Отчет по производственной практике (Исследование методов детектирования и распознавания текстовых областей на кадрах видеопотока)

Введение
Широкое распространение камер в последнее время приводит к увеличению объёма информации, обработка и анализ которой ложится на плечи человека. Особенно тяжело бывает выделить полезную текстовую информацию из всего видео потока. Данная проблема особо остро стоит в таких областях, как государственная оборона и обеспечение правопорядка, где объём поступающей видео информации огромен. В видеопотоке может содержаться полезная текстовая информация, с помощью которой появляются возможности для поиска, классификации и привязки этих данных к конкретному видео контенту. Уже существуют системы автоматического распознавания ГРЗ (государственные регистрационные знаки) транспортных средств, номеров железнодорожных вагонов, названий улиц и распознавание титров видео. Но в кадрах видеопотока может находиться ещё много метаинформации, например, таких как маркировка различных объектов и технических изделий, номера зданий, объявления, вывески, надписи, текст на документах и многое другое. Для автоматизации и улучшения процесса обработки информации человеком является создание систем автоматического детектирования любого текста в видео контенте.
Повышенный интерес к системам автоматического распознавания текстов вызван развитием человеко-машинных интерфейсов. Несмотря на то, что разработка методов распознавания текстов ведется уже несколько десятилетий, эта задача по-прежнему далека от автоматизированного решения для реальных изображений со сложным и неоднородным фоном, при отсутствии четких критериев отличия текста от фона [1 – 4].
При первичном рассмотрении систем распознавания текстов можно выделить общий алгоритм их работы (рис. 1).
Первым этапом является детектирование и локализация областей текста. В результате детектирования определяется присутствие на исходном изображении ТО (текстовых областей): если таковых нет, то процесс локализации и обработки дальше не происходит, в противном случае дальше текстовые области локализуются и обрабатываются.
Алгоритмы улучшения качества предполагают предварительное сглаживание изображения, определение типов присутствующих шумов и их устранение.
Сегментация заключается в разбиении текста на строки, слова и символы.
Для распознавания символов используются шаблонные, структурные и признаковые методы.

Целью данной производственной практики является изучение существующих решений и их сравнительный анализ. Для достижения данной цели необходимо решить следующие задачи:

• Проанализировать существующие решения для задачи детектирования ТО на изображениях реальных сцен;
• Проанализировать существующие решения для задачи распознавания символов на изображениях реальных сцен;
• Сравнительный анализ методов детектирования.