features. For the position of detected objects, the coordinates of the center of gravity of the feature determined by polyras (option polygon locator) were assumed. To estimate the accuracy of the coordinate determined automatically, a manual comparison was done. The standard deviation of the coordinates’ differences equalled S x,y = ±0.32 pixel size, which corresponded to 1÷2 mm in the object scale. The achieved accuracy is sufficient for diagnosis of posture defects. In the analysis, a IDRISI32 was used.
Źródło:: Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 415-423
2083-2214
2391-9477
Pojawia się w:: Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: The use of cloud computing in mobile robotics
Wykorzystanie chmury obliczeniowej w robotyce mobilnej
Autorzy:: Burski, B.
Garbacz, P.
Powiązania:: https://bibliotekanauki.pl/articles/256959.pdf
Data publikacji:: 2014
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:: cloud robotics
RoboEarth platform
object recognition
mobile robotics
chmura obliczeniowa
platforma RoboEarth
wykrywanie obiektów
robotyka mobilna
Opis:: The increasing popularity of mobile service robots results in the development of technologies aimed at improving the performance of computing while simultaneously reducing energy consumption of processing units. Projects are proposed for offloading complex computation from robots into other platforms. The migration of data for storage, computing, and other purposes is described as cloud computing. This solution has a number of advantages over traditional approach, where all actions are performed on a single machine. The main advantages include the increase of operating time and decrease of mass by reducing the capacity of the required energy sources. This is thanks to the fact that the mobile agent can be tasked with no or only simple data processing. In the paper, an analysis of the capability of the most popular cloud robotic platforms is presented. Furthermore, descriptions of typical cloud architectures as well as factors in favour of applying cloud systems into mobile robots are described. Short descriptions of a number of popular cloud-based platforms including the DAvinCi project, Cloud-Based Robot Grasping Project, and RoboEarth are provided. RoboEarth is further described in greater detail including its main advantages. Basic tests using the Kinect sensor and RoboEarth object recognition software were performed. Lastly, a potential application for the system based on available mobile platforms is described.
Wzrost popularności robotyki mobilnej przyczynił się do poszukiwania technologii umożliwiających zwiększenie wydajności obliczeniowej jednostek sterujących przy jednoczesnym zmieszeniu ich zapotrzebowania energetycznego. Jednym z proponowanych rozwiązań jest przeniesienie złożonych obliczeniowo zadań z procesorów robotów do zewnętrznych platform. Migracja danych w celach przechowania, obliczeniowych i innych określana jest mianem chmury komputerowej. Rozwiązanie to, które zaproponowane zostało po raz pierwszy w latach 60. XX wieku, posiada szereg zalet w porównaniu z klasycznymi metodami przetwarzania danych. Najważniejsze z nich to zwiększenie czasu operacyjnego robota oraz redukcja jego masy poprzez zmniejszenie pojemności wymaganych źródeł energii. W artykule przedstawiono analizę stanu wiedzy z zakresu wykorzystania przetwarzania danych w chmurze obliczeń w zastosowaniach związanych z robotyką mobilną. Opisane zostały architektury chmur obliczeniowych wykorzystywanych w popularnych projektach: DAvinCi, Cloud-Based Robot Grasping oraz RoboEarth. Ze względu na otwarty charakter ostatniej z wymienionych platform została ona szerzej przedstawiona i wykorzystana w testach laboratoryjnych. W przeprowadzonych pracach badawczych zastosowano sensor Kinect, który został wykorzystany w celu detekcji obiektów za pomocą platformy RoboEarth. Przedstawiono potencjalne zastosowania opisanej technologii dla realizacji zadań wymagających zastosowania grupy robotów mobilnych.
