Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 11

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  śledzenie obiektów
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
100%
PL
W artykule przedstawiono różne podejścia do modelowania ruchu obiektu, począwszy od najprostszego modelu kinematycznego a skończywszy na rozbudowanym modelu Moose'a, w sposób najpełniejszy opisującymjego zachowanie się. Zbudowano generator trajektorii i przebadano możliwość generacji trajektorii o dowolnych kształtach przy różnych parametrach, wykorzystując model Moose'a i udowadniając jego przydatność w modelowaniu ruchu obiektów.
EN
Different approaches to the object movement modelling are presented in the article. Not only very simple but also very complex Moose models are discussed. The object trajectory generator was built and investigated. Different trajectory shapes and many parameter values using selected model were tested.
|
|
tom nr 11
33-39
PL
W pracy przedstawiono opis sztucznej sieci neuronowej do lokalizacji i śledzenia obiektu w obrazach wideo z wykorzystaniem środowiska MATLAB oraz wyniki badań odporności algorytmu na mogące wystąpić zakłócenia. W artykule zaprezentowana została architektura sztucznej sieci neuronowej o radialnych funkcjach bazowych. Pokazany został zarówno algorytm śledzenia celu z wykorzystaniem powyższej architektury sieci, jak i metoda modelowania oraz lokalizacji celu. W podsumowaniu przedstawione zostały wyniki przeprowadzonych symulacji algorytmów śledzących opartych na sztucznych sieciach neuronowych.
EN
The main problem considered in this article was the artificial neural network design for target localization and target tracking in video sequence, with the use of Matlab environment. What is more, the algorithm resistance to noise and disturbances that may occur was studied. The article presents the architecture of artificial neural network with radial basis functions. The algorithm for tracking as well as the method for target modeling and localization with the use of the above network architecture is shown. In the summary there are results of conducted simulations in Matlab of video trackers based on artificial neural networks.
EN
The article presents issues connected with association of radar and AIS targets in the process of integration of this two systems. Theoretical analysis of the problem has been carried out. IMO requirements has been depicted and included in three association criteria proposed, which sequentially implemented in the algorithm allow firm association of radar and AIS targets. The general condition for association has been presented and it has been subsequently detailed for each criterion. As the basic test association of the position has been taken and it can be supplemented by association of movement vector and history of association in the furtherer steps. In each case the association gate has been defined. The sizes of gates, which allow to consider chosen criterion as fulfilled has been determined by analysis. The presented association algorithms may be used as the first step of radar–AIS integration to lead to multisensory vector fusion in the consecutive steps
PL
W artykule przedstawiono problematykę związaną z asocjacją obiektów radarowych i AIS w ramach procesu integracji tych dwóch systemów. Przeprowadzono teoretyczną analizę zagadnienia. Opisano wymagania IMO i z ich uwzględnieniem zaproponowano trzy kryteria asocjacji, które zastosowane sekwencyjnie w algorytmie pozwolą na jednoznaczne wskazanie przyporządkowanych obiektów z radaru i AIS. Przedstawiono ogólny warunek asocjacji, który następnie rozwinięto szczegółowo dla poszczególnych kryteriów. Jako test podstawowy przyjęto asocjację pozycji, która w kolejnych krokach może być uzupełniona o asocjację wektora ruchu i historii asocjacji w poprzednich krokach. W każdym przypadku zdefiniowano bramkę asocjacyjną. Na drodze analitycznej wyznaczono wielkości bramek, a więc konkretne wartości, które pozwolą uznać wybrane kryterium za spełnione. Zaprezentowane algorytmy asocjacji mogą stanowić pierwszy etap integracji obiektów śledzonych przez radar i AIS, aby w kolejnych doprowadzić do fuzji wektorów z obu systemów.
