490575393

Rozdział 2

Detekcja

2.1 Analiza wideo a wizyjna detekcja ruchu

Detekcja mchu w najprostszym tłumaczeniu ukazuje różnicę pomiędzy dwoma klatkami obrazu: sąsiednimi bądź pomiędzy aktualną, a przechowywanym tłem sceny. W tym rozwiązaniu, algorytm nie jest w stanie odróżnić człowieka np. od samochodu po innym kryterium, niż rozmiar. Innymi słowy, detekcja mchu polega tylko i wyłącznie na ocenie wielkości gmpy pikseli. Jeżeli wygenerowany obszar jest wystarczająco duży, to wtedy i tylko wtedy, zostanie wykryty. Tego typu opis systemu niesie duże ograniczenia w jego zastosowaniach oraz w jego skuteczności. Do podstawowych niedogodności metody zaliczamy m.in.:

-    dynamizm tła: pomszające się pod wpływem wiatm gałęzie drzew lub falująca woda, w znaczący sposób utmdniają poprawną detekcję.

-    połyskliwe powierzchnie metaliczne, szkło lub duże przedmioty odbijające światło: wszystkie wyróżnione elementy mogą być przyczyną błędnych rozpoznań.

-    brak automatycznej adaptacji systemu do zmieniających się wamnków atmosferycznych.

Wymienione powyżej ograniczenia zawężają skuteczność działania metody detekcji mchu do pomieszczeń zamkniętych, czyli do wykorzystywania ich w stabilnych wamnkach środowiskowych oraz oświetleniowych.

Dziedzina analizy wideo jest znacznie bardziej skomplikowana od typowego systemu detekcji. Termin Video Analylics jest stosowany w odniesieniu do aplikacji umożliwiających następujące funkcje:

-    rzeczywistą detekcję typu obiektu, a nie tylko wykrywanie gmpy pikseli.

-    separację obiektu zainteresowania od dynamicznie zmieniającego się tła.

-    automatyczne dostosowanie systemu do zmieniających się wamnków otoczenia.

-    śledzenie obiektu w całym polu widzenia.

Dział rozpoznawania tablic rejestracyjnych, rozpoznawania twarzy czy też metod śledzenia obiektów, zaliczamy do podzbiom analizy wideo. Projektując tego typu system, winniśmy uwzględniać powyżej omówioną problematykę oraz cele stawiane tym aplikacją.

7