Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 8)

Промежуточные результаты работы над ВКР были представлены на:

– Всероссийской научно-практической конференции с международным участием «Научно-техническом и социально-экономическое сотрудничество стран АТР в XXI веке» (диплом I степени);

– молодежном конкурсе инновационных проектов «У.М.Н.И.К.» (диплом II степени);

– 74-й межвузовской студенческой научно-практической конференции «Научно-техническому и социально-экономическому развитию Дальнего Востока Росси-инновации молодых» (диплом II степени);

– III научно-технической конференции молодых специалистов ООО «Транснефть– Дальний Восток» (диплом I степени).

Дальнейшие исследования будут посвящены моделированию взаимодействия устройств WMSN, а также анализу методов сжатия видео с целью обеспечения качества обслуживания, их адаптации к изменяющимся условиям радиопередачи. Также целью исследований в будущем является разработка автоматического модуля оценки состояния сети и выбора параметров кодирования информации, обеспечивающих качество обслуживания: если пропускная способность сети достаточна, то узлы могут передавать видеопоток, приближенный к оригиналу, но при значительной загруженности сети, видео должно кодироваться с большей степенью сжатия.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Технологии Геомаркетинг, геоинформационные системы и ГИС-анализ [Электронный ресурс] – Режим доступа: http://rrg.ru/technology/geomarketing.

2. Яковлев В.В., Технологии виртуализации и консолидации информационных ресурсов [Текст]/В.В. Яковлев: ФГБОУ «Учеб.-метод. центр по образованию на ж.-д. трансп.– Москва, 2015. – 156 с.

3. M. Castrillón, . O. Déniz, . D. Hernández и J. Lorenzo, «A comparison of face and facial feature detectors based on the Viola–Jones general object detection framework,» International Journal of Computer Vision, № 22, pp. 481-494, 2011.

4. Y.-Q. Wang, «An Analysis of the Viola-Jones face detection algorithm» [Электронный ресурс] – Режим доступа: http://dx.doi.org/10.5201/ipol.2014.104, CMLA, ENS Cachan, France, 2014, pp. 128–148.

5. Шапиро Л, Стокман Дж., Компьютерное зрение [Электронный ресурс] / Л. Шапиро, Дж. Стокман ; пер. с англ. – 2-е изд. (эл.). – М. : БИНОМ. Лаборатория знаний, 2013. –752 с.

6. Khan, H. Abdullah и M. Shamian Bin Zainal, «Efficient eyes and mouth detection algorithm using combination of viola jones and skin color pixel detection» International Journal of Engineering and Applied Sciences, № Vol. 3 № 4, 2013.

7. Д. Азаров. Методы распознавания образов [Электронный ресурс] – Режим доступа: http://oxozle.com/2015/03/29/metody-raspoznavaniya-obrazov-chast-1

8. В. Адрианов, А. Леонов, Геомаркетинг: на стыке маркетинга и географии // Маркетинг Менеджмент, №7-8, 2010, С. 186-189

9. T. Kijewski-Correa, M. Haenggi, and P. Antsaklis. Wireless Sensor Networks for Structural Health Monitoring: A Multi-Scale Approach. Materials of ASCE Structures Congress, 2006. – pp.11-17

10. Жданов В. С. Проблемы и задачи проектирования беспроводных сенсорных сетей / Информационные, сетевые и телекоммуникационные технол гии: сборник научных трудов / под ред. проф. д.т.н. Жданова В. С. – М.: МИЭМ, 2009. –256 с.

11. Huynh-Thu, Q.; Ghanbari, M. «Scope of validity of PSNR in image/video quality assessment» , 2008 – pp.19-29

12. G.J. Sullivan. Overview of the High Efficiency Video Coding (HEVC) Standard, IEEE Trans. on Circuits and Systems for Video Technolog, 2008 – pp.45-49

13. G.J. Sullivan. Comparison of the Coding Efficiency of Video Coding Standards – Including High Efficiency Video Coding (HEVC), IEEE Trans. on Circuits and Systems for Video Technology, 2008 – pp.59-69

14. N. Dalal and B. Triggs. Histograms of oriented gradients for human detection // Conference on Computer Vision and Pattern Recognition (CVPR), 2005 – pp.1-15

15. M. Enzweiler and Dariu M. Gavrila. Monocular Pedestrian Detection: Survey and Experiments // Pattern Analysis and Machine Intelligence, 2009– pp.1-10

16. Y. Freund, R.E. Schapire. A Short Introduction to Boosting // Journal of Japanese Society for Artificial Intelligence, 14(5): 771-780, September, 1999. RU2: Vision Russia, Moscow, October 01–05, 2012 – рр.147

