informИнформатикаInformatics1816-03012617-6963UIIP NASB10.37661/1816-0301-2021-18-2-83-97inform-1118Research ArticleОБРАБОТКА СИГНАЛОВ, ИЗОБРАЖЕНИЙ, РЕЧИ, ТЕКСТА И РАСПОЗНАВАНИЕ ОБРАЗОВSIGNAL, IMAGE, SPEECH, TEXT PROCESSING AND PATTERN RECOGNITIONАвтоматическое обнаружение и отслеживание движущихся объектов, наблюдаемых видеокамерой беспилотного летательного аппаратаAutomatic detection and tracking the moving objects observed by an unmanned aerial vehicles video cameraЖукР. С.ZhukR. S.

Жук Роман Сергеевич - младший научный сотрудник лаборатории № 211 «Обработка и распознавание изображений»

ул. Сурганова, 6, Минск, 220012.

Raman S. Zhuk - Junior Researcher, the United Institute of Informatics Problems of the National Academy of Sciences of Belarus.

st. Surganova, 6, Minsk, 220012.

ramanzhuck@gmail.comОбъединенный институт проблем информатики Национальной академии наук БеларусиThe United Institute of Informatics Problems of the National Academy of Sciences of Belarus2021070620211828397Copyright © Жук Р.С., 20212021Жук Р.С.Zhuk R.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://inf.grid.by/jour/article/view/1118

Предлагается алгоритм автоматического обнаружения и отслеживания движущихся объектов, предназначенный для использования на борту беспилотного летательного аппарата. Разработанный алгоритм основан на отслеживании на протяжении определенного времени выбранных точек изображения. Отслеживаемые точки выбираются из областей на текущем кадре, в которых интенсивность пикселов отличается от интенсивностей тех же пикселов в предыдущих кадрах, совмещенных с текущим кадром при помощи проективного преобразования. Если на нескольких соседних кадрах не фиксируется смещение отслеживаемых точек, они удаляются и на их место добавляются новые точки из областей, предположительно принадлежащих движущимся объектам на текущем кадре. На каждом кадре близкие по расположению и форме траекторий движения точки объединяются в группы, которые соответствуют движущимся объектам. Отслеживание объектов осуществляется путем сопоставления групп движущихся точек соседних кадров. Группы движущихся точек соседних кадров сопоставляются, когда они содержат большое число общих отслеживаемых точек. Алгоритм позволяет одновременно отслеживать более 20 объектов в реальном времени. Индикация объекта как движущегося происходит только в том случае, если за время его сопровождения он сместился на значительное расстояние. Рассматриваемый алгоритм имеет низкий процент ложных обнаружений объектов, хорошо обнаруживает объекты малого размера и надежно сопровождает объекты.

An algorithm of automatic detection and tracking the moving objects for the use in equipment on board of unmanned aerial vehicles is considered. The developed algorithm is based on a tracking specially selected points for a certain period. Tracked points are selected from the areas on the current frame, where the pixel intensity differs from the intensities of the same pixels in previous frames, aligned with the current frame using projective transformation. If the displacement of the tracked points is not fixed on several adjacent frames, they are being deleted, and new points from the areas presumably belonging to moving objects in the current frame are added instead. On each frame the points similar by the location and shape of trajectories of movement are combined into groups that presumably correspond to moving objects. Objects are tracked by comparing the groups of moving points with the points of neighboring frames. Groups of moving points from neighboring frames are matched if they contain a large number of common tracked points. The algorithm allows simultaneous tracking of more than 20 objects in real time. The indication of objects as moving occurs only if during the time of its tracking it has shifted a considerable distance. The algorithm has a low percentage of false detections of moving objects, it detects well small objects and is capable reliably to accompany moving objects.

