ДЕТЕКЦИЯ СМЕЩЕНИЯ РАКУРСА СЪЕМКИ В СИСТЕМАХ ВИДЕОНАБЛЮДЕНИЯ НА ОСНОВЕ МЕТОДА ОПОРНЫХ ТОЧЕК
Авторы:
1.
Академия наук Республики Татарстан
ГБУ «Безопасность дорожного движения»
ГБУ «Безопасность дорожного движения»
2.
Казанский национальный исследовательский технический университет им. А.Н. Туполева
3.
Казанский национальный исследовательский технический университет им. А.Н. Туполева
4.
Казанский государственный энергетический университет
5.
КНИТУ-КАИ
6.
ГБУ «Безопасность дорожного движения»
Тип:
Статья
Номер статьи:
Статус:
Опубликован
Получено:
07.08.2025
Одобрено:
07.08.2025
Опубликовано:
07.08.2025
Язык материала:
русский
Ключевые слова:
ВИДЕОНАБЛЮДЕНИЕ, РАКУРС СЪЕМКИ, МАШИННОЕ ЗРЕНИЕ, ОБРАБОТКА ВИДЕОИЗОБРАЖЕНИЙ, МЕТОД ОПОРНЫХ ТОЧЕК, ДЕТЕКЦИЯ СМЕЩЕНИЯ РАКУРСА СЪЕМКИ
Аннотация (русский):
Статья посвящена решению задачи детекции смещения ракурса съемки в системах видеонаблюдения. Детекция смещения камеры рассматривается как задача определения изменений между кадрами на видеопотоке. Одним из эффективных подходов к ее решению является сопоставление кадров на основе метода опорных точек (поиск и сопоставление выделяющихся областей на изображении). Большинство научных работ описывают сопоставление статичных кадров или трекинг объектов. Однако в условиях городской среды часто возникают динамические кадры с движущимися пешеходами или транспортом. Это потребовало дополнительного исследования применимости метода опорных точек к указанным условиям. Исследование включало реализацию трех этапов: статическое положение камеры (анализ кадров с неподвижной камеры в дневное и ночное время суток), горизонтальное смещение камеры (анализ кадров с контролируемым горизонтальным смещением от 10°до 50°) и вертикальное смещение камеры (анализ кадров с контролируемым вертикальным смещением от 10°до 50°). Для исследования метода выбраны следующие алгоритмы сопоставления опорных точек: SIFT, SURF, AKAZE и ORB. Для оценки их эффективности рассчитаны значения следующих метрик: количество сопоставленных точек (Matches), время выполнения в секундах (Time), средняя величина сдвига (Shift), доля подвижных точек (Shift Ratio) и согласованность сдвига (Shift Consistency). При тестировании алгоритмов на статичных кадрах средний сдвиг точек оставался минимальным (менее 1 пикселя) как в дневное, так и в ночное время. Ложноположительных результатов, указывающих на смещение камеры, не наблюдалось. При вертикальном смещении камеры средний сдвиг точек визуально увеличивался, что служило признаком движения камеры. При углах смещения больше 20 градусов количество сопоставленных точек резко падало. При статичном положении камеры среднее количество точек было стабильно. В целом, проведенное исследование показало, что алгоритм ORB имеет самое низкое время выполнения (Time), но и низкую точность при вычислении среднего сдвига (Shift). Алгоритм SURF оказался самым медленным, хотя и показал удовлетворительные результаты по точности. Алгоритм SIFT показал хорошие результаты при работе на статичных кадрах и вертикальном смещении, но не справился с горизонтальным смещением. AKAZE показал наиболее стабильные результаты во всех тестах. Таким образом, метод опорных точек может быть эффективно использован для решения поставленной задачи в системах видеонаблюдения.
Статья посвящена решению задачи детекции смещения ракурса съемки в системах видеонаблюдения. Детекция смещения камеры рассматривается как задача определения изменений между кадрами на видеопотоке. Одним из эффективных подходов к ее решению является сопоставление кадров на основе метода опорных точек (поиск и сопоставление выделяющихся областей на изображении). Большинство научных работ описывают сопоставление статичных кадров или трекинг объектов. Однако в условиях городской среды часто возникают динамические кадры с движущимися пешеходами или транспортом. Это потребовало дополнительного исследования применимости метода опорных точек к указанным условиям. Исследование включало реализацию трех этапов: статическое положение камеры (анализ кадров с неподвижной камеры в дневное и ночное время суток), горизонтальное смещение камеры (анализ кадров с контролируемым горизонтальным смещением от 10°до 50°) и вертикальное смещение камеры (анализ кадров с контролируемым вертикальным смещением от 10°до 50°). Для исследования метода выбраны следующие алгоритмы сопоставления опорных точек: SIFT, SURF, AKAZE и ORB. Для оценки их эффективности рассчитаны значения следующих метрик: количество сопоставленных точек (Matches), время выполнения в секундах (Time), средняя величина сдвига (Shift), доля подвижных точек (Shift Ratio) и согласованность сдвига (Shift Consistency). При тестировании алгоритмов на статичных кадрах средний сдвиг точек оставался минимальным (менее 1 пикселя) как в дневное, так и в ночное время. Ложноположительных результатов, указывающих на смещение камеры, не наблюдалось. При вертикальном смещении камеры средний сдвиг точек визуально увеличивался, что служило признаком движения камеры. При углах смещения больше 20 градусов количество сопоставленных точек резко падало. При статичном положении камеры среднее количество точек было стабильно. В целом, проведенное исследование показало, что алгоритм ORB имеет самое низкое время выполнения (Time), но и низкую точность при вычислении среднего сдвига (Shift). Алгоритм SURF оказался самым медленным, хотя и показал удовлетворительные результаты по точности. Алгоритм SIFT показал хорошие результаты при работе на статичных кадрах и вертикальном смещении, но не справился с горизонтальным смещением. AKAZE показал наиболее стабильные результаты во всех тестах. Таким образом, метод опорных точек может быть эффективно использован для решения поставленной задачи в системах видеонаблюдения.
Ключевые слова:
ВИДЕОНАБЛЮДЕНИЕ, РАКУРС СЪЕМКИ, МАШИННОЕ ЗРЕНИЕ, ОБРАБОТКА ВИДЕОИЗОБРАЖЕНИЙ, МЕТОД ОПОРНЫХ ТОЧЕК, ДЕТЕКЦИЯ СМЕЩЕНИЯ РАКУРСА СЪЕМКИ
ВИДЕОНАБЛЮДЕНИЕ, РАКУРС СЪЕМКИ, МАШИННОЕ ЗРЕНИЕ, ОБРАБОТКА ВИДЕОИЗОБРАЖЕНИЙ, МЕТОД ОПОРНЫХ ТОЧЕК, ДЕТЕКЦИЯ СМЕЩЕНИЯ РАКУРСА СЪЕМКИ