17. D. Geronimo, A.M. Lopez, A.D. Sappa, and T. Graf. Survey of pedestrian detection for advanced driver assistance systems // Pattern Analysis and Machine Intelligence, 2010. – pp.1-12

18. F. Porikli. Integral histogram: A fast way to extract histograms in Cartesian spaces // Conference on Computer Vision and Pattern Recognition (CVPR), 2006 – pp.12-19

19. V.N. Vapnik. The Nature of Statistical Learning Theory // Springer-Verlag, 2006. – pp.232-239

20. P. Viola, M. Jones. Rapid object detection using a boosted cascade of simple feature // Conference on Computer Vision and Pattern Recognition (CVPR), 2006. – pp.23-30

21. Qiang Zhu, Sai Avidan, Mei-Chen Yeh, and Kwang-Ting Cheng. Fast Human Detection Using a Cascade of Histograms of Oriented Gradients // Computer Vision and Pattern Recognition, 2006– pp.13-26

22. Open Source Computer vision library [Электронный ресурс] – Режим доступа: https://opencv.org.

23. Разработка Метод Виолы-Джонса (Viola-Jones) как основа для распознавания лиц [Электронный ресурс] – Режим доступа: https://habrahabr.ru/post/133826/.

24. P. Viola and M. Jones. Robust real-time face detection. IJCV 57(2), 2006

25. Разработка мультимедийных приложений с использованием библиотек OpenCV и IPP [Электронный ресурс] – Режим доступа: http://www.hpcc.unn.ru/?doc=602.

26. Dalal, N., Triggs, B.: Histograms of oriented gradients for human detection. In: CVPR. 2006. – pp.1-15

27. Ess, A., Leibe, B., Schindler, K., Van Gool, L.: A mobile vision system for robust multi-person tracking. In: CVPR, IEEE Press, 2008. – pp.21-40

28. Wojek, C., Walk, S., Schiele, B.: Multi-cue onboard pedestrian detection. In: CVPR. 2009. – pp.1-13

29. Enzweiler, M., Gavrila, D.M.: Monocular pedestrian detection: Survey and experiments. PAMI, 2009. – pp.31-40

30. Keller, C., Fernandez, D., Gavrila, D.: Dense stereo-based roi generation for pedestrian detection. In: DAGM., 2009. – pp.41-49

31. Dollar, P., Wojek, C., Schiele, B., Perona, P.: Pedestrian detection: A benchmark. In: CVPR.,2009. – pp.51-60

32. Geiger, A., Lenz, P., Urtasun, R.: Are we ready for autonomous driving? the kittivision benchmark suite. In: Conference on Computer Vision and PatternReognition (CVPR)., 2012– pp.1-16

33. Dollor, P., Wojek, C., Schiele, B., Perona, P.: Pedestrian detection: An evaluation of the state of the art. TPAMI, 2011. – pp.1-10

34. A.L. Samuel Some Studies in Machine Learning Using the Game of Checkers // IBM Journal. July 1959. P. 210–229.

35. P. Viola and M. Jones. Robust real-time face detection. IJCV 57(2), 2004. – pp.1-12

36. Lienhart R., Kuranov E., Pisarevsky V.: Empirical analysis of detection cascades of boosted classifiers for rapid object detection. In: PRS 2006. – pp. 297-304

37. I.H. Witten, E. Frank Data Mining: Practical Machine Learning Tools and Techniques (Second Edition). – Morgan Kaufmann, 2006 – pp.1-20

38. Liang Wang, Li Cheng, Guoying Zhao. Machine Learning for Human Motion Analysis. – IGI Global, 2009. – 318 p.

39. Журавлев Ю. И., Рязанов В. В., Сенько О. В. «Распознавание». Математические методы. Программная система. Практические применения. – М.: Фазис, 2006. – 458 c.

40. Разработка Viola Jones на собственной шкуре, часть 2. – Emotion? – OMG, Yes!!! [Электронный ресурс] – Режим доступа: https://habrahabr.ru/post/134857/.

41. Dalal, N., Triggs, B., Schmid, C.: Human detection using oriented histograms of flow and appearance. In: Leonardis, A., Bischof, H., Pinz, A. (eds.) ECCV 2006. LNCS, Springer, Heidelberg (2006), pp.111-120

42. Rosten E., Drummond T. Machine learning for high-speed corner detection // Proc. European Conference on Computer Vision. – 2006. – V. 1. – P. 430-443.

