danДоклады Национальной академии наук БеларусиDoklady of the National Academy of Sciences of Belarus1561-83232524-2431The Republican Unitary Enterprise Publishing House "Belaruskaya Navuka"10.29235/1561-8323-2023-67-1-20-26dan-1107Research ArticleИНФОРМАТИКАINFORMATICSАлгоритм обнаружения движущихся объектов, наблюдаемых видеокамеройAlgorithm for detection of moving objects observed by a video cameraЗалесскийБ. А.ZaleskyB. A.

Залесский Борис Андреевич – д-р физ.-мат. наук, заведующий лабораторией

ул. Сурганова, 6, 220012, Минск

Zalesky Boris A. – D. Sc. (Physics and Mathematics), Head of the Laboratory

6, Surganov Str., 220012, Minsk

zalesky@newman.bas-net.byОбъединенный институт проблем информатики Национальной академии наук БеларусиUnited Institute of Informatics Problems of the National Academy of Sciences of Belarus2023040320236712026Copyright © Залесский Б.А., 20232023Залесский Б.А.Zalesky B.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://doklady.belnauka.by/jour/article/view/1107

Представлен алгоритм обнаружения движущихся объектов, наблюдаемых видеокамерой. Алгоритм основан на обнаружении движения на кадрах видеопотока, полученного в общем случае движущейся видеокамерой, а также на построении и анализе траекторий движущихся объектов. Особенность алгоритма заключается в обнаружении на кадрах связных областей (кластеров) возможного движения, которые с большой вероятностью принадлежат изображениям движущихся объектов, а затем – нахождении на обнаруженных кластерах точек возможного движения и построении с помощью оптического потока траекторий движения найденных точек. Для обнаружения движущихся объектов используются только гладкие траектории. Остальные траектории удаляются из рассмотрения. Объект считается движущимся на текущем кадре, если в него попадает достаточное число траекторий движущихся точек, найденных на предыдущих кадрах. Представленный алгоритм имеет малую вычислительную сложность, что позволяет использовать его в режиме реального или близкого к реальному времени на малых вычислителях, имеющих только несколько процессоров архитектуры ARM без мощных средств параллельных вычислений типа GPU или нейросетевых процессоров NPU.

An algorithm to detect moving objects captured by a moving video camera is presented. The algorithm is based on detection of motion on video frames taken by a moving video camera, as well as on finding and analyzing the trajectories of moving objects. A feature of the algorithm is detection on frames of connected areas (clusters) of possible object motion. Then moving points on the detected clusters are found, and those points trajectories are built with help of the optical flow. The trajectories are used as features of moving objects. Only smooth trajectories are exploited for detection of moving objects, and the remaining ones are removed from consideration. An object is considered as moving on the current frame if it contains ends of a sufficient number of trajectories of moving points found on previous frames. The presented algorithm has a low computational complexity, which allows it to be used in real or near real time on small computers that have only a few processors of the ARM architecture without powerful parallel computing tools such as GPUs or neural network processors NPU.

видеопотокдвижущиеся объектыобнаружение объектовvideo streammoving objectsobject detectionReferencesChapel, M.-N. Moving Objects Detection with a Moving Camera: A Comprehensive Review / M.-N. Chapel, T. Bouwmans // Computer Science Review. – 2020. – Vol. 38. – Art. 100310. https://doi.org/10.1016/j.cosrev.2020.100310Chapel M.-N., Bouwmans T. Moving Objects Detection with a Moving Camera: A Comprehensive Review. Computer Science Review, 2020, vol. 38, art. 100310. https://doi.org/10.1016/j.cosrev.2020.100310Motion Detection [Electronic resource]. – Mode of access: https://paperswithcode.com/task/motion-detection. – Date of access: 25.05.2022.Motion Detection. Available at: https://paperswithcode.com/task/motion-detection (accessed 25 May 2022).Жук, Р. С. Автоматическое обнаружение и отслеживание движущихся объектов, наблюдаемых видеокамерой беспилотного летательного аппарата / Р. С. Жук // Информатика. – 2021. – Т. 18, № 2. – С. 83–97. https://doi.org/10.37661/ 1816-0301-2021-18-2-83-97Zhuk R. S. Аutomatic detection and tracking the moving objects observed by an unmanned aerial vehicles video camera. Informatics, 2021, vol. 18, no. 2. pp. 83–97 (in Russian). https://doi.org/10.37661/1816-0301-2021-18-2-83-97 26Gonzales, R. C. Digital Image Processing / R. C. Gonzales, R. E. Woods. – 4 ed. – Pearson/Prentice-Hall, 2018. – 1192 p.Gonzales R. C., Woods R. E. Digital Image Processing. Forth Edition. Pearson/Prentice-Hall. 2018. 1192 p.Wojke, N. Simple online and realtime tracking with a deep association metric / N. Wojke, A. Bewley, D. Paulus // ICIP’17: Proceedings of 2017 IEEE International Conference on Image Processing. – 2017. – P. 3645–3650. https://doi. org/10.1109/icip.2017.8296962Wojke N., Bewley A., Paulus D. Simple online and realtime tracking with a deep association metric. ICIP’17: Proceedings of 2017 IEEE International Conference on Image Processing. 2017, pp. 3645–3650. https://doi.org/10.1109/ icip.2017.8296962

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