Usuwanie tła w wideo nagraniach pochodzących z monitorowania basenu pływackiego

• Autorzy: Reiter K. , Kowalczuk Z.

Identyfikatory

DOI

10.14313/PAR_229/15

Warianty tytułu

EN

Background removal in video recordings from swimming pool monitoring

• Języki publikacji: PL

Abstrakty

PL

Automatyczna obróbka obrazu w czasie rzeczywistym jest kluczowa dla wielu rozwiązań monitoringu wykorzystywanych m.in. w celach bezpieczeństwa. Często jednym z ważniejszych etapów obróbki jest oddzielenie tła od obiektów na pierwszym planie, tak aby wykluczyć wszystkie nieistotne informacje z obrazu. Celem pracy jest podsumowanie doświadczenia zdobytego podczas śledzenia pływaków oraz pokazanie możliwości skutecznego automatycznego nadzoru wideo osób korzystających z basenu. Porównano skuteczność działania dwóch wybranych algorytmów (MOG i KNN) przy użyciu różnych odwzorowań kolorów oraz omówiono zalety i wady analizowanych metod.

EN

Automatic real-time image processing is crucial for many (video surveillance) monitoring solutions used, among others for security purposes. Often one of the most important stages of computer vision processing is separating the background from the objects in the foreground, so as to exclude all irrelevant information from the image. The aim of this work is to summarize the experience gained while tracking swimmers and to show the possibility of effective automatic video surveillance of people using a swimming pool. The effectiveness of two selected algorithms (MOG and KNN) is compared using different color mappings and the advantages and disadvantages of the analyzed methods are discussed.

Słowa kluczowe

PL

monitoring; basen pływacki; przetwarzanie obrazów; usuwanie tła; eliminacja szumów; OpenCV

EN

video surveillance; background subtraction; video processing; OpenCV; noise cancellation

• Wydawca: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów PIAP
• Czasopismo: Pomiary Automatyka Robotyka
• Rocznik: 2018
• Tom: R. 22, nr 3
• Strony: 15--22
• Opis fizyczny: Bibliogr. 13 poz., fot., rys., tab.

Twórcy

autor

Reiter K.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Katedra Systemów Decyzyjnych i Robotyki, Narutowicza 11/12, 80-233 Gdańsk

autor

Kowalczuk Z.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Katedra Systemów Decyzyjnych i Robotyki, Narutowicza 11/12, 80-233 Gdańsk

Bibliografia

• 1. Baldini G., Campadelli P., Cozzi D., Lanzarotti R., A simple and robust method for moving target tracking, Proceedings of the International Conference Signal Processing Pattern Recognition and Applications (SPPRA 2002) 2002, 108-112.
• 2. Bishop C.M., Neural Networks for Pattern Recognition, chap. 2, 51-57. Clarendon Press. 1995.
• 3. Dai J., Li Y., He K., Sun J., R-FCN: Object detection via region-based fully convolutional networks, https://arxiv.org/pdf/1605.06409.pdf.
• 4. Gonzalez R.C., Woods R.E., Image segmentation. [in:] Digital Image Processing (2nd Ed), chap. 10, 567-635. Prentice Hall 2002.
• 5. KaewTraKulPong P., Bowden R., An improved adaptive background mixture model for real-time tracking with shadow detection. The 2nd European Workshop on Advanced Video-based Surveillance Systems. 1-5. Kluwer Academic Publishers 2001.
• 6. Piccardi M., Background subtraction techniques: A review. 2004 IEEE International Conference on Systems, Man and Cybernetics. Vol. 4, 3099-3104. IEEE (2004), DOI: 10.1109/ICSMC.2004.1400815.
• 7. Reiter K., Monitoring basenu publicznego. Praca magisterska nr pg/weti/ksdir/zk263m/09/2017 (promotor: prof. Z. Kowalczuk), Wydział ETI, Politechnika Gdańska, Gdańsk 2017.
• 8. Rypniewski J.J., Monitoring wizyjny w pracy ratownika wodnego (2014), http://plywalnieibaseny.pl/monitoring-wizyjny-w-pracy-ratownika-wodnego.
• 9. Wren C.R., Azarbayejani A., Darrell T., Pentland A.P., Pfinder: Real-time tracking of the human body. IEEE Trans. Pattern Anal. Mach. Intell. 19(7), 780-785, 1997.
• 10. Yilmaz A., Javed O., Shah M., Object tracking: A survey. ACM Computing Surveys 38(4), 13:1-45 (2006)
• 11. Zhu X., Zhu J.D.X., Yuan Y.W.L., Towards high performance video object detection for mobiles 2018, https://arxiv.org/pdf/1804.05830.pdf
• 12. Zivkovic Z., Improved adaptive gaussian mixture model for background subtraction. Proceedings of the 17th International Conference on Pattern Recognition, 2004. ICPR 2004. Vol. 2, pp. 28-31. IEEE 2004.
• 13. Zivkovic Z., Heijden, F.v.d.: Improved adaptive gaussian mixture model for background subtraction. Pattern Recognition Letters 27(7), 773-780 (2006) 15

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).