10.14489/vkit.2022.09.pp.003-013

DOI: 10.14489/vkit.2022.09.pp.003-013

Багиров М. Б., Бородина Т. Л., Карклин Т. Д., Дмитриев Д. В.
РАЗРАБОТКА СИСТЕМЫ СОПРОВОЖДЕНИЯ ОБЪЕКТОВ НА ВИДЕОПОТОКЕ
(с. 3-13)

Аннотация. Приведены результаты разработки и исследования алгоритмов анализа изображений в целях мониторинга транспортных средств на видеопотоке. В настоящее время на территориях производств мониторинг транспортных средств проводится операторами вручную. Разработка практических приложений видеоаналитики снизит нагрузку на оператора, повысит скорость и точность принятия решений, автоматизирует процесс сбора и формирования отчетной статистики по транспорту на объекте. В результате проведенного исследования разработаны система видеоаналитики, включающая алгоритмы детектирования, классификации по типу, цвету и модели транспортных средств, а также система сопровождения транспортных средств на видеопотоке. Приведены результаты работы алгоритмов на реальных изображениях существующих датасетов и на разработанном собственном датасете. При этом объекты находятся в условиях разной освещенности, располагаются под разными углами наблюдения, перестраиваются в потоке, а также перекрываются. Разработанная система имеет микросервисную архитектуру, что позволяет адаптировать решения под конкретные задачи потребителя.

Ключевые слова: компьютерное зрение; анализ изображений; нейросети; полнота и точность распознавания; классификация транспортных средств.

Bagirov M. B., Borodina T. L., Karklin T. D., Dmitriev D. V.
ALGORITHMS FOR TRACKING OBJECTS ON A VIDEO STREAM
(pp. 3-13)

Abstract. Algorithms for monitoring moving objects are of great interest in the field of computer vision. The paper presents the results of the development and research of image analysis algorithms for monitoring vehicles in a video stream. Currently, the monitoring of vehicles, especially in production areas, is performed manually by operators. Developing practical applications of video analytics will reduce operator workload, increase speed and accuracy of decision making, and automate the process of collecting and generating reporting statistics on plant transportation. Research was conducted and a video analysis system was developed that includes detection algorithms, classifications by vehicle type, color, and model, and vehicle tracking in the video stream. It should be noted that the architecture of existing solutions, as a rule, is monolithic and does not allow to refine and embed new unique modules to solve emerging problems. In modern conditions, in order to cover new requirements in the field of object recognition and detection in large vehicle flows, it is necessary to develop and implement new solutions. The results of the work of the algorithms on real images of existing datasets and the developed own dataset are presented. In this case, the objects are under different lighting conditions, in different angles, are rebuilt in the stream, there is an overlap of objects. The developed system has a microservice architecture, which allows to adapt the solutions to specific tasks.

Keywords: Computer vision; Image analysis; Neural networks; Completeness and accuracy of recognition; Classification of vehicles.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

М. Б. Багиров, Т. Л. Бородина, Т. Д. Карклин, Д. В. Дмитриев (Нижегородский государственный технический университет им. Р. Е. Алексеева, Нижний Новгород, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

