АНТИПЛАГИАТ 60%. 2. Задачи и область применения машинного освещения 1 Определение понятия машинное видение
 Скачать 25.55 Kb.
|
|
2. Задачи и область применения машинного освещения 2. 1 Определение понятия «машинное видение» Машинная диагностика - применение компьютерной точки зрения в производстве и промышленности. Область интереса машинного наблюдения как инженерного направления – цифровые ввода-вывода и компьютерная сеть, предназначенная для контроля производственного оборудования, например роботизированных манипуляторов или устройств поиска дефектного продукта. 2. 2 Машинные зрения сейчас. Сейчас есть четкая граница между так называемыми монокулярными и бинокулярными компьютерными зрениями. Первая область - это исследования, разработки и исследования в области компьютерной визуализации, относящиеся к информации, поступающей от одного камеры или отдельно от каждого камеры. Второе направление - исследование и разработка, связанная с получением информации одновременно с двумя и более камерами. Такие системы используют несколько камер, чтобы измерить глубину наблюдений. Эти системы - стереосистемы. В настоящее время компьютерная теория полностью формировалась в качестве самостоятельного раздела кибернетики на основе научных, практических знания. Книги и монография издаются ежегодно, десятки конгрессов и конференций, выпускаются различные программные и аппаратные средства. В настоящее время существует ряд научно-общественных организаций, поддерживающих и освещения исследований в области современной техники, включая компьютерные технологии. 2. 3. Основные функции машинного наблюдения В целом задачи машинных систем включают получение цифровых изображений, обработку изображений с целью выделения важной информации на изображении, а также математическую оценку полученной информации для выполнения задач. Впрочем, машинное видение позволяет решить множество проблем, которые можно условно разделить на четырех групп. Рис. 2. Распознавайте положения. Цель машинного наблюдения в данном приложении заключается в определении пространственного положения объекта по внешней системе координат, или статического положения объекта по какому положению объект находится по внешней системе координат, с началом в самой системе координат, а также передать информацию по положению и направлению объекта к системе управления и контроллера. Примером этого приложения служит робот для скачивания и загрузки, который должен перемещать из бункера объекты разной формы. Например, интеллектуальный задача машины зрения заключается в том, чтобы определить оптимальную базовую систему координат, а также ее центр, чтобы определить центр тяжести объекта. Эта информация дает роботу возможность правильно взять детали и перенести их в нужное для него место. Измерение. В приложениях данного типа основной задачей видеокамеры является измерение различного физического параметра объектов. Физические параметры включают в себя размеры линейного размера, диаметра, кривизны, площади, высоты и количества. Пример для выполнения этой задачи – измерение различного диаметра горла бутылки стекла. Инспекция. В приложениях инспекции цель машинного наблюдения заключается в подтверждении некоторых свойств, например наличия или отсутствия этикетки в бутылку, болтов для сборки, шоколадных конфет в упаковке или различных дефектов. Идентификация. В задаче определить предназначение видеокамеры – считывать различные штриховые коды, 2D коды и др. Для распознавания их используется метод камера или системный контроллер, и определение разных цифровых символов. Кроме задач данной группы можно включить системы, выполняющие функции безопасности, например, идентификации людей, оборудования и детекторы движений. Определяя задачи, решаемые машинным зрением, вы можете управлять областью использования машинного зрения. Однако стоит отметить и то, что сегодняшняя структура определяется до сих пор ограниченной возможностью современных машинных систем. 2. 4. Основные направления применения машины зрения В статье Бориса Бобровского «Когда машины видят свет» представлена следующая статистика, по которой спросом пользуются системы автозрения: Небольшая часть рынка представляет собой системы реальности, которые предлагают высококачественный интерфейс человека и человека на основе визуализации лица и жеста, системы, обеспечивающие выполнение задач и семантического анализа мультимедийных данных. Машинное зрение востребовано в робототехники. Эксперты утверждают, что машинное зрение является самым простым способом научить машину работать в естественных условиях. Необходимо автоматизация деятельности визуального осмотра и сортировки продукции, но до сих пор системы машинного наблюдения демонстрируют неудовлетворенные результаты в этом направлении. Возникает интерес к системам машинного наблюдения нанотехнологий, биотехнологий и медицины к автоматическому анализу изображений медицины - рентгенографии, томографии, ультразвуковой диагностики. Также автомобильное зрение является востребованным в сфере систем безопасности идентификации личности, датчиков движения, отслеживания и управления движущимися объектами, распознавания номеров автомобилей и др. Системы автомобильного зрения являются востребованными в сфере управления качеством и управления пищевыми продуктами, и в сфере визуальной инспекции и управления учетом, считыванием штрих-кода. Машинное видение в системе сканирования рукописных и печатных текстов. 