Введение
ГЛАВА 1 Сравнительный анализ существующих методов распознавания образов 13
1.1 Роль методов распознавания и классификации образов в системах охранного телевидения 13
1.2 Классическая постановка задачи распознавания образов 19
1.3 Анализ методов распознавания образов
1.3.1 Методы, основанные на шаблонах 23
1.3.2 Методы с использованием контурных моделей 25
1.3.3 Нейросетевые методы 28
1.3.4 Метод Виолы-Джонса 31
1.3.5 Метод опорных векторов 34
1.4 Нерешенные задачи для СОТ 36
Выводы по первой главе 40
ГЛАВА 2 Синтез алгоритма локализации и рапознавания номерных знаков транспортных средств на основе метода виолы-джонса и каскада нейронных сетей 41
2.1 Аналитический обзор методов локализации номерных знаков 41
2.2 Постановка задачи локализации НЗ ТС 44
2.3 Модифицированный алгоритм локализации НЗ
2.3.1 Локализация НЗ на основе метода Виолы-Джонса 45
2.3.2 Адаптивна предобработка 47
2.3.3 Модификация алгоритма локализации НЗ ТС добавлением адаптивной предобработки 55
2.3.3.1 Обучение классификатора для локализации номерных знаков 57
2.3.4 Модификация алгоритма локализации НЗ добавлением второго классификатора 57
2.3.5 Результаты эксперимента по локализации НЗ
2.3.6 Анализ результатов моделирования алгоритма локализации НЗ и
выработка рекомендаций 63
2.4 Модифицированный алгоритм оптического распознавания символов НЗ 64
2.4.1 Сегментация символов 64
2.4.2 Использование нейронных сетей в задачах оптического распознавания текста 67
2.4.3 Формирование обучающего множества 72
2.4.4 Сравнение методов распознавания символов 73
2.4.5 Формирование каскадной модели нейронных сетей для распознавания символов НЗ 74
2.4.6 Результаты эксперимента 76
Выводы по второй главе 77
ГЛАВА 3 Синтез алгоритма локализации и рапознавания лиц с применением методов онлайн обучения 78
3.1 Задача детекции лица на изображении 78
3.2 Постановка и решение задачи детекции лица в кадре видеопотока традиционным методом 79
3.3 Недостатки классического алгоритма детекции лиц 82
3.4 Постановка и решение задачи детекции лица в кадре видеопотока с использованием модифицированного алгоритма 3.4.1 Формирование обучающей выборки с учетом условий съемки 85
3.4.2 Способы определения условий съемки 92
3.4.3 Последовательное обучение 98
3.4.4 Синтезированный алгоритм детекции объектов с использованием метода Виолы-Джонса и последовательного обучения S VM 101
3.4.5 Результаты эксперимента 103
3.4.6 Обсуждение результатов моделирования 106
Выводы по третьей главе 107
ГЛАВА 4 Реализация интеллектуальной системы биометрической идентификации и учета рабочего времени 109
4.1 Существующие решения на рынке интеллектуальной видеоаналитики. 109
4.2 Технические требования к системе 111
4.3 Разработка интеллектуальной системы GarmVIS
4.3.1 Выбор средств разработки 115
4.3.2 Архитектура системы GarmVIS
4.3.2.1 Платформа 119
4.3.2.2 Модуль распознавания автомобильных номеров 120
4.3.2.3 Модуль распознавания лиц 120
4.3.2.4 Модуль управления энергосбережением 123
4.3.3 Принципы работы системы GarmVIS 126
4.4 Показатели эффективности разработки 131
4.5 Практическое применение предложенных алгоритмов в других приложениях оптического распознавания образов 133
Выводы по четвертой главе 136
Заключение 138
Список сокращений и условных обозначений 140
Список литературы
