Usuwanie tła w wideo nagraniach pochodzących z monitorowania basenu pływackiego

pol Artykuł w języku Polskim DOI: 10.14313/PAR_229/15

wyślij Zdzisław Kowalczuk, Konrad Reiter Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Katedra Systemów Decyzyjnych i Robotyki

Pobierz Artykuł

Streszczenie

Automatyczna obróbka obrazu w czasie rzeczywistym jest kluczowa dla wielu rozwiązań monitoringu wykorzystywanych m.in. w celach bezpieczeństwa. Często jednym z ważniejszych etapów obróbki jest oddzielenie tła od obiektów na pierwszym planie, tak aby wykluczyć wszystkie nieistotne informacje z obrazu. Celem pracy jest podsumowanie doświadczenia zdobytego podczas śledzenia pływaków oraz pokazanie możliwości skutecznego automatycznego nadzoru wideo osób korzystających z basenu. Porównano skuteczność działania dwóch wybranych algorytmów (MOG i KNN) przy użyciu różnych odwzorowań kolorów oraz omówiono zalety i wady analizowanych metod.

Słowa kluczowe

baseny pływackie, eliminacja szumów, monitoring, OpenCV, przetwarzanie obrazów, usuwanie tła

Background removal in video recordings from swimming pool monitoring

Abstract

Automatic real-time image processing is crucial for many (video surveillance) monitoring solutions used, among others for security purposes. Often one of the most important stages of computer vision processing is separating the background from the objects in the foreground, so as to exclude all irrelevant information from the image. The aim of this work is to summarize the experience gained while tracking swimmers and to show the possibility of effective automatic video surveillance of people using a swimming pool. The effectiveness of two selected algorithms (MOG and KNN) is compared using different color mappings and the advantages and disadvantages of the analyzed methods are discussed

Keywords

background subtraction, noise cancellation, OpenCV, video processing, video surveillance

Bibliografia

  1. Baldini G., Campadelli P., Cozzi D., Lanzarotti R., A simple and robust method for moving target tracking, Proceedings of the International Conference Signal Processing Pattern Recognition and Applications (SPPRA 2002) 2002, 108–112.
  2. Bishop C.M., Neural Networks for Pattern Recognition, chap. 2, 51–57. Clarendon Press. 1995.
  3. Dai J., Li Y., He K., Sun J., R-FCN: Object detection via region-based fully convolutional networks, https://arxiv.org/pdf/1605.06409.pdf.
  4. Gonzalez R.C., Woods R.E., Image segmentation. [in:] Digital Image Processing (2nd Ed), chap. 10, 567–635. Prentice Hall 2002.
  5. KaewTraKulPong P., Bowden R., An improved adaptive background mixture model for real-time tracking with shadow detection. The 2nd European Workshop on Advanced Video-based Surveillance Systems. 1–5. Kluwer Academic Publishers 2001.
  6. Piccardi M., Background subtraction techniques: A review. 2004 IEEE International Conference on Systems, Man and Cybernetics. Vol. 4, 3099–3104. IEEE (2004), DOI: 10.1109/ICSMC.2004.1400815.
  7. Reiter K., Monitoring basenu publicznego. Praca magisterska nr pg/weti/ksdir/zk263m/09/2017 (promotor: prof. Z. Kowalczuk), Wydział ETI, Politechnika Gdańska, Gdańsk 2017.
  8. Rypniewski J.J., Monitoring wizyjny w pracy ratownika wodnego (2014), http://plywalnieibaseny.pl/monitoring-wizyjny-w-pracy-ratownika-wodnego.
  9. Wren C.R., Azarbayejani A., Darrell T., Pentland A.P., Pfinder: Real-time tracking of the human body. IEEE Trans. Pattern Anal. Mach. Intell. 19(7), 780–785, 1997.
  10. Yilmaz A., Javed O., Shah M., Object tracking: A survey. ACM Computing Surveys 38(4), 13:1–45 (2006)
  11. Zhu X., Zhu J.D.X., Yuan Y.W.L., Towards high performance video object detection for mobiles 2018, https://arxiv.org/pdf/1804.05830.pdf
  12. Zivkovic Z., Improved adaptive gaussian mixture model for background subtraction. Proceedings of the 17th International Conference on Pattern Recognition, 2004. ICPR 2004. Vol. 2, pp. 28–31. IEEE 2004.
  13. Zivkovic Z., Heijden, F.v.d.: Improved adaptive gaussian mixture model for background subtraction. Pattern Recognition Letters 27(7), 773–780 (2006) 15