RU2755377C2 - Pattern recognition device - Google Patents
Pattern recognition device Download PDFInfo
- Publication number
- RU2755377C2 RU2755377C2 RU2020110263A RU2020110263A RU2755377C2 RU 2755377 C2 RU2755377 C2 RU 2755377C2 RU 2020110263 A RU2020110263 A RU 2020110263A RU 2020110263 A RU2020110263 A RU 2020110263A RU 2755377 C2 RU2755377 C2 RU 2755377C2
- Authority
- RU
- Russia
- Prior art keywords
- unit
- output
- reference values
- memory
- comparing
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
Description
Изобретение относится к области автоматики и вычислительной техники, в частности к распознаванию образов и может быть использовано при распознавании изображений морских наземных объектов по информации от видео камеры, установленной на беспилотном летательном аппарате. Техническим результатом является обеспечение повышение вероятности правильного распознавания в условиях ограничений по времени поиска заданных объектов.The invention relates to the field of automation and computer technology, in particular to pattern recognition and can be used in the recognition of images of sea land objects based on information from a video camera installed on an unmanned aerial vehicle. The technical result is to ensure an increase in the probability of correct recognition in conditions of time constraints for the search for specified objects.
Известно устройство мгновенного распознавания изображений включающее в себя компьютер, запоминающее устройство, распознающий блок (РБ), многоканальный генератор импульсов, управляемый компьютером, подключенный к входным выводам РБ, считывающее устройство компьютера, подключенное к выходным выводам РБ (US 2308081, G06К 9/68, 2007).A device for instant image recognition is known, which includes a computer, a memory device recognizing a unit (RB), a multichannel pulse generator controlled by a computer, connected to the input terminals of the RB, a computer reading device connected to the output terminals of RB (US 2308081, G06K 9/68, 2007).
Однако недостатком этого устройства является следующее ограничение: на распознавание могут подаваться только изображения, уже сохраненные в качестве эталонов. На практике же распознаваемое изображение, как правило, не дублирует ни один эталон, поэтому требуется выделять эталон, наиболее близкий к распознаваемому изображению (в смысле некоторой метрики).However, the disadvantage of this device is the following limitation: only images that have already been saved as templates can be submitted for recognition. In practice, the recognized image, as a rule, does not duplicate any standard, therefore, it is required to select the standard that is closest to the recognized image (in the sense of a certain metric).
Известно устройство для распознавания изображений лиц. Оно содержит последовательно соединенные видеокамеру (с двумя блоками освещения), аналого-цифровой преобразователь (АЦП), блок нормализации, блок выделения признаков (для детектирования лица на изображении), блок распознавания (состоящий из блока памяти эталонов, блока выбора эталонов для сравнения, блока измерения сходства входного изображения и эталона и блока принятия решения об останове перебора) и блок принятия решения для аутентификации пользователя (US 6882741, G06К 9/00, 2005).A device for recognizing face images is known. It contains a series-connected video camera (with two lighting units), an analog-to-digital converter (ADC), a normalization unit, a feature extraction unit (for detecting a face in an image), a recognition unit (consisting of a reference memory unit, a reference unit for comparison, a unit measuring the similarity of the input image and the reference and the decision block for stopping the search) and the decision block for user authentication (US 6882741,
Недостатком этого устройства является тот факт, что оно поочередно сравнивает характеристики изображения распознаваемого объекта с характеристиками изображений эталонов, что требует при большом количестве эталонов большого времени распознавания и не позволяет устройству работать в режиме реального времени.The disadvantage of this device is the fact that it alternately compares the characteristics of the image of the recognized object with the characteristics of the images of the standards, which requires a large number of standards for a large recognition time and does not allow the device to work in real time.