Źródło:: Problemy Eksploatacji; 2014, 2; 61-72
1232-9312
Pojawia się w:: Problemy Eksploatacji
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Convolutional neural networks in the detection of astronomical objects from the Messier catalog
Autorzy:: Beluch, Witold
Śliwa, Paweł
Powiązania:: https://bibliotekanauki.pl/articles/38703870.pdf
Data publikacji:: 2023
Wydawca:: Instytut Podstawowych Problemów Techniki PAN
Tematy:: convolutional neural networks
astronomical objects detection
Messier catalog
konwolucyjna sieć neuronowa
wykrywanie obiektów astronomicznych
katalog Messiera
Opis:: This paper explores the application of convolutional neural networks in the field of amateur astronomy. The authors have employed the available astronomical datasets to develop a detector for identifying astronomical objects from the Messier catalog. A concept framework for creating such a detector for astronomical objects using artificial intelligence tools in the form of a detector based on convolutional neural networks is presented. Augmentation and pre-processing procedures have been used to extend the feature distribution in the training set. Examples confirming the effectiveness of the proposed detector of astronomical objects are presented.
Źródło:: Computer Assisted Methods in Engineering and Science; 2023, 30, 4; 461-479
2299-3649
Pojawia się w:: Computer Assisted Methods in Engineering and Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Detekcja obiektów szczególnie niebezpiecznych dla środowiska na dnie morza z wykorzystaniem zobrazowań satelitarnych i lotniczego skaningu batymetrycznego
Detection of Sea Bed Objects Extremely Dangerous for Environment Based on Satellite Imagery and Airborne Laser Bathymetry
Autorzy:: Kogut, T.
Oberski, T.
Kogut, P.
Powiązania:: https://bibliotekanauki.pl/articles/1818620.pdf
Data publikacji:: 2015
Wydawca:: Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:: batymetria laserowa
Morze Bałtyckie
batymetria satelitarna
ALB
wykrywanie obiektów
Airborne Laser Bathymetry
Baltic Sea
satellite bathymetry
objects detection
Opis:: Underwater storage of chemical substances placed on the bottom of the Baltic Sea are a major threat to the environment and the health and life of humans. Today, not all locations of the underwater storage sites are known and worsening of their condition and the tides make a periodic monitoring of the seabed is one of the most important tasks of hydrographic authorities to guarantee the marine environment protection and the safe navigation of vessels whose collision can cause an ecological disaster. The sea bed measurements have been carried out by ship-based echo sounding, but this method is rather expensive. The goal of this paper is to examine the possibility of detection of seabed objects based on satellite imagery and airborne laser bathymetry. The first part of the publication presents the principle of bathymetric data acquisition using bathymetric laser scanner and satellite imagery processing to bathymetric data. The second part of this paper presents an analyses the ALB (Airborne Laser Bathymetry) data and bathymetric data from processed satellite imagery. A comparison to echo sounding data shows only small differences in the depths values of ALB data, more than 95% is between ± 0.5 m, but big differences in the depths values of satellite data. The results of tests to object detection are similar to difference comparison. In data from airborne laser bathymetry is possible to find the object on the sea bed, but in satellite bathymetry data it's very difficult or even impossible to detect some object. This paper presents the data and results from the project 'Investigation on the use of airborne laser bathymetry in hydrographic surveying', carried out by the German Federal Maritime and Hydrographic Agency (BSH) in cooperation with the Institute of Photogrammetry and GeoInformation, Leibniz Universität Hannover, Germany.
Źródło:: Rocznik Ochrona Środowiska; 2015, Tom 17, cz. 2; 858-868
1506-218X
Pojawia się w:: Rocznik Ochrona Środowiska
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Deep Learning for Small and Tiny Object Detection: A Survey
Przegląd metod uczenia głębokiego w wykrywaniu małych i bardzo małych obiektów
Autorzy:: Kos, Aleksandra
Belter, Dominik
Majek, Karol
Powiązania:: https://bibliotekanauki.pl/articles/27312454.pdf
Data publikacji:: 2023
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: Deep Learning
Small Object Detection
Tiny Object Detection
Tiny Object Detection Datasets
Tiny Object Detection Methods
uczenie głębokie
wykrywanie małych obiektów
wykrywanie bardzo małych obiektów
zbiory danych bardzo małych obiektów
metody wykrywania bardzo małych obiektów
Opis:: In recent years, thanks to the development of Deep Learning methods, there has been significant progress in object detection and other computer vision tasks. While generic object detection is becoming less of an issue for modern algorithms, with the Average Precision for medium and large objects in the COCO dataset approaching 70 and 80 percent, respectively, small object detection still remains an unsolved problem. Limited appearance information, blurring, and low signal-to-noise ratio cause state-of-the-art general detectors to fail when applied to small objects. Traditional feature extractors rely on downsampling, which can cause the smallest objects to disappear, and standard anchor assignment methods have proven to be less effective when used to detect low-pixel instances. In this work, we perform an exhaustive review of the literature related to small and tiny object detection. We aggregate the definitions of small and tiny objects, distinguish between small absolute and small relative sizes, and highlight their challenges. We comprehensively discuss datasets, metrics, and methods dedicated to small and tiny objects, and finally, we make a quantitative comparison on three publicly available datasets.
