Найти

Результаты поиска

• МНОГОАГЕНТНЫЙ АЛГОРИТМ АВТОМАТИЧЕСКОГО ОБНАРУЖЕНИЯ И СОПРОВОЖДЕНИЯ НЕДЕТЕРМИНИРОВАННЫХ ОБЪЕКТОВ

  В. А. Тупиков, В. А. Павлова, В.А. Бондаренко, А. И. Лизин, Д. К. Ельцова, М. В. Созинова

  2020-07-10

  Аннотация ▼

  В целях разработки робастного алгоритма автоматического обнаружения и сопро-вождения недетерминированных объектов для встраиваемых вычислительных систем с оптико-электронными устройствами. В рамках данной работы произведено исследование и анализ имеющегося мирового научно-технического опыта в области алгоритмов автоматического сопровождения общего назначения. Наиболее успешные из исследованных алгоритмов, подходящие для долговременного устойчивого автоматического сопровожде-ния объектов (без априорного знания о типе объекта слежения) на сегодняшний день уже вышли за рамки решения задачи исключительно сопровождения, и включают в себя синерге-тическое сочетание нескольких разнородных алгоритмов сопровождения, а также как ми-нимум один алгоритм автоматического обнаружения и/или классификации. В статье пока-зано что наиболее устойчивые современные алгоритмы автоматического сопровождения представляют собой многоагентную систему, принимающую решение о текущем положе-нии, размерах и других параметрах сопровождаемого образа на основе интеллектуального голосования составляющих систему модулей, осуществляющих самостоятельное слежение за объектом и формирование его модели. Индивидуальные модели каждого из модулей уточ-няются по результатам принятия коллективного решения. Авторами исследования выделены наиболее эффективные из применяемых базовых алгоритмов, подходящие для применения во встраиваемых вычислительных системах робототехнических комплексов, и разработан новый многоагентный алгоритм автоматического обнаружения и сопровождения недетерми-нированных объектов. Представленный многоагентный алгоритм включает в себя модуль выделения и сопоставления ключевых точек на изображениях, модуль кластеризации и фильтрации ключевых точек с применением алгоритма DBSCAN, модуль сопровождения на основе алгоритма вычисления оптического потока и модуль классификации ключевых точек. Проведено полунатурное тестирование разработанного алгоритма и оценена его эффективность в решении задач не только автоматического сопровождения объектов, но и задач автоматического обнаружения объектов по нескольким эталонным образам. В заключении представлены предложения по дальнейшему повышению точности разработанного алгоритма и по его оптимизации и внедрению в состав специального программного обеспечения бортовых вычислительных систем летательных аппаратов.

• АЛГОРИТМ ОБНАРУЖЕНИЯ ОБЪЕКТОВ ДЛЯ ОПТИКО-ЭЛЕКТРОННЫХ СИСТЕМ С ОБУЧЕНИЕМ В РЕАЛЬНОМ ВРЕМЕНИ

  В.А. Тупиков , В. А. Павлова , В. А. Бондаренко , М. В. Созинова , П.А. Гессен

  2021-04-04

  Аннотация ▼

  В целях создания нового алгоритма автоматического обнаружения объектов с обучением
  в реальном времени произведено исследование мирового научного задела в области автоматиче-
  ского сопровождения общего назначения с возможностью распознавания объекта слежения с
  потенциалом применения во встраиваемых вычислительных системах оптико-электронных
  систем перспективных робототехнических комплексов. На основе проведенных исследований
  отобраны и протестированы методы и подходы, которые позволяют с наибольшей точностью, при сохранении высокой вычислительной эффективности, обеспечивать обучение клас-
  сификаторов на лету (online learning) без априорного знания о типе объекта слежения и обес-
  печивать последующее обнаружение исходного объекта в случае его кратковременной потери.
  В число таких способов входит гистограмма направленных градиентов – дескриптор ключевых
  признаков, основывающийся на анализе распределения градиентов яркости изображения объ-
  екта. Его использование позволяет сократить количество используемой информации без поте-
  ри ключевых данных об объекте и увеличить скорость обработки изображений. В статье
  обоснован выбор одного из алгоритмов классификации в режиме реального времени, позволяю-
  щего решить задачу бинарной классификации – метода опорных векторов. В виду высокой ско-
  рости обработки данных и необходимости небольшого количества исходных обучающих дан-
  ных для построения разделяющей гиперплоскости, на основе которой и происходит классифи-
  кация объектов, данный метод выбран как наиболее подходящий для решения поставленной
  задачи. Для осуществления online-обучения была выбрана модификация метода опорных векто-
  ров, реализующая стохастический градиентный спуск на каждом шаге работы алгоритма –
  Pegasos. Авторами исследования проведена разработка и полунатурное моделирование выбран-
  ного алгоритма, проведена оценка эффективности его работы в задачах обнаружения объекта
  интереса в режиме реального времени с предварительным online-обучением в процессе слеже-
  ния за объектом. Разработанный алгоритм показал высокую эффективность при решении
  поставленной задачи и планируется к внедрению в составе специального программного обеспе-
  чения оптико-электронных систем перспективных робототехнических комплексов. В заключе-
  нии представлены предложения по дальнейшему повышению точности и вероятности обна-
  ружения объекта интереса разработанным алгоритмом, а также по повышению его произво-
  дительности путем оптимизации вычислений.

• КОРРЕЛЯЦИОННЫЙ АЛГОРИТМ АВТОМАТИЧЕСКОГО ОБНАРУЖЕНИЯ И СОПРОВОЖДЕНИЯ С ОБУЧЕНИЕМ В РЕАЛЬНОМ ВРЕМЕНИ

  В. А. Тупиков , В. А. Павлова , А.Ю. Гагарина , П. А. Гессен , А.И. Лизин , М. В. Созинова

  2022-04-21

  Аннотация ▼

  Целью данной разработки является создание устойчивого алгоритма автоматиче-
  ского обнаружения и сопровождения недетерминированных объектов с обучением в реаль-
  ном времени, для встраиваемых вычислительных устройств оптико-электронныч систем.
  В рамках представленной работы произведено исследование и анализ имеющегося мирового
  научно-технического опыта в области алгоритмов автоматического сопровождения об-
  щего назначения. В статье показано что современные алгоритмы автоматического со-
  провождения представляют собой систему, принимающую решение о текущем положе-
  нии, размерах и других параметрах сопровождаемого образа на основе обучаемой модели.
  Авторами исследования выделены наиболее эффективные из применяемых базовых алго-
  ритмов, подходящие для применения во встраиваемых вычислительных системах робото-
  технических комплексов, и разработан новый алгоритм автоматического обнаружения и
  сопровождения недетерминированных объектов. Проведено полунатурное тестирование
  разработанного алгоритма и оценена его эффективность в решении задач не только ав-
  томатического сопровождения объектов, но и задач автоматического обнаружения объ-
  ектов по нескольким эталонным образам. В заключении представлены предложения по
  дальнейшему повышению точности разработанного алгоритма и по его оптимизации и
  внедрению в состав специального программного обеспечения бортовых вычислительных
  систем летательных аппаратов.