Наиболее близким по технической сущности к заявляемому изобретению является способ распознавания образа, устройство распознавания образов (RU 2487408, G06K 9/46, G06K 9/62, 2010 г.). Устройство распознавания образов содержит: видеокамеру, блок памяти для хранения опорных значений областей изображения, процессор, включающий блок дискретизации для разделения принятого изображения на области для взятия выборок от части пикселов каждой области, вычислитель опорных значений для области на основе выборок, блок сравнения опорных значений принятого изображения с опорными значениями хранящихся в памяти, индикатор распознанного образа.The closest in technical essence to the claimed invention is an image recognition method, an image recognition device (RU 2487408,
Недостатком данного устройства является не возможность последовательно накапливать информацию об объектах распознавания с учетом приближения видеокамеры к объектам распознавания (например, при размещении ее на летательном аппарате) и выдавать информацию о классе объекта при получении достаточной информации об опорных признаках в кратчайшее время.The disadvantage of this device is the inability to sequentially accumulate information about the objects of recognition, taking into account the proximity of the video camera to the objects of recognition (for example, when placing it on an aircraft) and to provide information about the class of the object when receiving sufficient information about the reference features in the shortest possible time.
Задачей заявляемого изобретения является уменьшение времени на процесс распознавания с сохранением высокой достоверности распознавания по мере приближения к объекту распознавания.The objective of the claimed invention is to reduce the time for the recognition process while maintaining a high recognition accuracy as it approaches the recognition object.
Технический результат заявляемого устройства заключается распознавании класса обнаруженного объекта в реальном масштабе времени после накопления достаточной информации, позволяющей по вычисленной апостериорной вероятности отнести его к одному из классов.The technical result of the proposed device consists in recognizing the class of the detected object in real time after accumulating sufficient information, allowing, according to the calculated a posteriori probability, to classify it into one of the classes.
Указанный технический результат заявляемого изобретения, позволяющий решить поставленную задачу, достигается тем, что в известное устройство распознавания образов, содержащее видео камеру, блок памяти для хранения опорных значений областей изображения, процессор, содержащий блок дискретизации для разделения принятого изображения на области для взятия выборок от части пикселов каждой области, вычислитель опорных значений для области на основе выборок, блок сравнения опорных значений принятого изображения с опорными значениями, хранящихся в памяти, индикатор распознанного образа введены блок хранения априорных вероятностей появления классов объектов, блок вычисления апостериорных вероятностей принадлежности объектов, блок сравнения апостериорных вероятностей с заданным порогом.The specified technical result of the claimed invention, which allows to solve the problem, is achieved by the fact that in a known image recognition device containing a video camera, a memory unit for storing reference values of image areas, a processor containing a sampling unit for dividing the received image into areas for taking samples from a part pixels of each area, a calculator of reference values for the area based on samples, a unit for comparing the reference values of the received image with reference values stored in memory, an indicator of a recognized image, a unit for storing a priori probabilities of the appearance of object classes, a unit for calculating a posteriori probabilities of object belonging, a unit for comparing a posteriori probabilities with a given threshold.
Введение вышеперечисленных блоков позволяет распознавать классы обнаруженных объектов по мере приближения видеокамеры к объектам на основе вычисления апостериорных вероятностей принадлежности объектов к условным классам.The introduction of the above blocks makes it possible to recognize the classes of detected objects as the video camera approaches the objects based on the calculation of the posterior probabilities of the objects belonging to conditional classes.
Сущность заявляемого изобретения поясняется чертежом, на фиг. 1, где представлена структурная схема устройства распознавания образов.The essence of the claimed invention is illustrated by a drawing, FIG. 1, which shows a block diagram of a pattern recognition device.