W ostatnich latach, dzięki rozwojowi metod uczenia głębokiego, dokonano znacznego postępu w detekcji obiektów i innych zadaniach widzenia maszynowego. Mimo że ogólne wykrywanie obiektów staje się coraz mniej problematyczne dla nowoczesnych algorytmów, a średnia precyzja dla średnich i dużych instancji w zbiorze COCO zbliża się odpowiednio do 70 i 80 procent, wykrywanie małych obiektów pozostaje nierozwiązanym problemem. Ograniczone informacje o wyglądzie, rozmycia i niski stosunek sygnału do szumu powodują, że najnowocześniejsze detektory zawodzą, gdy są stosowane do małych obiektów. Tradycyjne ekstraktory cech opierają się na próbkowaniu w dół, które może powodować zanikanie najmniejszych obiektów, a standardowe metody przypisania kotwic są mniej skuteczne w wykrywaniu instancji o małej liczbie pikseli. W niniejszej pracy dokonujemy wyczerpującego przeglądu literatury dotyczącej wykrywania małych i bardzo małych obiektów. Przedstawiamy definicje, rozróżniamy małe wymiary bezwzględne i względne oraz podkreślamy związane z nimi wyzwania. Kompleksowo omawiamy zbiory danych, metryki i metody, a na koniec dokonujemy porównania ilościowego na trzech publicznie dostępnych zbiorach danych.
Źródło:: Pomiary Automatyka Robotyka; 2023, 27, 3; 85--94
1427-9126
Pojawia się w:: Pomiary Automatyka Robotyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Fast multispectral deep fusion networks
Autorzy:: Osin, V.
Cichocki, A.
Burnaev, E.
Powiązania:: https://bibliotekanauki.pl/articles/200648.pdf
Data publikacji:: 2018
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: multispectral imaging
data fusion
deep learning
convolutional network
object detection
image segmentation
obrazowanie wielospektralne
fuzja danych
uczenie głębokie
sieci splotowe
wykrywanie obiektów
segmentacja obrazu
Opis:: Most current state-of-the-art computer vision algorithms use images captured by cameras, which operate in the visible spectral range as input data. Thus, image recognition systems that build on top of those algorithms can not provide acceptable recognition quality in poor lighting conditions, e.g. during nighttime. Another significant limitation of such systems is high demand for computational resources, which makes them impossible to use on low-powered embedded systems without GPU support. This work attempts to create an algorithm for pattern recognition that will consolidate data from visible and infrared spectral ranges and allow near real-time performance on embedded systems with infrared and visible sensors. First, we analyze existing methods of combining data from different spectral ranges for object detection task. Based on the analysis, an architecture of a deep convolutional neural network is proposed for the fusion of multi-spectral data. This architecture is based on the single shot multi-box detection algorithm. Comparison analysis of the proposed architecture with previously proposed solutions for the multi-spectral object detection task shows comparable or better detection accuracy with previous algorithms and significant improvement of the running time on embedded systems. This study was conducted in collaboration with Philips Lighting Research Lab and solutions based on the proposed architecture will be used in image recognition systems for the next generation of intelligent lighting systems. Thus, the main scientific outcomes of this work include an algorithm for multi-spectral pattern recognition based on convolutional neural networks, as well as a modification of detection algorithms for working on embedded systems.
