Wizyjny system detekcji ptaków na potrzeby autonomicznych pojazdów latających

• Autorzy: Fastowicz J. , Okarma K.

Warianty tytułu

EN

Vision based system for detection of birds for autonomous Unmanned Aerial Vehicles

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano koncepcję systemu wizyjnego mającego na celu detekcję ptaków znajdujących się w pobliżu bezzałogowego statku powietrznego wyposażonego w kamery. Zasadniczym celem systemu jest detekcja i odstraszenie lecących ptaków stanowiących zagrożenie dla bezpieczeństwa lotu drona. W pracy przedstawiono wyniki badań eksperymentalnych przeprowadzonych na stworzonej w tym celu bazie zdjęć gołębi, w efekcie których uzyskano ok. 90% skuteczność detekcji przy założeniu nieruchomej kamery. Dalsze badania mające na celu poprawę skuteczności rozpoznawania sylwetek ptaków zorientowane są na zastosowanie metod wstępnego przetwarzania obrazów oraz opracowanie klasyfikatora hybrydowego.

EN

In the article the idea of the vision based system for detection of birds near the Unmanned Aerial Vehicle equipped with cameras is presented. The main goal of the system is detection and deterrence of flying birds constituting a danger for the drone’s flight safety. In the paper some results of experiments have been presented which have been conducted using specially prepared database of images of pigeons and doves. As the result the detection accuracy of about 90% has been achieved assuming the immobile camera. Further research, aimed at improving the recognition efficiency of birds’ silhouettes will be oriented on the use of image pre-processing methods and the development of a hybrid classifier.

Słowa kluczowe

PL

system wizyjny; ptaki; bezpieczeństwo lotu; drony

EN

vision system; birds; flight safety; drones

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 3524--3532
• Opis fizyczny: Bibliogr. 8 poz., rys., schem., tab., pełen tekst na CD3

Twórcy

autor

Fastowicz J.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37

autor

Okarma K.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37

Bibliografia

• 1. Bradski G., Kaehler A., Learning OpenCV. Sewastopol, 2008
• 2. Canny J., A Computational Approach To Edge Detection. IEEE Trans. Pattern Analysis and Machine Intelligence 1986, Vol. 8, pp. 679–714
• 3. Liao S., Zhu X., Lei Z., Zhang L., Li S. Z., Learning Multi-scale Block Local Binary Patterns for Face Recognition, Lecture Notes in Computer Science 2007, Vol. 4642, pp. 828–837, Springer-Verlag Berlin Heidelberg
• 4. Li W., Lin Y., Fu B., Sun M., Wu W., Cascade Classifier Using Combination of Histograms of Oriented Gradients for Rapid Pedestrian Detection, Journal of Software 2013, Vol. 8, No. 1, pp. 71–77
• 5. Lienhart R., Maydt J., An Extended Set of Haar-like Features for Rapid Object Detection. Proceedings of the International Conference on Image Processing ICIP’2002, pp. I: 900–903
• 6. Viola P., Jones M. J., Rapid Object Detection using a Boosted Cascade of Simple Features, Mitsubishi Electric Research Laboratories, 2004
• 7. Viola P., Jones M. J., Robust Real-Time Face Detection, International Journal of Computer Vision 2004, Vol. 57, No. 2, pp. 137–154, Kluwer Academic Publishers, Netherlands
• 8. OpenCV documentation, http://docs.opencv.org/2.4.5/modules/refman.html