Устройство распознавания образов включает видео камеру 1, блок дискретизации 2, вход которого соединен с выходом видео камеры 1, вычислитель 3, вход которого соединен с выходом блока дискретизации 2, блок памяти 4, блок сравнения 5, первый и второй входы которого соединены соответственно с выходом блока дискретизации 2 и выходом вычислителя 3, а третий вход соединен с выходом блока памяти 4, блок хранения априорный вероятностей появления классов объектов 6, блок вычисления апостериорных вероятностей принадлежности объетов 7, первый вход которого соединен с выходом блока сравнения 5, второй вход с выходом блока хранения априорных вероятностей появления классов объектов 6, а выход соединен с входом блока хранения априорных вероятностей появления классов объектов 6, блок сравнения апостериорных вероятностей с заданным порогом 8, вход которого соединен с выходом блока вычисления апостериорных вероятностей принадлежности объектов 7, индикатор распознанного образа 9, вход которого соединен с выходом блок сравнения апостериорных вероятностей с заданным порогом 8.The pattern recognition device includes a
Блок-схема предлагаемого устройства приведена на чертеже.The block diagram of the proposed device is shown in the drawing.
Сущность работы устройства заключается в использовании метода последовательного распознавания [А.К. Розов Нелинейная фильтрация. СПб. Политехника, 1994. 387 с, стр. 40-41] основанного на вычислении апостериорных вероятностей принадлежности объектов к различным классам в соответствии с байесовским правилом, использовании информации о последних наблюдениях за объектами, обновлении априорных вероятностей появления объектов различных классов и принятия решения о классах объектов на основе сравнения полученных апостериорных вероятностей с заданным порогом.The essence of the device is to use the sequential recognition method [A.K. Rozov Nonlinear filtration. SPb. Polytechnic, 1994. 387 s, pp. 40-41] based on the calculation of the posterior probabilities of belonging of objects to different classes in accordance with the Bayesian rule, using information about the latest observations of objects, updating the prior probabilities of the appearance of objects of different classes and deciding on the classes of objects based on the comparison of the obtained posterior probabilities with a given threshold.
Устройство работает следующим образом. На первой итерации процесса изображения объектов, подлежащих распознаванию от видно камеры 1 поступают в блок дискретизации 2, где принятые изображения разделяются на области, полученные позиционные данные положения областей (POS), поступают на первый вход блока сравнения 5 и на вычислитель 3, где формируются опорные значения для областей (REF), содержащих части подлежащего распознаванию образа, которые поступают по второму входу на блок сравнения 5. В блоке памяти 4 хранятся эталонные для областей опорные значения (REF) и позиционные данные положения областей (POS). В блоке сравнения 5 производится сравнение эталонных для областей опорных значений (REF) с полученными из принятого изображения опорными значениями (REF). В результате сравнения в блоке 5 вычисляется относительное количество совпадений (Pic), полученных опорных значений из принятого изображения (REF) с эталонными опорными значениями (REF) для i-го класса объектов по формуле:The device works as follows. At the first iteration of the process, the images of objects to be recognized from the
где Rc - количество совпавших опорных значений пикселов принятого изображения (REF) и эталонного опорного изображения для i-го класса объектов;where R c is the number of matched reference pixel values of the received image (REF) and the reference reference image for the i-th class of objects;
Rэ - общее количество эталонных опорных значений (REF) для i-го класса объектов.R e - the total number of reference reference values (REF) for the i-th class of objects.
С точки зрения теории вероятности величину (Pic) можно принять как вероятность принадлежности принятого изображения объекта к i-y классу объектов.From the point of view of probability theory, the value (P ic ) can be taken as the probability that the received image of an object belongs to the iy class of objects.
В блоке 7 вычисляются апостериорные вероятности принадлежности обнаруженного объекта к каждому из условных классов объектов (при числе классов равным М) на основании формулы Байеса имеем:
где - апостериорная вероятность принадлежности обнаруженного объекта к i-у условному классу объектов после первой итерации;where - the posterior probability of belonging of the detected object to the i-th conditional class of objects after the first iteration;
Pi - априорная вероятность обнаружения объекта i-го класса, i=1, …М.P i - a priori probability of detecting an object of the i-th class, i = 1, ... M.