обнаружение движениясопровождение объектовбеспилотные летательные аппаратыдвижущаяся камераоптический потокmotion detectionobjects trackingunmanned aerial vehiclesmoving cameraoptical flowReferencesChapel M.-N., Bouwmans T. Moving Objects Detection with a Moving Camera: A Comprehensive Review. Available at: https://arxiv.org/abs/2001.05238 (accessed 19.04.2021).Chapel M.-N., Bouwmans T. Moving Objects Detection with a Moving Camera: A Comprehensive Review. Available at: https://arxiv.org/abs/2001.05238 (accessed 19.04.2021).Fiaz M., Mahmood A., Jung S.-K. Tracking Noisy Targets: A Review of Recent Object Tracking Approaches. Available at: https://arxiv.org/abs/1802.03098 (accessed 19.04.2021).Fiaz M., Mahmood A., Jung S.-K. Tracking Noisy Targets: A Review of Recent Object Tracking Approaches. Available at: https://arxiv.org/abs/1802.03098 (accessed 19.04.2021).Ye D. H., Li J., Chen Q., Wachs J., Bouman C. Deep learning for moving object detection and tracking from a single camera in unmanned aerial vehicles (UAVs). IS&T International Symposium on Electronic Imaging 2018. Burlingame, California, USA, 2018, pp. 4661-4666.Ye D. H., Li J., Chen Q., Wachs J., Bouman C. Deep learning for moving object detection and tracking from a single camera in unmanned aerial vehicles (UAVs). IS&T International Symposium on Electronic Imaging 2018. Burlingame, California, USA, 2018, pp. 4661-4666.Lucas B., Kanade T. An iterative image registration technique with an application to stereo vision. Proceedings of the 7th International Joint Conference on Artificial Intelligence (IJCAI '81). Vancouver, 1981, vol. 2, pp. 674-679.Lucas B., Kanade T. An iterative image registration technique with an application to stereo vision. Proceedings of the 7th International Joint Conference on Artificial Intelligence (IJCAI '81). Vancouver, 1981, vol. 2, pp. 674-679.Mueller M., Smith N., Ghanem B. A benchmark and simulator for uav tracking. Proceedings of the 14th European Conference on Computer Vision (ECCV '16). Amsterdam, 2016, pp. 445-461. https://doi.org/10.1007/978-3-319-46448-0_27Mueller M., Smith N., Ghanem B. A benchmark and simulator for uav tracking. Proceedings of the 14th European Conference on Computer Vision (ECCV '16). Amsterdam, 2016, pp. 445-461. https://doi.org/10.1007/978-3-319-46448-0_27Du D., Zhu P., Wen L., Bian X., Ling H., Liu Z. VisDrone-DET2019: the vision meets drone object detection in image challenge results. IEEE/CVF International Conference on Computer Vision Workshop (ICCVW). Seoul, 2019, pp. 213-226. https://doi.org/10.1109/ICCVW.2019.00030Du D., Zhu P., Wen L., Bian X., Ling H., Liu Z. VisDrone-DET2019: the vision meets drone object detection in image challenge results. IEEE/CVF International Conference on Computer Vision Workshop (ICCVW). Seoul, 2019, pp. 213-226. https://doi.org/10.1109/ICCVW.2019.00030Delibasoglu I. UAV Images Dataset for Moving Object Detection from Moving Cameras. Available at: https://arxiv.org/abs/2103.11460 (accessed 19.04.2021).Delibasoglu I. UAV Images Dataset for Moving Object Detection from Moving Cameras. Available at: https://arxiv.org/abs/2103.11460 (accessed 19.04.2021).Yi K. M., Yun K., Kim S. W., Chang H., Choi J. Detection of moving objects with non-stationary cameras in 5.8ms: bringing motion detection to your mobile device. IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPR). Portland, OR, USA, 2013, pp. 27-34.Yi K. M., Yun K., Kim S. W., Chang H., Choi J. Detection of moving objects with non-stationary cameras in 5.8ms: bringing motion detection to your mobile device. IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPR). Portland, OR, USA, 2013, pp. 27-34.Yun K., Lim J., Choi J. Y. Scene conditional background update for moving object detection in a moving camera. Pattern Recognition Letters, 2017, vol. 88, pp. 57-63. https://doi.org/10.1016/j.patrec.2017.01.017Yun K., Lim J., Choi J. Y. Scene conditional background update for moving object detection in a moving camera. Pattern Recognition Letters, 2017, vol. 88, pp. 57-63. https://doi.org/10.1016/j.patrec.2017.01.017

The authors declare that there are no conflicts of interest present.