Дослідження методу гістограм напрямлених градієнтів для ідентифікації транспортних засобів
Date
2019-03-01
Journal Title
Journal ISSN
Volume Title
Publisher
Видавництво Львівської політехніки
Lviv Politechnic Publishing House
Lviv Politechnic Publishing House
Abstract
Теоретичні основи, методи та алгоритми розпізнавання візуальних об’єктів починають
розробляти з часів появи перших електронних обчислювальних машин. Практичне
використання різних завдань розпізнавання образів у сучасних технічних системах зумовлено
стрімким розвитком потужних, малогабаритних та порівняно дешевих засобів оброблення
цифрових даних і стає все поширенішим у різноманітних галузях. У роботі виконано дослідження
ефективності алгоритму гістограм напрямлених градієнтів (HOG) у разі ідентифікації у відео потоці
транспортних засобів різних типів: автомобілів, літаків, кораблів. Виконано моделювання
алгоритму з використанням пакета MATLAB на прикладі літаків фірми “Антонов”, автомобілів
різних марок та різних кораблів. У результаті моделювання з допомогою інструментів MATLAB
отримано спеціалізовані SVM-класифікатори для ідентифікації деяких марок автомобілів,
літаків та кораблів. Для отримання класифікатора використовували вибірки зображень із сцен,
на яких є об’єкти, що ідентифікуються, та негативних зображень сцен, на яких відсутні такі
об’єкти. Здійснено порівняння основних параметрів класифікаторів. У процесі моделювання
алгоритму проводили навчання спеціалізованого класифікатора для ідентифікації об’єктів класу
автомобілів, літаків, кораблів та підбір оптимальних параметрів навчання і робочого
функціонування спеціалізованого класифікатора для досягнення найефективнішої ідентифікації.
Аналіз отриманих результатів показав, що використаний алгоритм із найбільшою ефективністю
працює на об’єктах класу “автомобілі”. Для перевірки функціонування алгоритму на реальних
об’єктах у режимі реального часу розроблено структурну схему модуля ідентифікації на основі
мікрокомп’ютера з відкритим кодом типу Orange Pi зі встановленою ОС Android ZIDOO.
Development of theoretical background, methods and algorithms for identification of visual objects has begun when the first computers appeared. Application of various object recognition techniques in modern technical systems is boosted by fast development of powerful, small and relatively cheap digital devices for data processing that become more and more common these days. In this paper, we study the application of the histogram of oriented gradients (HOG) method to the problem of identification of three kinds of vehicles: cars, planes and ships. The algorithm was implemented in MATLAB and tested using images of Antonov planes and different models of cars and ships. As a result, SVM classifiers for identification of some models of cars, planes and ships were created. To create these classifiers, the authors used sets of images containing the objects to be identified as well as “negative” sets of images that do not contain them. Main parameters of the obtained classifiers were compared. During the simulations, the specialized classifiers for identification of different models of cars, planes and ships were trained and optimal parameters for training and verification were selected to achieve best results. The study showed best results for car objects. To verify the algorithm in real time using real-world images, the authors developed an identification module based on an open-source Orange Pi microcomputer operating under the Android ZIDOO OS.
Development of theoretical background, methods and algorithms for identification of visual objects has begun when the first computers appeared. Application of various object recognition techniques in modern technical systems is boosted by fast development of powerful, small and relatively cheap digital devices for data processing that become more and more common these days. In this paper, we study the application of the histogram of oriented gradients (HOG) method to the problem of identification of three kinds of vehicles: cars, planes and ships. The algorithm was implemented in MATLAB and tested using images of Antonov planes and different models of cars and ships. As a result, SVM classifiers for identification of some models of cars, planes and ships were created. To create these classifiers, the authors used sets of images containing the objects to be identified as well as “negative” sets of images that do not contain them. Main parameters of the obtained classifiers were compared. During the simulations, the specialized classifiers for identification of different models of cars, planes and ships were trained and optimal parameters for training and verification were selected to achieve best results. The study showed best results for car objects. To verify the algorithm in real time using real-world images, the authors developed an identification module based on an open-source Orange Pi microcomputer operating under the Android ZIDOO OS.
Description
Keywords
ідентифікація, алгоритм гістограм напрямлених градієнтів (HOG), SVM класифікатор, identification, directional gradient histogram algorithm (HOG), SVM classifier
Citation
Пуйда В. Я. Дослідження методу гістограм напрямлених градієнтів для ідентифікації транспортних засобів / В. Я. Пуйда, С. В. Шургот // Комп’ютерні системи та мережі. — Львів : Видавництво Львівської політехніки, 2019. — Том 1. — № 1. — С. 69–75.