Автор молодец выполнил работу раньше срока. Спасибо
Информация о работе
Подробнее о работе
Разработка программно-аппаратного комплекса для управления роботизированной камерой для распознавания образов
- 51 страниц
- 2018 год
- 233 просмотра
- 1 покупка
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Целью работы является разработка программно-аппаратного комплекса для управления роботизированной камерой для распознавания образов.
Задачами дипломной работы являются:
- Анализ особенностей предметной области.
- Анализ существующих методов идентификации объектов.
- Обоснование использованных средств разработки.
- Применение модели стереоизображения и описание основных этапов реализации.
- Разработка карты глубин.
- Разработка математической модели формирования стерео потока.
- Реализация модулей и подключение проекта.
ВВЕДЕНИЕ 3
1 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 4
1.1 Анализ особенностей сферы исследования 4
1.2 Анализ существующих методов идентификации объектов 6
1.3 Описание специфики карт глубин 12
1.4 Обоснование использованных средств разработки 15
1.5 Цель и задачи дипломной работы 17
2 РАЗРАБОТКА ПРОГРАММНО-АППАРАТНОГО КОМПЛЕКСА ДЛЯ УПРАВЛЕНИЯ РОБОТИЗИРОВАННОЙ КАМЕРОЙ 28
2.1 Описание использованной модели стереоизображения и основных этапов реализации 28
2.2 Разработка карты глубин 33
2.3 Разработка математической модели формирования стереопотока 35
2.4 Реализация модулей и подключения проекта 36
2.5 Описание результатов работы системы 43
ВЫВОДЫ 49
ПЕРЕЛІК ПОСИЛАНЬ 50
1.1 Анализ особенностей сферы исследования
Внедрение современных компьютерных технологий в различные области науки и техники все чаще заставляет обращаться к вопросам анализа, обработки и моделирования изображений. Существует целый ряд систем по анализу трехмерных изображений и структур. Машинное зрение является частью информационных технологий, непосредственно связанной с вычислительной техникой, промышленностью, оптикой и машиностроением. Обычно, системы машинного зрения запрограммированы под выполнение узкоспециализированных задач, первоначально установленных заказчиком. Это может быть разного рода задания на производстве, контроль продукции на конвейерной ленте, автоматический подсчет объектов без участия человека, контроль качества выпускаемой продукции, системы контроля управления доступом на проходных пунктах предприятий.
...
1.2 Анализ существующих методов идентификации объектов
Существует множество способов для идентификации различных предметов с помощью камер. Так как данная выпускная квалификационная работа является частью проекта, автором которого я являюсь, «Разработка алгоритма, способного безошибочно распознавать и идентифицировать пользователей с помощью стереокамер, при наличии внешних, визуально заметных аксессуаров на лице», упор будет сделан именно на идентификацию лиц.
Для решения данной задачи было разработано множество алгоритмов. Многие алгоритмы, показывают хорошие результаты, не могут быть широко применены в условиях реального времени без участия человека, так как имеют высокие временные затраты. В связи с чем для применения в системах реального времени подходит только немного число алгоритмов. На данный момент существует целый ряд алгоритмов, которые можно разделить на 2 категории: локальные и глобальные.
...
1.3 Описание специфики карт глубин
Для получения объемных 3D моделей и дальнейшего их анализа, системе необходимо выполнить ряд действий. Одним из основных, после калибровки камер и избавления от разного рода несоответствий объективов, является построение карты глубины.
Карта глубины является двумерное изображение, показывающее расстояние в каждой точки объекта в плоскости камеры. Каждая точка на карте глубины служит третьей координаты z в пространстве для накладывается двумерного изображения. Получить карту глубины можно различными способами, такими как: с имеющейся трехмерной модели, с помощью специализированных сенсоров (например, лазерных), а также по паре стереоизображений. Системой для построения карт глубин служит, например, Microsoft Kinect, состоящий из инфракрасного проектора, RGB камеры и лазерного датчика глубины.
...
1.4 Обоснование использованных средств разработки
1. Поскольку частью проекта системы биометрической идентификации лица, применяется, в частности, в дверных замках, программно-аппаратный комплекс должен быть максимально компактен. Для создания комплекса был выбран микрокомпьютер ODROID XU3, что подходит под данные критерии.
Данный микрокомпьютер обладает малыми размерами, что позволяет использовать систему непосредственно на месте контроля, отвергая необходимость в проведении сети между устройством наблюдения и обработки данных, сокращая отзыв и упрощая конструкцию комплекса.
Установлена сверхбыстрая память EMMC 5.0 позволяет хранить объемную базу данных потенциальных объектов с правом допуска, выполнять поиск по базе и занесения новых данных на высокой скорости.
...
1.5 Цель и задачи дипломной работы
Целью работы является разработка программно-аппаратного комплекса для управления роботизированной камерой для распознавания образов.
Задачами дипломной работы являются:
1. Анализ особенностей предметной области.
2. Анализ существующих методов идентификации объектов.
3. Обоснование использованных средств разработки.
4. Применить использованную модель стереоизображения и описать основные этапов реализации.
5. Разработка карты глубин.
6. Разработка математической модели формирования стерео потока.
7. Реализация модулей и подключения проекта.
Проект, в рамках которого выполняется данная работа, основанный на стереозрения и распознавании лиц по антропометрическим данным, а также на распознавании эмоций. Итак, будут использоваться камеры.
...