EN
An algorithm for resolving conflicts in tracking of moving objects is presented. The proposed approach utilizes predicted states calculated by Kalman filters for estimation of trackers position, then it uses color and texture descriptors in order to match moving objects with trackers. Problematic situations, such as splitting objects, are addressed. Test results are presented and discussed. The algorithm may be used in the system for automatic detection of security threats.
PL
W artykule przedstawiono algorytm rozwiązywania konfliktów w śledzeniu obiektów ruchomych. Proponowana metoda wykorzystuje predykcję stanu obiektu obliczaną przez filtry Kalmana oraz dopasowuje wykryte obiekty do struktur śledzących ich ruch na podstawie deskryptorów koloru i tekstury. Omówiono specyficzne sytuacje powodujące konflikty, takie jak rozdzielanie obiektów. Przedstawiono wyniki testów. Algorytm może być zastosowany w systemie automatycznego wykrywania zagrożeń w monitoringu wizyjnym.
EN
The aim of the article is to review and implement methods of tracking objects in sequences of video image. The outcome of the test is to indicate the method that fulfils assumptions concerning the amount of correctly recognisable image pixels and the work speed of chosen algorithm. The following methods of tracking objects were tested: optical flow, CAMshift method (Continuously Adaptive Mean Shift), Mixture of Gaussians and SURF method (Speeded-Up Robust Features).
6
Content available Metoda zdalnego zarządzania robotami mobilnymi
72%
PL
Artykuł przedstawia badania efektywności zarządzania układami mobilnymi przez Internet oraz testowanie skuteczności algorytmu śledzenia robota sterowanego zdalnie. Eksperymenty zostały przeprowadzone na zrealizowanym do tego celu systemie - serwis internetowy oferujący przeprowadzanie gry pomiędzy dwoma, zdalnie sterowanymi robotami. Do wykonania powyższych założeń wykorzystany został statystyczny algorytm śledzenia punktu oparty o rozszerzony filtr Kalmana. Przeprowadzono szereg testów.
EN
The paper presents an analysis of the effectiveness of mobile system management via the Internet [1] and testing of the effectiveness of the tracking algorithm robot controlled remotely [2, 3]. A object tracking algorithm based on the Extended Kalman Filter is implemented into a game for two robots (Fig. 1). The project proves the efficiency of the robot control and the EKF accuracy by observing and analyzing the work of the internet service, which allows two remote-controlled robots to take a part in the game [8]. Similar examples are in medicine [5] as well as international research and education [6]. All of them use advanced robotics technologies [4, 7, 9]. The robot used in the experiments is an educational robot Mindstorms NXT and in this paper we prove that it also gives many possibilities to achieve interesting results in robot remote-control and human-robot interaction (Fig. 2). In the case of tests for the reaction time of the robot on request, one can draw positive conclusions. In situations where no response is required from the server, the response time of the systems to commands from the remote computers is instant. The effectiveness of the tracking algorithm for the remote-controlled robot was tested by conducting a series of tests. They showed a proportional dependency between the velocity of the robots and the coordinate errors (Figs. 3 and 4). A possible direction of development of the system may be the use of more advanced Internet technologies, which could accelerate communication between a client and a server.
PL
Lotniska od początku swojego istnienia borykają się z problemem kontroli przelotów lub bytowania ptaków, co powoduje wzrost prawdopodobieństwa wystąpienia kolizji statku powietrznego z nimi. System obserwacji przestrzeni powietrznej pozwoli na zarejestrowanie obiektu latającego poruszającego się w obserwowanej strefie. Może nim być również dron. Jest urządzeniem przeznaczonym do zastosowania na terenie lotniska i w jego okolicy. Ma on na celu wykrywać i śledzić niepożądane obiekty oraz przekazywać informację do operatora urządzenia o możliwym zagrożeniu. Praca urządzenia polega na obserwacji wyznaczonego sektora za pomocą kamery i rejestracji obrazu widzianego przez nią. System po wykryciu obiektu rozpoczyna proces śledzenia i alarmowania w postaci wizualnej i akustycznej.