3. Техническое составляющее машинного зрения 3. 1 Обработка изображения В системах машинного наблюдения для выполнения указанных задач используются разные методы и методики. Ниже приводятся основные способы обработки фотографий: пиксельный счетчик: считывает число пикселей светлых и темных. Определение связанных зон: связанные зоны изображения - это уже какая-то независимая семантическая единица, позволяющая провести дальнейшие геометрические, логичные, топологические и любые другие анализы изображений. Бинаризация : преобразует картинку в градации серого в двухцветную белую и черную пиксель. Гистограммы и обработки гистограмм: Гистограммы соответствуют частоте возникновения в изображении одинаковых пикселей яркости. Сегментирование: используется при поиске и или для подсчета подробностей. Сегментирование изображения является разделением изображения на участки, которые не основываются на каких-либо признаках. Полагается, что область соответствует реальному объекту или его частям, область соответствует границам объекта. Чтение штрих-кодов: декодировать 1D, 2D коды, предназначенные для считывания и сканирования машин. Оптические распознавания символов : автоматическое чтение текста, таких как серийные номера. Измерения: измерения размеров объекта в дюйме или миллиметре. Сравнение с примером: поиск, сравнение и или подсчёт определенных моделей. Инвариантный алгоритм сопоставления индикаторов точечности на изображении: определения и сравнения индикаторов точечности на изображении. Методы определения личности с помощью радужной оболочки глаза Различные способы восстановления образа объекта в изображениях Большинство систем технического анализа используют комбинированные методы обработки, чтобы выполнить полную проверку. Например, сканер, отображающий штрихкод, может также проверить поверхность на царапинах или повреждениях и измерить длину, читаемость обработанного компонента. 3. 2 компоненты системы Типичная машина-зрение включает в себя одну или несколько цифровых и аналоговых камер черного или белого цвета с оптической точки зрения визуализации и освещения объекта рисунка 4 и оборудования для ввода и вывода сигналов. Кроме этого важны программные компоненты систем управления машинным зрение, специальные программные средства подготовки к обработке изображений для аналоговой камеры, цифровой принтер изображений, специальные программы обработки изображения и определение соответствующих характеристик. Рис. 4. Структура типовой системы зрения Матрица чувствительного элемента, включенного в камеру, получает цифровую картинку. Матрица чувствительных элементов включает набор аналоговых и цифровых преобразователей для преобразования информации о пульсации света в цифровые значения. Объектив дает камере возможность фокусироваться на определенных расстояниях и получать четкие изображения объектов. В случае если объект находится вне фокуса, изображение не оказывается в фокусе, с нечёткими краями, что мешает обработке видео. По сравнению с обычным цифровым фотоаппаратом с объективом, поддерживающим функцию автофокусирования, в автофокусировании используются оптики с фиксированной фокусировкой или с ручным фокусом. Существуют различные виды объективов для различных областей применения стандартных, телескопических, широкоугольных и других, а выбор правильной оптики - важный шаг в разработке системы зрения машинного типа. Подсветка – еще один важнейший элемент зрения машин. Благодаря использованию различных видов освещения, вы сможете расширить спектр задач, которые решают зрением, используя различные виды освещения. Есть разные виды светодиодных подсветок, но наиболее популярным является светодиодный, поскольку он обладает высокой яркостью. При этом современное развитие светодиодных приборов обеспечивает длительное время службы прибора и низкий энергопотреблений. 3. 