Źródło:: Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 875-889
0239-7528
Pojawia się w:: Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Fast detection study of foreign object intrusion on railway track
Autorzy:: Niu, H.
Hou, T.
Powiązania:: https://bibliotekanauki.pl/articles/223765.pdf
Data publikacji:: 2018
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: railway track
foreign object detection
multi-background modeling
multiple difference
tor kolejowy
wykrywanie obcych obiektów
modelowanie wielopoziomowe
Opis:: The foreign objects intrusion on railway track has seriously affected the safe operation of the train, and it is extremely urgent to monitor them in real time. In order to improve the detection accuracy and rapidity of foreign objects intrusion on railway track, the new detection method of foreign object intrusion on railway track based on multi-background modeling, multi-difference and proportion method of black and white pixels is put forward in this paper. The multi-background modeling method that includes the historical background modeling, the multi-frame average background modeling and the previous frame of current frame background modeling method is used to model background modeling, and the three backgrounds are updated respectively to achieve background updating. The improved Canny method and Hough transform method is used to extract track edge, and get the final track edge image. Based on track edge image, the railway track dangerous area was established through the image segmentation method to reduce the amount of information in image processing and improve the processing speed. And then, according to the structure method of multi-background modeling, the detection method that fuses the historical background difference, average background difference and interframe difference is used to detect foreign object intrusion on track, and the detection result was processed by the morphological open processing. Finally, for the foreign objects intrusion, the decision is done by the quantitative proportion method of black and white pixels of image. The experimental results show that this method has better noise immunity performance and environmental adaptability, and the accuracy and rapidity of foreign objects intrusion detection is improved effectively.
Źródło:: Archives of Transport; 2018, 47, 3; 79-89
0866-9546
2300-8830
Pojawia się w:: Archives of Transport
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Analizy czasowe i przestrzenne w rozproszonym systemie wizyjnym
Time and spatial analysis for a distributed vision system
Autorzy:: Piszczek, M.
Syska, K.
Ryniec, R.
Wawer, J.
Powiązania:: https://bibliotekanauki.pl/articles/156348.pdf
Data publikacji:: 2012
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: inteligentny monitoring
wykrywanie i śledzenie obiektów
lokalizacja obiektu
rozproszony system wizyjny
intelligent monitoring
detecting and tracking objects
object location
distributed vision system
Opis:: W artykule zaprezentowano metodykę przetwarzania danych obrazowych wykorzystywaną do analiz czasowych i przestrzennych w rozproszonym systemie wizyjnym. Poprawność działania zaprojektowanego systemu uwarunkowana jest kalibracją układu wizyjnego za pomocą dedykowanego znacznika pomiarowego. Operacja ta dzięki wyznaczeniu orientacji przestrzennej każdego z modułów akwizycji obrazu umożliwia modelowanie przestrzeni pomiarowej oraz usprawnia procedurę wykrywania, lokalizacji i analizy ruchu obiektów przemieszczających się w analizowanym obszarze. Proponowane rozwiązanie może przyczynić się do rozszerzenia funkcjonalności dynamicznie rozwijającego się tzw. "Inteligentnego monitoringu."
Development of digital image acquisition devices of increased computing power enables implementing more sophisticated algorithms in intelligent image analysis. It results in huge amounts of data that need to be processed and relevant information should be extracted from them. Most intelligent systems restrict their analysis of the "observed" scene to the image coordinates of individual cameras. However, you can go a step further in this type of analysis. If a distributed vision system can be parameterized, it is possible to perform space-time analysis of events in relation to the entire vision system (and monitored by the area), not just a single camera. The integrity of the designed system is determined by calibration of the video by using a dedicated measurement marker. This operation through the appointment of the spatial orientation of each image acquisition module allows modelling the measuring space and improves the procedure for detection, localization and motion analysis of objects moving in the analysed area. The paper presents configuration and methodology of image data processing of a distributed vision system which performed preliminary time - space analysis of the recorded video. It also describes algorithms used for calibrating and testing a position detector and positioning objects within the test scene. The proposed distributed monitoring system provides new opportunities for the market.
