Wyniki wyszukiwania - BazTech

1

People counting vision system based on ARM processor programmed using Simulink environment

Marciniak T., Chmielewska A., Dąbrowski A., Malina A.

Elektronika : konstrukcje, technologie, zastosowania

|

2014

|

Vol. 55, nr 6

55-59

PL

Artykuł przedstawia analizę i implementację algorytmu do wykrywania i zliczania osób w sekwencji wideo pochodzącej z systemu monitoringu wizyjnego. W pierwszej części artykułu dokonano przeglądu stosowanych metod zliczania osób. Następnie skoncentrowano się na przygotowanym w środowisku MATLAB/Simulink modelu, który umożliwia detekcję i zliczanie osób przechodzących bezpośrednio pod kamerą umieszczoną pionowo w dół przy wejściu do monitorowanego obszaru (np. budynku). Opracowany algorytm uwzględnia kierunek przejścia danej osoby. Powyższy model zaimplementowany został na mikrokomputerze Raspberry Pi z procesorem ARM 1176JZF-S, czyniąc całość systemem autonomicznym.

EN

In this paper an analysis and implementation of the algorithm for detecting and counting people in video surveillance systems is presented. First, we recapitulate methods which can be used for people counting. Next, we concentrate on our MATLAB/Simulink model for detecting people, who are passing under a camera positioned vertically down at the entrance to the monitored area (e.g., a building). The prepared algorithm takes the direction of the transition of a person into account. This model was implemented in the Raspberry Pi microcomputer based on the ARM1176JZF-S processor making the entire system to be autonomous.

2

Zastosowanie metod przetwarzania sekwencji wideo do wspomagania monitoringu miejskiego

Chmielewska A., Pawłowski P., Dąbrowski A.

Zeszyty Naukowe Wyższej Szkoły Informatyki

|

2010

|

Vol. 9, Nr 3

65-84

PL

Praca przedstawia praktyczne zastosowania metod przetwarzania sekwencji wideo w automatycznym wykrywaniu sytuacji zagro- żeń bezpieczeństwa za pomocą rozbudowanych systemów monitoringu i CCTV. Uwzględniono kilka najczęściej spotykanych sytuacji zagrożenia, w tym m.in. wejście osoby na przejście dla pieszych przy czerwonym świetle, jazdę samochodem w niewłaściwym kierunku na ulicy jednokierunkowej. Zrealizowano również wykrycie zagrożeń przez zbyt szybko poruszające się obiekty (pojazdy, osoby), wystąpienia dymu lub ognia, inteligentny monitoring przystanków komunikacji miejskiej z detekcją wtargnięcia osoby na tory lub jezdnię. Zaproponowane modele zdarzeń wykorzystano i przetestowano w algorytmach automatycznej detekcji zagrożeń z użyciem technik przetwarzania sekwencji wideo.

EN

This article presents applications of video processing theory in the automatic detection of threats in advanced CCTV systems. Several, most common situations were analyzed: pedestrian crossing on the red light, driving in wrong direction on the one-way road. Some other danger situation were also taken into account: too fast object movement (people, cars), smoke or fire, entering on forbidden areas like for example tracks on the tram stop. The algorithms for detection of these situations were proposed. Presented models of the threats were utilized and tested in the algorithms for automatic detection and supporting of CCTV operators, using video processing techniques.

3

Selection of tracking model parameters in embedded video system

Marciniak T., Jackowski D., Pawłowski P., Dąbrowski A.

Elektronika : konstrukcje, technologie, zastosowania

|

2010

|

Vol. 51, nr 3

53-57

EN

This paper shows an implementation and effectiveness analysis of object tracking in video sequences using an embedded system. The tracking algorithm was designed as a model in Matlab/Simulink environment. After optimizations this model was adapted to the embedded system, which consists of DM6437 Evaluation Module and input and output video devices. During the tests an influence of additional image operations on the number of the processed frames per second was analyzed.

PL

Artykuł prezentuje implementację oraz analizę efektywności śledzenia obiektów w sekwencjach wideo z zastosowaniem systemu wbudowanego. Algorytm śledzenia został zaprojektowany jako model w środowisku Matlab/Simulink. Po optymalizacji, budowę modelu dostosowano do wymagań systemu wbudowanego, składającego się z modułu eksperymentalnego DM6437 oraz wejściowych oraz wyjściowych urządzeń wideo. Podczas testów przeanalizowano wpływ dodatkowych przekształceń obrazu na liczbę przetwarzanych ramek w czasie sekundy.