3. Принципы работы машинных систем зрения Последовательность действия, осуществляемых системой машинной визуализации, может быть следующей: Изображение с камеры попадает в флешку или в компьютерную память. Фрэймграббер является устройством, преобразующим вывод из камеры в формат цифрового, обычно двухмерного массива чисел, и помещающим изображения в компьютерную память для того, чтобы обработать их с помощью машины. Обычно программное обеспечение занимается несколькими этапами обработки изображения. Часто картинка сначала обработана, чтобы уменьшить шум или превращать многие значения серого в сочетание черных и белых бинаризаций. После начала обработки программу можно считывать, измерять и определять объекты, величины, дефекты, другие характеристики картинки. Как последний шаг программы пропускают или отклоняют деталь в зависимости от указанных критериев. Если неисправная деталь, программа сигнализирует механическому устройству о отклонении детали; Другой вариант - остановить производственную линию и установить рабочего, чтобы решить проблему. Несмотря на то, что большинство машинных систем ориентированы на «черные» камеры, применение цветных камер все чаще и чаще. Также все больше систем с автоподключением используют цифровую камеру с прямым подключением, что позволяет снизить расходы и упрощенно работать с системой. 5. Лучшие примеры систем зрения машинного наблюдения 5. 1. Видеонаблюдение. Автоматические, автоматизированные системы наблюдения являются одним из основных элементов современной комплексной безопасности. Задача видеонаблюдения заключается в визуальном мониторинге заданной зоны пространства одним или несколькими видеокамерами, позволяющими наблюдать, просматривать и оценить состояние зоны контроля, выделять так называемые мероприятия безопасности. Сегодня в области охранного видеонаблюдения существуют два главных направления: полный переход к цифровым системам видеонаблюдения, а также развитие возможностей видеоанализа. Цифровая IP-видеонаблюдение предусматривает отключение аналоговых камер, а также средств связи. Видеоаналитика представляет собой развитие систем видеонаблюдений, позволяющих сократить количество записанных данных, используемых в системе видеонаблюдения. В современную систему видеонаблюдения входит значительное число различных компьютерных технологий. В технологии интеллектуальной видеонаблюдения входят следующие главные элементы, программные алгоритмы: оптический датчик различного типа для удаленной видеонаблюдения; средства распределенной сборки информации, передачи сжатия и обработки видеоинформации в локальных и глобальных сетях в режиме реального времени; автоматическое выбор интересующих предметов людей, автомобилей и других объектов в режиме реального времени; автоматическое выбор интересующих предметов людей, автомобилей и других объектов в режиме реального времени; автоматическое выбор интересующих предметов людей, автомобилей и других объектов в режиме реального времени; автоматическое выбор интересующих Автоматическое управление движущимися объектами в зоне контроля Биометрические распознавания персонала и биометрические контроль доступа к критическим зонам объекта мониторинга Автоматическая идентификация автомобилей, товаров, оборудования на основании распознавания идентификационных знаков регистрационного номера, штрихкода, других технологических маркировках Методы анализа состояния наблюдаемого объекта и группы объектов Создание «тревожного» сообщения оператору при выполнении неблагоприятного или нестандартного сценария развития ситуации в видеонаблюдении. Аппаратные и программные средства для осуществления методик и программного обеспечения сбора, обработки видеоизображений. Рассмотрим несколько примеров для создания видеонаблюдений и элементов их создания. 5. 1. 1. Система отслеживания и управления движущимися объектами по их перемещениям Обнаружения движения или обнаружения движения - одна из первых торговых технологий на потребительском веб-рынке. Принцип работы прибора очень простой, поскольку камера предполагается неподвижной, а потому фон неподвижный. Только объекты двигаются. Хотя существуют технологии для обнаружения движущихся объектов на движущихся фонах. Система, созданная в ИИТ-Институте ИТ, предназначен для автоматической выборки и отслеживания малых объектов, основанных на их движении на изображении, полученные с мобильной камеры. Система, которая работает на базе компьютера, позволяет вводить с видеокамер, визуализации и обработке цифрового изображения движения сцен в реальной реальной жизни. Оценка и компенсация общего сдвига изображения сцен, возникающего при относительном движении изображения приемника, и выделяет движущиеся малогабаритные объекты по перемещению, одновременно отслеживает движение нескольких найденных объектов. Системы слежения и обнаружения движущихся объектов могут обладать различными функциями, такими как: опознать новые объекты сцены, обнаружить пропавшие объекты сцены, описать новые сцены, описать новые сцены, осмотреть новые сцены, осмотреть новые сцены, осмотреть новые сцены. 