Априорные вероятности обнаружения объектов всех М классов (Pi) хранятся в блоке хранения априорных вероятностей появления классов объектов 6 и поступают в блок 7 по второму входу. Для первоначального шага (итерации) работы устройства распознавания априорные вероятности обнаружения (появления) объектов каждого i-го класса могут быть рассчитаны исходя из количества объектов различных классов по формуле:A priori probabilities of detecting objects of all M classes (P i ) are stored in the storage unit for a priori probabilities of occurrence of
где Кi - количество объектов i-го класса;where K i is the number of objects of the i-th class;
КΣ - общее количество объектов всех классов.К Σ - the total number of objects of all classes.
После первого наблюдения и вычисления апостериорных вероятностей принадлежности обнаруженного объекта к каждому из условных классов объектов в блоке 7 полученные апостериорные вероятности принадлежности обнаруженного объекта к каждому из условных классов объектов присваиваются априорным вероятностям обнаружения (появления) объектов каждого i-го класса:After the first observation and calculation of the posterior probabilities of belonging of the detected object to each of the conditional classes of objects in
После второго наблюдения апостериорные вероятности принадлежности обнаруженного объекта к каждому из условных классов объектов соответственно вычисляются с учетом новых априорных вероятностей принадлежности принятого изображения объекта i-у классу объектов:After the second observation, the posterior probabilities of belonging of the detected object to each of the conditional classes of objects are respectively calculated taking into account the new a priori probabilities of belonging of the received image of the object to the i-th class of objects:
где - апостериорная вероятность принадлежности обнаруженного объекта к i-y условному классу объектов после второй итерации;where - the posterior probability of the detected object belonging to the iy conditional class of objects after the second iteration;
вероятность принадлежности принятого изображения объекта к i-y классу объектов после второй итерации (наблюдению). the probability that the received image of the object belongs to the iy class of objects after the second iteration (observation).
По мере приближения носителя (самолета или беспилотного летательного аппарата) с видеокамерой 1 к объектам наблюдения производится ряд повторных наблюдений, соответственно для каждой n-й итерации формируются изображения объектов распознавания, вычисляются апостериорные вероятности принадлежности принятого изображения объекта к i-у классу объектов в блоке 7 по формуле:As the carrier (aircraft or unmanned aerial vehicle) with the
В блоке 8 на каждой n-й итерации процесса распознавания производится сравнение вычисленных апостериорных вероятностей принадлежности принятого изображения объекта к каждому из М классов объектов с порогом Г по формуле:In
где Г - пороговое значение.where Г is the threshold value.
При выполнении условия одного из неравенств, (для i-o класса) принимается решение о принадлежности полученного изображения к соответствующему i-y классу. При этом индикатор распознанного образа 9 соответственно фиксирует и запоминает факт принадлежности полученного изображения к i-y классу объектов.When the condition of one of the inequalities is fulfilled (for the i-o class), a decision is made on the belonging of the resulting image to the corresponding i-y class. In this case, the indicator of the recognized
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2020110263A RU2755377C2 (en) | 2020-03-10 | 2020-03-10 | Pattern recognition device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2020110263A RU2755377C2 (en) | 2020-03-10 | 2020-03-10 | Pattern recognition device |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2020110263A RU2020110263A (en) | 2021-09-10 |
RU2020110263A3 RU2020110263A3 (en) | 2021-09-10 |
RU2755377C2 true RU2755377C2 (en) | 2021-09-15 |
Family