2.1 Описание использованной модели стереоизображения и основных этапов реализации
В этом разделе речь пойдет о стереозрения, стереореконструкции, основанной на изображениях, полученных с двух камер. Использование понятия глубины в стереоснимки основано на том, что снимки построены по тем же законам геометрии что и изображение при попадании на сетчатку глаз. Два изображения одного и того же объекта в один момент времени называется стереопарой. На рис.2.1 можно видеть структуру использованной стерео модели.
Рисунок 2.1 – Схема стерео модели
С двух точек Sл и Sп, одновременно, были сделаны снимки Pл и Рп камерой с одной фокусным расстоянием f. Если полученные снимки установить перед глазами человека на том же расстоянии на котором находились объекты во время съемки, то точки снимков, являются изображениями точек M и N спроектирует на сетчатки глаз как m, n и m ', n'.
...
5. Разработка карты глубин.
6. Разработка математической модели формирования стерео потока.
7. Реализация модулей и подключения проекта.
Проект, в рамках которого выполняется данная работа, основанный на стереозрения и распознавании лиц по антропометрическим данным, а также на распознавании эмоций. Итак, будут использоваться камеры. Использование 3D-моделей лица, позволяет минимизировать ложные срабатывания увеличить надежность системы, так же существует необходимость добавления в алгоритм распознавания механизма, который будет отделять статическую модель от реального лица с динамическим признакам.
В последнее время в рамках теории структурного распознавания образов были разработаны новые алгоритмы восстановления пространственной конфигурации объектов по стереопару снимков. Эти алгоритмы позволяли восстанавливать поверхность в виде цельной непрерывной поверхности как результата одновременной обработки всех строк на изображениях.
...
2.3 Разработка математической модели формирования стереопотока
Входные параметры модели задаются как совокупность двух несинхронизированных потоков кадров (изображение которых в общем случае епиполярны и не откалиброваны) и точность синхронизации δ. Исходным параметром модели является стереопоток, что удовлетворяет входных параметров модели:
М: X → Y, X = (F1, F2, d), Y = (Stereo1), (2.6)
Разработанная модель приведена на рис.2.7. Предложенная математическая модель формирования стереопотока по двум кадрам с стереокамер основана на формализме (2) - (5), (10) и используется в дальнейшем при изучении методов синхронизации потоков кадров, ректификации изображений и стереосопоставления
Рисунок 2.7 – Разработана математическая модель
2.4 Реализация модулей и подключения проекта
Все программные модули для моего проекта были написаны на языке C ++, используя компилятор gcc, на операционной системе Linux. Для составления и запуска каждого из модулей используется утилита Make.
...
7. Реализация модулей и подключения проекта.
Проект, в рамках которого выполняется данная работа, основанный на стереозрения и распознавании лиц по антропометрическим данным, а также на распознавании эмоций. Итак, будут использоваться камеры. Использование 3D-моделей лица, позволяет минимизировать ложные срабатывания увеличить надежность системы, так же существует необходимость добавления в алгоритм распознавания механизма, который будет отделять статическую модель от реального лица с динамическим признакам.
В последнее время в рамках теории структурного распознавания образов были разработаны новые алгоритмы восстановления пространственной конфигурации объектов по стереопару снимков. Эти алгоритмы позволяли восстанавливать поверхность в виде цельной непрерывной поверхности как результата одновременной обработки всех строк на изображениях.
...
2.5 Описание результатов работы системы
Одним из главных модулей как моей программы, так всей разрабатываемой системы в целом, является модуль калибровки стереокамер.
Поскольку данный алгоритм, как уже говорилось ранее, основанный на выявлении заранее заданного шаблона, а именно, анализе шахматной доске с целью нахождения всех заданных углов обеими камерами, можно вычислить погрешность найденных значений в полученных матрицах приведения, зная заранее физические размеры используемого шаблона.
Мы можем проверить среднюю ошибку после расчетов и работы функции StereoCalibrate, по сравнению с реальными физическими размерами шахматной доске. Это значение измеряется в пикселях, показывает ошибку между реальной позицией точки на доске и положением, которое было вычислено с помощью написанного алгоритма. Функция поиска ошибки возвращает среднее арифметическое значение для всех калибровочных изображений.
...
«Молодь в науці: нові аргументи». Стаття зі збірника наукових праць II - го Міжнародного конкурсу. Частина 1. Липецьк 2015. Басов С.А. стр. 29-31. ISBN 978-5-9906325-6-1.
2. Сінезіс: Аналіз існуючих підходів до розпізнавання осіб. - 2014 [Електронний ресурс].
URL: HTTP: //habrahabr.ru/company/synesis/blog/238129/
3. Bertalmio М., Bertozzi А., Шапіро Г. Нав'є-Стокса, динаміки рідин, і зображення і videoinpainting / Гаваї: Учеб. IEEE Computer Vision і розпізнавання образів (CVPR). - 2001. -PP. 213-226.
4. Guleryuz О. Г. Нелінійної наближення відновлення на основі зображень з використанням адаптивних розріджених реконструкцій та ітерованих шумодав / Частина I: теорія IEEE операції по обробці зображень. - 2006. Vol. 15 (3).
5. Criminisi А., Перес П., Toyama К. Область заповнення і об'єкт видалення шляху на основі зразка зображення inpainting / IEEE Trans. Процес зображення. - 2004. Vol. 13 (9). - PP. 28-34.
6. Методичний посібник, програми та контрольна робота з курсу Фотограмметрія [Електронний ресурс]. URL:http://pandia.org/text/77/231/32988.php
и еще 10 источников
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