5. 1. 2. Система идентификации номера автомобиля Как уже говорилось, одно из функций камер видеонаблюдения – считывать различные тегы, прежде всего номера транспортных средств пересекающих зоны. Одна из типичных таких приложений - система IIT, которая позволяет идентификовать и отображать номерные знаки автомобилей, которые движутся по трассе. Систему считывания номеров автомобилей реализуют на базе систем видеонаблюдения ITV Intellect и устанавливают на международные автомагистрали. Системная функция: оформление автомобиля автосчета; выделение знака номера; опознавание номеров автомобилей; Сохранить распознанный номер в базе. 5. 2 Биометрия. Интерес к методам идентификации и распознавания личности растет по всему миру. Основными путями и средствами решения данных проблем являются разработка биометричных систем. В системах биометрии человека используется комплекс биометрии, данные биологических характеристик человеческого организма. Такие биометрические характеристики можно назвать голосом, почерком, отпечатками пальца, геометрией руки, рисунком сетчатки и радужки, лицом и DНК. Биометрические защиты более эффективны, чем использование таких способов, как пароли, пин коды, смарткарты, позволяющие идентифицировать не конкретного пользователя, а устройства. Традиционные способы безопасности не допускают возможности воровства информации. Используемые уникальные биометрические идентификаторы, такие как отпечаток пальцев или образ лица, используются ключами, которые не могут быть использованы. Биометрические системы безопасности позволяют отказаться от паролей или усилить защиту. Одной из главных возможностей автоматизированной обработки данных стало повышенное требование к функциональности автоматизированных систем безопасности, применяемых в супермаркетах и так далее. 5. 2. 1. Система распознавания и идентификации лиц Функция идентификации лиц и идентификации по двумерному изображению включает в себя 3 основные модуля: идентификация лиц, кодирование индекса и последующее быстрое поиски лиц в базах данных, идентификация личности. Модули используются последовательно. Выбранные в настоящем кадре изображения лица подаются в индексную систему, в ответ на которую заранее указывается определенное число «кандидатов» из сохраненного архива изображений лица, наиболее похожих на текущую картинку. После проведения процедуры определяются изображения лиц, найденных кандидатами, чтобы их точную распознавать. Такой подход дает возможность осуществлять полноценную работу с «живым» видеопотоком с помощью выделения и опознавания лиц из больших объемов банковских изображений в близком режиме реального времени. Тема: текущая видеозапись вверху левого листа, результаты выделения лиц вверху левого листа ; результаты поиска в базе индексированных лиц второй строки изображений являются найденными "кандидатами", среди них может быть ложными; результат окончательного идентификации лица третьего ряда изображений являются показанными лишь "кандидатами", которые прошли идентификацию успешно. 5.2. 2. Система идентификации жестов рук человека Распознавать жесты является обширной областью приложений компьютерной визуализации. Под «жестами» мы в широком понимании понимаем любое движение тела человека. В узком понимании подразумевают какие-то характерные движения человека, которые имеют определенное смысловое значение. Распознавание – это система для того, чтобы помочь жестам в описании реальной системы интерфейса человека и машины. Например, посмотрим систему наблюдения за жестами рук человека в черно-белых видеокамерах с низкими разрешениями. io может распознавать до 10 разных жестов io может распознавать до 10 разных жестов io может распознавать до 10 разных жестов 5. 3 медицинские приложения В развитии компьютерных систем зрения особое место занимают вопросы диагностики медицинских заболеваний. Основные задачи, которые должны решаться здесь, заключаются в том, чтобы измерить объекты на рентгенограмме, компьютерном томографе и современном цифровом ультразвуковом приборе, а также улучшить визуализацию трехмерной формы объекта. Методы, связанные с определением степени зависимости от алкоголя и наркотиков, можно использовать для определения степени зависимости от алкоголя и наркотиков на основе анализов зрачков больного. 6. Будущее машинного зрения. 6. 