ID=77663081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2020110263A RU2755377C2 (en) | 2020-03-10 | 2020-03-10 | Pattern recognition device |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2755377C2 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6882741B2 (en) * | 2000-03-22 | 2005-04-19 | Kabushiki Kaisha Toshiba | Facial image recognition apparatus |
RU2308081C2 (en) * | 2004-08-23 | 2007-10-10 | Валерий Михайлович Чеплашкин | System for instantaneous computer recognition of objects and recognition method |
RU105043U1 (en) * | 2010-11-02 | 2011-05-27 | Игорь Михайлович Хмаров | DEVICE FOR RECOGNITION OF OBJECTS BY THEIR THREE-DIMENSIONAL LASER IMAGES |
RU2487408C2 (en) * | 2009-07-13 | 2013-07-10 | Гурулоджик Майкроусистемс Ой | Pattern recognition method, pattern recognition device and computer program |
RU2691902C1 (en) * | 2018-10-19 | 2019-06-18 | Федеральное государственное унитарное предприятие "Государственный научно-исследовательский институт авиационных систем" (ФГУП "ГосНИИАС") | Method to direct an unmanned aerial vehicle |
-
2020
- 2020-03-10 RU RU2020110263A patent/RU2755377C2/en active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6882741B2 (en) * | 2000-03-22 | 2005-04-19 | Kabushiki Kaisha Toshiba | Facial image recognition apparatus |
RU2308081C2 (en) * | 2004-08-23 | 2007-10-10 | Валерий Михайлович Чеплашкин | System for instantaneous computer recognition of objects and recognition method |
RU2487408C2 (en) * | 2009-07-13 | 2013-07-10 | Гурулоджик Майкроусистемс Ой | Pattern recognition method, pattern recognition device and computer program |
RU105043U1 (en) * | 2010-11-02 | 2011-05-27 | Игорь Михайлович Хмаров | DEVICE FOR RECOGNITION OF OBJECTS BY THEIR THREE-DIMENSIONAL LASER IMAGES |
RU2691902C1 (en) * | 2018-10-19 | 2019-06-18 | Федеральное государственное унитарное предприятие "Государственный научно-исследовательский институт авиационных систем" (ФГУП "ГосНИИАС") | Method to direct an unmanned aerial vehicle |
Also Published As
Publication number | Publication date |
---|---|
RU2020110263A (en) | 2021-09-10 |
RU2020110263A3 (en) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11734786B2 (en) | Low- and high-fidelity classifiers applied to road-scene images | |
US8885943B2 (en) | Face detection method and apparatus | |
US20170206434A1 (en) | Low- and high-fidelity classifiers applied to road-scene images | |
JP4874607B2 (en) | Object positioning device | |
CN113313053B (en) | Image processing method, device, apparatus, medium, and program product | |
Legrand et al. | Chromosome classification using dynamic time warping | |
CN110502962B (en) | Method, device, equipment and medium for detecting target in video stream | |
CN112070058A (en) | Face and face composite emotional expression recognition method and system | |
US11410327B2 (en) | Location determination apparatus, location determination method and computer program | |
Luo et al. | Kayak and sailboat detection based on the improved YOLO with Transformer | |
CN111325276A (en) | Image classification method and device, electronic equipment and computer-readable storage medium | |
CN114913487A (en) | Target recognition detection method based on multi-modal learning and related components | |
US10963720B2 (en) | Estimating grouped observations | |
Ma et al. | Open set recognition with incremental learning for SAR target classification | |
CN113743239A (en) | Pedestrian re-identification method and device and electronic equipment | |
RU2755377C2 (en) | Pattern recognition device | |
CN114663839B (en) | Method and system for re-identifying blocked pedestrians | |
Dallaqua et al. | Active learning approaches for deforested area classification | |
US20240127567A1 (en) | Detection-frame position-accuracy improving system and detection-frame position correction method | |
CN106874928B (en) | Automatic judgment method and system for tracking target emergency key event | |
EP3640887A1 (en) | Mobile body observation method | |
Chen et al. | An application of improved RANSAC algorithm in visual positioning | |
Patsei et al. | Multi-class object classification model based on error-correcting output codes | |
CN113420699A (en) | Face matching method and device and electronic equipment | |
Allen et al. | Change-point detection methods for body-worn video |