Статья посвящена исследованию метода оптического потока для детекции изменения ракурса съемки с городских камер видеонаблюдения. Для проведения исследования использовались данные, полученные с камер видеонаблюдения г. Казани. Исследование проводилось в условиях статического положения камер, а также в условиях их вертикального и горизонтального смещения на величину от 10 до 50 градусов. Для каждого из условий применялись соответствующие выборки данных. Для исследования метода оптического потока использовано четыре алгоритма его реализации. Два алгоритма применялись для разреженного потока (Lucas-Kanade и Pyramidal Lucas-Kanade), еще два - для плотного потока (Dense Inverse Search и FarneBack). Для оценки их эффективности, а, следовательно, и метода оптического потока, вычислены значения следующих метрик: величина потока, время выполнения в секундах, средняя величина сдвига, доля ненулевых векторов, согласованность сдвига. На основе полученных результатов сделано несколько важных выводов. При статичном положении камеры величина среднего смещения для плотных потоков была значительно выше чем у разряженных потоков. Это увеличивает шанс получения ложноположительных результатов, особенно в темное время суток. При контролируемом смещении камеры средняя величина сдвига для алгоритмов Lucas-Kanade и FarneBack была почти нулевая, что указывает на их неспособность надежно детектировать смещение. Алгоритм Dense Inverse Search оказался наиболее чувствителен к сдвигам, а Pyramidal Lucas-Kanade детектировал смещения, но с меньшей точностью. Алгоритмы плотного потока уступают по скорости алгоритмам разреженного потока. Алгоритмы оптического потока не реагируют на текстовые элементы изображения. Таким образом, в результате исследования решена поставленная задача. Исследование позволило оценить эффективность выбранного метода и алгоритмов с точки зрения точности вычисления среднего сдвига и устойчивости к динамическим объектам. Метод оптического потока и его алгоритмическая реализация Pyramidal Lucas-Kanade лучше всего подходит для детекции смещения камер видеонаблюдения в городской среде. Минимизация ложноположительных срабатываний при статичном положении камеры в сочетании с надежным обнаружением сдвигов делает его выбор оптимальным, а невосприимчивость к текстовым элементам изображения повышает его эффективность.
The article is devoted to the study of the optical flow method for detecting changes in the shooting angle of city surveillance cameras. The study was conducted using data obtained from surveillance cameras in Kazan. The study was conducted under conditions of a static position of the cameras, as well as under conditions of their vertical and horizontal shift by 10 to 50 degrees. For each of the conditions, the corresponding data samples were used. To study the optical flow method, four algorithms for its implementation were used. Two algorithms were used for a sparse flow (Lucas-Kanade and Pyramidal Lucas-Kanade), and two more were used for a dense flow (Dense Inverse Search and FarneBack). To evaluate their effectiveness, and, consequently, the optical flow method, the following metrics were calculated: flow value, execution time in seconds, average shift value, proportion of non-zero vectors, shift consistency. Based on the obtained results, several important conclusions were made. With a static position of the camera, the average shift value for dense flows was significantly higher than for sparse flows. This increases the chance of obtaining false positive results, especially at night. With controlled camera displacement, the average shift value for the Lucas-Kanade and FarneBack algorithms was almost zero, which indicates their inability to reliably detect displacement. The Dense Inverse Search algorithm turned out to be the most sensitive to displacements, and Pyramidal Lucas-Kanade detected displacements, but with less accuracy. Dense flow algorithms are inferior in speed to sparse flow algorithms. Optical flow algorithms do not respond to text elements of the image. Thus, the study solved the problem. The study allowed us to evaluate the effectiveness of the selected method and algorithms in terms of the accuracy of calculating the average shift and resistance to dynamic objects. The optical flow method and its algorithmic implementation Pyramidal Lucas-Kanade are best suited for detecting the displacement of CCTV cameras in an urban environment. Minimization of false positives when the camera is stationary, combined with reliable detection of shifts, makes it an optimal choice, and immunity to text elements in the image increases its effectiveness.