1. Достоинства, недостатки и преимущества систем машинного наблюдения Главным недостатком системной машинной электроники, существенно ограничивающей рост своего рынка является недостаток единого стандарта оборудования и программного интерфейса. Пользователи систем постоянно жалеют о невозможности использования различных производителей систем. Помимо этого, повышая качество отсканированных изображений, они станут эффективным системным программным обеспечением для быстрой очистки видеофайлов, их удаления, их хранения и сохранения. Если эти функции будет реализована на оборудовании со временем, то спрос на систему встраивания технического освещения может быть предсказан. Перспективный подход к многоспектральным системам машинного наблюдения, обрабатываемым радарными или лазерными системами и инфракрасными камерами, является примером использования машинного наблюдения для того, чтобы распознавать тепловые поля людей в системах безопасности и анализировать качество горячего хлеба в кондитерских изделиях. Основным препятствием на этом этапе развития автозрения является дорогая и сложная эксплуатация сенсора. При настройке конкретной предметной области процедура калибровки системы длительная и сложная. Для подготовки нейронных сетей часто требуются значительные ресурсы и ресурсы вычислительной техники. Программное обеспечение прикладного типа тоже часто имеет неудобный интерфейс, перенастройку системы под новый номенклатурный набор, а даже измерение времени, которое пользователь нередко настаивает, часто невозможно. Клиент уже нуждается в системах, позволяющих анализировать на конвейер продукты не отдельным образом, но сразу – проверять все, что в настоящее время на конвейере, и в мгновение оценивать состояние всего продукта. Хорошие математические алгоритмы, предназначенные для высоких производительных компьютеров, которые поддерживают параллельные обработки. Проблема обнаружения похожих, однако разного освещенного объекта остается незамеченной и в ближайшее время едва ли справится с ним. Неадекватно выполняет производственную задачу иначе - без машинных систем, с дешевым персоналом. Но все эти вопросы временны. Ведущие провайдеры уже договорились о общих стандартах, для чего был разработан общедоступный дистрибутив и стандартный шаблон продукции, определен программный интерфейс и согласован язык для описания и представление машинных систем. Интерес к машинным системам во многом зависит от успеха машин в областях, в которых они гораздо превышают людей по возможности. Поэтому компьютер может обнаружить тысячи серых оттенков в картинке и разобраться в миллионах цветов очень быстро, решая типичную и сформулированную проблему распознавания, определяя небольшие детали изображения. А рост вычислительной мощности недорогих процессоров приводит к выпуску легкодоступных для бытового и промышленного «слепых» роботов, которые управляются обычным компьютером. Производители систем электронной безопасности планируют научить систему определения машин, чтобы классифицировать объекты. Хорошие системы определяют все виды автомобилей на видео и определяют их марку, ищут конкретного человека среди людей, перемещают людей, даже двигают их части тела и прогнозируют возможные поведения и так далее. 2 Будущее машинного зрения. Машинное зрение имеет все возможности превзойти зрение человека в течение ближайших десяти лет. Сейчас роботы видят сквозь стену на километрах вперед. Последний баннер - дешифровка видео - сейчас падает. Автомобили-роботы будут эксплуатироваться в эксплуатации, поезда - роботы, самолеты - роботы. А еще врачи, которые никогда скальпель не сломают, а глаза зоркого глаза вовремя заметят артерию. Остаётся надеяться на то, что люди могут направить в нужную сторону мощь машины и не спешат конструировать терминаторы. У машинных систем хорошая перспектива. Идеальная машина-зрение будет в полной цифровой форме, в ней будет использована интеллектуальная камера и недорогая техника, реализующая набор стандартных функций для обработки изображений и их распознавания. Ключевым моментом для ее успеха, конечно, станет удобный интеллектуальный программный интерфейс, который может гибко адаптироваться и быстро подстраиваться под произвольную технологическую область, что позволяет динамически увеличивать возможности, а также легко работать с аппаратом. Заключение. Машинное зрение - довольно противоречивая тема. С одной стороны, в этой области получены впечатляющие результаты и решено множество задач. Системы машинного зрения подходят для промышленной автоматизации, видеонаблюдения и анализа медицинских изображений. С другой стороны, машинное зрение все еще далеко от человеческого зрения. Достигнуто много высот, многие еще впереди. Поэтому существует два взгляда на развитие машинного зрения. Некоторые говорят, что они достигли беспрецедентных высот и разовьют огромную силу, опередив человека. Некоторые, что зрение останется непригодным для решения некоторых проблем, где необходимо вмешательство человека. Несовершенство машинного зрения частично объясняется техническими причинами, но информационные технологии стремительно развиваются, и находят все больше и больше решений проблем. Системы машинного зрения становятся все более актуальными. |