43. MapInfo Pro [Электронный ресурс] – Режим доступа: http://esti-map.ru/product/mapinfo-professional.

44. Обзор набора инструментов Spatial Analys [Электронный ресурс] – Режим доступа: https://pro.arcgis.com/ru/pro-app/tool-reference/spatial-analyst/an-overview-of-the-spatial-analyst-toolbox.htm.

45. Синез видеоаналитика [Электронный ресурс] – Режим доступа: http://synesis.ru/solutions/bezopasnyij-gorod

46. Интеллектуальные системы безопасности [Электронный ресурс] – Режим доступа: http://iss.ru/solutions/safecity/

47. Benenson R., Omran M., Hosang J., Schiele B.: Ten years of pedestrian detection, what have we learned? In: Agapito, L., Bronstein, M.M., Rother, C. (eds.) ECCV 2014 Workshops. LNCS, vol. 8926, pp. 613-627. Springer, Heidelberg (2015)

48. Wenfeng Xing, Yong Zhao, Ruzhong Cheng, Jiaoyao Xu, Shaoting Lv, and Xinan Wang: Fast Pedestrian Detection Based on Haar Pre-Detection, International Journal of Computer and Communication Engineering, Vol. 1, No. 3, September 2012. – pp.51-70

49. Mapinfo Прайс-лист [Электронный ресурс] – Режим доступа: http://www.mapinfo.ru/price

50. Академия айти. Основы работы с геоинформационной системой MapInfo [Электронный ресурс] – Режим доступа: http://www.academy.it.ru/courses/GIS001/.

51. Amurmedia.ru. Внедрение системы «Безопасный город» обойдется в 46 млн рублей бюджету Хабаровского края [Электронный ресурс] – Режим доступа:http://amurmedia.ru/news/society/26.01.2015/416897/vnedrenie-sistemi-bezopasniy-gorod-oboydetsya-v-46-mln-rubley-byudzhe.html.

52. Bradsky G., Kaehler A. Learning OpenCV – O’Reilly, 2008. – pp.5-10

Приложение A

(обязательное)

Функции детекторов

А.1 Функция детектора пешеходов, основанного на признаках Хаара

void detectHaar (Mat frame)

{

String pedestrian_name = "haarcascade_pedestrian.xml";

CascadeClassifier pedestrian_cascade;

std::vector<Rect> pedestrian;

Mat frame_gray;

cvtColor(frame, frame_gray, COLOR_RGB2GRAY);

equalizeHist(frame_gray, frame_gray);

pedestrian_cascade.detectMultiScale(frame_gray, pedestrian, 1.3, 2, 0|CV_HAAR_SCALE_IMAGE, Size(8, 8));

for ( size_t i = 0; i < pedestrian.size(); i++)

{

rectangle(frame, pedestrian[i], CvScalar(0, 0, 255), 1);

}

imshow("detectHaar", frame);

}

А.2 Функция детектора пешеходов, основанного на HOG

void detectHOG (Mat img)

{

HOGDescriptor hog;

vector<Rect> found, found_filtered;

hog.detectMultiScale(img, found, 0, Size(8,8), Size(32,32), 1.05, 2);

size_t i, j;

for (i=0; i<found.size(); i++)

{ Rect r = found[i];

for (j=0; j<found.size(); j++)

if (j!=i && (r & found[j])==r) break;

if (j==found.size())

found_filtered.push_back(r);

}

for (i=0; i<found_filtered.size(); i++)

{

Rect r = found_filtered[i];

r.x += cvRound(r.width*0.1);

r.width = cvRound(r.width*0.8);

r.y += cvRound(r.height*0.06);

r.height = cvRound(r.height*0.9);

rectangle(img, r.tl(), r.br(), cv::Scalar(0,255,0), 2);

}

imshow("detectHOG", img);

}

Приложение Б

(обязательное)

Программа записи видео

include <cv.h>

#include <highgui.h>

#include <stdio.h>

#include <time.h>

#include <string.h>

#include <opencv.hpp>

using namespace std;

using namespace cv;

int main(int argc, char* argv[])

{

char fname[80];

time_t seconds = time(NULL);

tm* timeinfo = localtime(&seconds);

char* format = "%A, %B %d, %Y %I:%M:%S";

strftime(fname, 80, format, timeinfo);

strcat(fname,".avi");

CvCapture* capture = 0;

IplImage *frame, *frame_copy = 0;

CvVideoWriter* cvVideoWriter=0;

capture = cvCreateCameraCapture( 0);

cvNamedWindow( "VideoOut", 1 );

Характеристики

Список файлов ВКР