EN
Since the beginning of its existence, airports have been struggling with the problem of flight control or the existence of birds, which increases the probability of an aircraft collision with them. The airspace observation system will allow to register a flying object moving in the observed zone. It can also be a drone. It is a device intended for use in and around the airport. Its purpose is to detect and track undesirable objects and transmit information to the device operator about a possible threat. The device works by observing the designated sector with a camera and recording the image seen by it. After detecting the object, the system starts the process of tracking and alerting in the visual and acoustic form.
|
|
tom T. 34, nr 65
29--37
PL
W artykule przybliżono przebieg procesu implementacji systemu sterującego dla prostej, dwunożnej konstrukcji kroczącej. Szczególny nacisk położono na problemy pojawiające się podczas integracji oprogramowania odpowiadającego za proces generowania chodu z rzeczywistym modelem robota. Zaproponowano wykorzystanie dodatkowych, kalibracyjnych elementów programowych, pozwalających m.in. na śledzenie położenia kluczowych punktów konstrukcji podczas ruchu. Zostały one wykorzystane do korekcji wpływu niekorzystnych czynników takich jak niedokładność wykonania konstrukcji czy też skomplikowana geometria kończyn. Główna funkcjonalność dodatkowego oprogramowania kalibracyjnego została oparta na metodach i algorytmach związanych z zagadnieniami z dziedziny analizy i przetwarzania obrazów.
EN
This paper discusses the process of the implementation of the control system for simple, bipedal moving. Particular attention has been placed on the issues that arise during the integration of software responsible for gait generation process with the real model of the robot. It has been suggested to use additional, calibration software elements, include elements allowing to track the position of the key points of the structure during its movement. These have been used to correct the impact of adverse factors such as uncertainty in robot construction or the complicated geometry of the limbs. The main functionality of the additional, calibration software was based on methods and algorithms related to image processing and analysis.
9
58%
PL
Artykuł przedstawia system do detekcji osób na nagraniach pochodzących z monitoringu miejskiego na otwartej przestrzeni. Proponowany system został przetestowany w trudnych, nocnych warunkach oświetlenia. W celu polepszenia jakości zarejestrowanych sekwencji wideo zaproponowano algorytm lokalnej poprawy kontrastu. Dzięki niemu detekcja obiektów ruchomych za pomocą GMM (Gaussian mixture model) oraz analizy BLOB (binary large object) jest bardziej precyzyjna. Dodatkowo ruchome obiekty wykryte w obrazie binarnym są śledzone przy użyciu filtru Kalmana, co zwiększa skuteczność algorytmu wykrywającego osoby. W artykule omówiono również dobór parametrów programu oraz sposób akwizycji obrazów.
EN
The article presents the issue related to the intelligent analysis of video sequences, which are obtained from the city monitoring. Analysis of people detection, who passed under the camera in the outdoor scenes, has been tested in low lighting conditions (during the night). In order to improve the quality of acquired video sequences, local contrast enhancement algorithm was used. Thanks to this, detection of moving objects with the use of the GMM (Gausian mixture model) and BLOB (binary large object) analysis is more precise. In addition, detected moving objects in the binary image are tracked with the use of Kalman filter, which increases the efficiency of people detection. Selection of algorithm parameters and video acquisition method were also discussed.
EN
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.
11
Content available remote Object detection in the police surveillance scenario
51%
EN
Police and various security services use video analysis when investigating criminal activity. One typical scenario is the selection of object in image sequence and search for similar objects in other images. Algorithms supporting this scenario must reconcile several seemingly contradicting factors: training and detection speed, detection reliability and learning from sparse data. In the system that we propose a combined SVM/Cascade detector is used for both speed and detection reliability. In addition, object tracking and background-foreground separation algorithm together with sample synthesis is used to collect rich training data. Experiments show that the system is effective, useful and suitable for selected tasks of police surveillance.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.