M. B. Bagirov, T. L. Borodina, T. D. Karklin, D. V. Dmitriev (Nizhny Novgorod State Technical University n.a. R. E. Alekseev, Nizhny Novgorod, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. Ibadov S. R., Kalmykov B. Y., Ibadov R. R., Sizyakin R. A. Method of Automated Detection of Traffic Violation with a Convolutional Neural Network // The European Physical Journal Conferences. 2019. V. 224. URL: https//04004. doi: org/10.1051/epjconf/ 201922404004
2. Vehicle Classification by Estimation of the Direction Angle in a Mixed Traffic Flow / N. V. Hung, N. H. Dung, L. C. Tran et al. // IEEE Sixth International Conference on Communications and Electronics (ICCE). 27 – 29 July 2016. Austrelia, Vietnam. 2016. P. 365 – 368.
3. Detecting and Tracking Objects in a Live Video Stream / Zilpilwar V., Athavia A., Deshmukh A. et al. // International Research Journal of Engineering and Technology (IRJET). 2021. V. 08, Is. 04. P. 2358 – 2364.
4. Khurshudov A. A. Construction of Three-Dimensional Feature Maps Based on Video Fragments by Optical Flow Method // Scientific and Technical Bulletin of St. Petersburg State University. Computer science. Telecommunications. Management. 2015. V. 2, No. 217. P. 67 – 72.
5. Polonevich A. M., Revotyuk M. P. Monitoring a Moving Object Using an Adaptive Correlation Philtre // Reports of the Belarusian State University of Informatics and Radioelectronics. 2015. No. 7(93). P. 45 – 50.
6. Tassov K., Bekasov D. Processing of Overlaps in the Tasks of Tracking Objects in the Video Stream // Engineering Journal: Science and Innovation. 2013. No. 6(18). URL: http://engjournal.ru/articles/1099/1099.pdf (дата обращения: 03.02.2022).
7. Krause J., Stark M., J. Deng, Fei-Fei L. 3D Object Representations for Fine-Grained Categorization // Conference: 4th International IEEE Workshop on 3D Representation and Recognition (3dRR-13, ICCV workshop). 02 – 08 December 2013. Sydney, NSW, Australia.
8. Powerful and Efficient Computer Vision Annotation Tool (CVAT). GitHub. 2021. URL: https:// github.com/openvinotoolkit/cvat (дата обращения: 18.01.2022).
9. Dong X., Shen J. Triplet Loss in Siamese Network for Object Tracking // Proceedings of the European Conference on Computer Vision (ECCV). 8 – 14 September 2018. Munich, Germany. Р. 459 – 474.

Eng

1. Ibadov S. R., Kalmykov B. Y., Ibadov R. R., Sizyakin R. A. (2019). Method of Automated Detection of Traffic Violation with a Convolutional Neural Network. The European Physical Journal Conferences, Vol. 224. Available at: https//04004. doi: org/10.1051/epjconf/201922404004
2. Hung N. V., Dung N. H., Tran L. C. et al. (2016). Vehicle Classification by Estimation of the Direction Angle in a Mixed Traffic Flow. IEEE Sixth International Conference on Communications and Electronics (ICCE), pp. 365 – 368.
3. Zilpilwar V., Athavia A., Deshmukh A. et al. (2021). Detecting and Tracking Objects in a Live Video Stream. International Research Journal of Engineering and Technology (IRJET), Vol. 8, (4), pp. 2358 – 2364.
4. Khurshudov A. A. (2015). Construction of Three-Dimensional Feature Maps Based on Video Fragments by Optical Flow Method. Scientific and Technical Bulletin of St. Petersburg State University. Computer science. Telecommunications. Management, Vol. 2, 217, pp. 67 – 72.
5. Polonevich A. M., Revotyuk M. P. (2015). Monitoring a Moving Object Using an Adaptive Correlation Philtre. Reports of the Belarusian State University of Informatics and Radioelectronics, 93(7), pp. 45 – 50.
6. Tassov K., Bekasov D. (2013). Processing of Overlaps in the Tasks of Tracking Objects in the Video Stream. Engineering Journal: Science and Innovation, 18(6). Available at: http://engjournal.ru/articles/1099/1099.pdf (Accessed: 03.02.2022).
7. Krause J., Stark M., J. Deng, Fei-Fei L. (2013).3D Object Representations for Fine-Grained Categorization. Conference: 4th International IEEE Workshop on 3D Representation and Recognition (3dRR-13, ICCV workshop). Sydney.
8. Powerful and Efficient Computer Vision Annotation Tool (CVAT). GitHub. (2021). Available at: https://github.com/openvinotoolkit/cvat (Accessed: 18.01.2022).
9. Dong X., Shen J. (2018). Triplet Loss in Siamese Network for Object Tracking. Proceedings of the European Conference on Computer Vision (ECCV), pp. 459 – 474. Munich.

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 500 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/vkit.2022.09.pp.003-013

и заполните форму

Отправляя форму вы даете согласие на обработку персональных данных.

Eng

This article is available in electronic format (PDF).

The cost of a single article is 500 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2022.09.pp.003-013

and fill out the form