Claims (13)
1. Способ определения пространственного положения трехмерного движущегося объекта, осуществляемый в виде детектирования объекта, включающий использование датчиков движения способных регистрировать двумерные распределения интенсивности в виде изображений, отличающийся тем, что используют более одного датчика, которые располагают с заранее известной пространственной ориентацией, позволяющей производить одновременное наблюдение за одной и той же сценой, производят периодический опрос датчиков в течение всего периода времени после их включения, осуществляют обработку и анализ полученных от датчиков данных, образующих последовательности изображений, и генерируют выходной сигнал в случае обнаружения трехмерного движущегося объекта и определения его пространственного положения, который подают на выходное устройство.1. A method for determining the spatial position of a three-dimensional moving object, carried out in the form of detecting an object, including the use of motion sensors capable of detecting two-dimensional intensity distributions in the form of images, characterized in that more than one sensor is used that has a predetermined spatial orientation that allows simultaneous observation behind the same scene, periodically interrogate the sensors throughout the entire period of time after and x inclusion, carry out the processing and analysis of the data received from the sensors, forming a sequence of images, and generate an output signal in case of detection of a three-dimensional moving object and determine its spatial position, which is fed to the output device.
2. Способ по п.1, отличающийся тем, что данные от двух и более датчиков, образующие стереоизображения, подают на вход цифрового процессора сигналов.2. The method according to claim 1, characterized in that the data from two or more sensors forming stereo images is fed to the input of a digital signal processor.
3. Способ по п.2, отличающийся тем, что производят предварительную обработку вышеупомянутых стереоизображений, которая состоит из выбора характеристик объекта и условий наблюдения, сохранения в памяти процессора характерных движений трехмерных движущихся объектов, выбора Областей Интереса (ОИ) и в построения референтной карты.3. The method according to claim 2, characterized in that they pre-process the aforementioned stereo images, which consists of selecting the characteristics of the object and the observation conditions, storing the characteristic movements of three-dimensional moving objects in the processor memory, selecting Interest Areas (OI) and constructing a reference map.
4. Способ по п.3, отличающийся тем, что производят сравнение двух и более последовательных стереоизображений путем подсчета меры их различия.4. The method according to claim 3, characterized in that they compare two or more consecutive stereo images by counting the measure of their differences.
5. Способ по п.4, отличающийся тем, что при обнаружении факта, что мера различия стереоизображений превышает предварительно заданную величину, область изображения, в которой такая мера различия имеет место, заносят в память процессора.5. The method according to claim 4, characterized in that upon detection of the fact that the measure of the difference in stereo images exceeds a predetermined value, the region of the image in which such a measure of difference takes place is stored in the processor memory.
6. Способ по п.5, отличающийся тем, что производят подсчет локальных характеристик, включающих скорость для каждой точки, принадлежащей сохраненной в памяти Области Интереса стереоизображения с мерой различия, превышающей предварительно заданную величину.6. The method according to claim 5, characterized in that the local characteristics are calculated including the speed for each point belonging to the stereo image stored in the memory of the Region of Interest with a measure of difference exceeding a predetermined value.
7. Способ по п.6, отличающийся тем, что производят анализ полученных локальных характеристик для каждой точки, принадлежащей сохраненной в память Области Интереса стереоизображения, при этом анализ производят путем создания глобальной структуры в виде результата расчета оптического потока.7. The method according to claim 6, characterized in that the analysis of the obtained local characteristics for each point belonging to the stereo image area of interest stored in the memory is performed, the analysis being performed by creating a global structure in the form of the result of calculating the optical flux.
8. Способ по п.7, отличающийся тем, что, производят классификацию полученного результата расчета оптического потока путем введения решающего правила в виде нейросетевого классификатора.8. The method according to claim 7, characterized in that the classification of the obtained result of the calculation of the optical flow is performed by introducing a decision rule in the form of a neural network classifier.
9. Способ по п.8, отличающийся тем, что производят обучение нейросетевого классификатора на данных об изображениях, содержащих способы движения и деформации объектов во время движения, при этом обучение состоит в запоминании обучающего набора и представлении этого набора на вход и выход нейросетевого классификатора для получения значений коррекции входного и выходного сигнала, обучающий набор состоит из изображений, которые содержат движущиеся объекты в различных пространственных положениях с характерными движениями после различного рода деформаций, изменений положения, условий освещенности, с различными скоростями движения и расстояния до устройства видеоввода, присутствия нескольких движущихся трехмерных объектов.9. The method according to claim 8, characterized in that the neural network classifier is trained on image data containing methods of movement and deformation of objects during movement, the training consists in storing the training set and presenting this set to the input and output of the neural network classifier for to obtain input and output signal correction values, the training set consists of images that contain moving objects in various spatial positions with characteristic movements after various deformations, changes in position, lighting conditions, with different speeds and distances to the video capture device, the presence of several moving three-dimensional objects.
10. Способ по пп.8 или 9, отличающийся тем, что нейросетевой классификатор используют для выдачи решения о наличии либо отсутствии во входном стереоизображении движущегося трехмерного объекта.10. The method according to claims 8 or 9, characterized in that the neural network classifier is used to issue a decision on the presence or absence of a moving three-dimensional object in the input stereo image.
11. Способ по п.10, отличающийся тем, что в случае положительного решения нейросетевого классификатора осуществляют определение пространственного положения обнаруженного трехмерного движущегося объекта и генерируют соответствующий выходной сигнал.11. The method according to claim 10, characterized in that in the case of a positive decision of the neural network classifier, the spatial position of the detected three-dimensional moving object is determined and a corresponding output signal is generated.
12. Способ по п.1, отличающийся тем, что перед началом наблюдения за сценой производят калибровку двух или более датчиков, при этом калибровка состоит в представлении объекта с заранее известными геометрическими характеристиками, измерениями этих его характеристик, сравнением с предварительно заданными и коррекции в изображениях, которую производятся путем компенсации ошибок в измерениях.12. The method according to claim 1, characterized in that before starting to monitor the scene, calibrate two or more sensors, the calibration consists in representing an object with previously known geometric characteristics, measuring its characteristics, comparing with predefined and correcting images , which are produced by compensating for errors in measurements.
13. Способ по п.1, отличающийся тем, что данные от каждого датчика обрабатывают как по отдельности, так и совместно.13. The method according to claim 1, characterized in that the data from each sensor is processed both individually and together.