Использование фрагментов телевизионного изображения системы технического зрения для верификации повышения помехоустойчивости измерений скорости протяженного объекта

Современные диагностические комплексы, используемые для контроля инфраструктуры железной дороги, оснащены системами технического зрения. Кроме функции видеофиксации, эти системы выполняют задачи распознавания и измерения параметров, необходимые для автоматизации технологических процессов. Одной из существующих задач является измерение скорости протяженных объектов. Измерение скорости необходимо для торможения вагонов на сортировочной горке, для формирования изображения протяженных объектов (отдельных вагонов или составов), которые не могут поместиться в кадр целиком (изображение формируется из фрагментов различных кадров), для решения задач составления натурных листов (распознавание номера вагона) и т. д. В статье описывается процедура верификации фрагментов изображений, используемых для измерения скорости протяженных объектов, которая позволяет повысить помехоустойчивость. Процедура верификации позволила усовершенствовать существующий алгоритм, основанный на сравнении двух смежных кадров для вычисления скорости движения, тем самым повысив достоверность измерений.

1. Васин Н.Н., Куринский В.Ю. Метод обработки видеосигналов для измерения скорости протяженных объектов // Инфокоммуникационные технологии. 2010. Т. 8. № 2. С. 36‒39.

2. Васин Н.Н., Куринский В.Ю. Способ измерения скорости движения протяжённых объектов. Патент на изобретение РФ № 2398240. Опубл. 27.08.2010.

3. Макарецкий Е., Овчинников А., Хиеунгуен Л. Телевизионные измерительные системы контроля скоростного режима дорожного движения // Компоненты и технологии. 2007. № 4(69). С. 34‒37.

4. Кузьмин С.В. Инвариантное к масштабу определение задержек между двумя одномерными цифровыми сигналами // Инфокоммуникационные технологии. 2011. Т. 9. № 2. С. 7‒10.

5. Васильев Д.В., Денисов С.А., Серебряков С.А. Исследование адаптивного корреляционного измерителя скорости с применением математического моделирования // Вестник МЭИ. 1995. № 2. С. 9‒18.

6. Sultana M., Mahmood A., Bouwmans T., Khan M.H., Jung S.K. Background/Foreground Separation: Guided Attention based Adversarial Modeling (GAAM) versus Robust Subspace Learning Methods // Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) Workshops. IEEE, 2021. PP. 181‒188.

7. Kim K., Chalidabhongse T.H., Harwood D., Davis L. Real-time foreground–background segmentation using codebook model // Real-Time Imaging. 2005. Vol. 11. Iss. 3. PP. 172‒185. DOI:10.1016/j.rti.2004.12.004

8. Kim Z.W. Real time object tracking based on dynamic feature grouping with background subtraction // Proceedings of the Conference on Computer Vision and Pattern Recognition (Anchorage, USA, 23‒28 June 2008). IEEE, 2008. DOI:10.1109/CVPR.2008.4587551

9. Schindler K., Wang H. Smooth Foreground-Background Segmentation for Video Processing // Proceedings of the 7th Asian Conference on Computer Vision (ACCV 2006, Hyderabad, India, 13‒16 January 2006). Lecture Notes in Computer Science. Vol. 3852. Berlin, Heidelberg: Springer, 2006. PP. 581‒590. DOI:10.1007/11612704_58

10. Диязитдинов Р.Р., Васин Н.Н. Способ измерения скорости движения протяженных объектов. Патент на изобретение РФ № 2747041. Опубл. 23.04.2021.