Źródło:: Pomiary Automatyka Kontrola; 2012, R. 58, nr 1, 1; 59-62
0032-4140
Pojawia się w:: Pomiary Automatyka Kontrola
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: Monitoring of dynamic objects by observation systems of visible range of waves
Monitoring obiektów dynamicznych przy pomocy systemów obserwacyjnych z widzialnego zakresu fal
Autorzy:: Prudyus, I.
Tkachenko, V.
Lazko, L.
Kondratov, P.
Fabirovskyy, S.
Hryvachevskyi, A.
Powiązania:: https://bibliotekanauki.pl/articles/210954.pdf
Data publikacji:: 2018
Wydawca:: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:: monitoring wideo
wykrywanie poruszających się obiektów
wykrywanie poruszających się cieni
odejmowanie tła
różnica między ramkami
video monitoring
detection of moving objects
detection of moving shadows
background subtraction
interframe difference
Opis:: The article deals with the problem of correct detection of moving objects when they are monitored by the monitoring system that operates in the visible range of the electromagnetic radiation spectrum. Based on the analysis of existing methods, for detection of moving objects there is proposed an algorithm that is adaptive to destabilizing factors. This algorithm makes it possible to increase the accuracy of moving objects detection. The algorithm takes into account the presence of noise and its heterogeneity, both in space and time, and also removes the influence of moving shadows. The correctness of the algorithms described in this article is confirmed by their software implementation and modelling. In the process of modelling, the accuracy of object detection, proposed by the algorithm under different observation conditions, and the motion parameters of the objects were estimated.
Artykuł porusza problem prawidłowego wykrywania poruszających się obiektów, gdy są one monitorowane przez system monitorujący działający w widzialnym zakresie spektrum promieniowania elektromagnetycznego. Na podstawie analizy istniejących metod zaproponowano adaptacyjny algorytm uwzględniający czynniki destabilizujące. Algorytm ten umożliwia zwiększenie dokładności wykrywania poruszających się obiektów. Uwzględnia on obecność szumu i jego niejednorodność, zarówno w przestrzeni, jak i w czasie, a także eliminuje wpływ ruchomych cieni. Poprawność algorytmów, opisanych w tym artykule, potwierdzono w czasie ich realizacji i modelowania. W trakcie symulacji przeprowadzono oszacowanie dokładności detekcji obiektów według zaproponowanego algorytmu w różnych warunkach obserwacji i dla różnych parametrów ruchu obiektu.
Źródło:: Biuletyn Wojskowej Akademii Technicznej; 2018, 67, 2; 15-26
1234-5865
Pojawia się w:: Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Moving object detection in car traffic with implementation of optical sensors
Autorzy:: Szablata, Piotr
Łąkowski, Paweł
Pochmara, Janusz
Powiązania:: https://bibliotekanauki.pl/articles/1841238.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:: infrared sensors
linearization algorithm
collision detection
blind data algorithm
tracking objects
Intel R200
czujniki podczerwieni
algorytm linearyzacji
wykrywanie kolizji
algorytmy ślepe
śledzenie obiektów
Opis:: In this investigation, the problem of moving object detection - without any knowledge - is classified. It describes a technique that will allow real-time localization with usage of IR sensors. The proposed algorithm is simplistic, and in the future, it might be implemented into any vehicle, premium or entry level. It is guided by AI that must calculate its next moves in the blink of an eye without user noticing any delays. The main problem of moving object recognition was extraction of proper features, description of the events, and choice of only the crucial ones. The presented novel approach does not follow any standard algorithms. It is a practical hardware implementation of custom solution, based on processing system, which can be well situated in the safety modules of future cars.
Źródło:: Transport Problems; 2020, 15, 4, cz. 1; 105-116
1896-0596
2300-861X
Pojawia się w:: Transport Problems
Dostawca treści:: Biblioteka Nauki