אלכסנדר יוסופובמגישים:

אלכסנדר טרנבסקי

ד”ר גבריאל דוידובמנחה:

חורף תשע"אסמסטר:

ראות בתנאי רכבים אחר ועקיבה זיהויקשים

המצגת מבנה

הפרויקט • מטרות

התרחיש • צילום

אפריורי - • מידע הנחות

•: הפתרון אלגוריתם

הפנסים 1. מיקום מציאת

למכוניות 2. הפנסים שיוך

בזירה 3. המכונית מצב איפיון

מרחק 4. למטרהשערוך

ותוצאות • למשתמש תצוגה

ומסקנות • סיכום

מטרות הפרוייקט

עקיבת וידאו•ראיית לילה, תנאי תאורה קשים–מצלמה רועדת–רקע משתנה )צילום מתוך רכב נוסע(–

עקיבה אחר מספר רכבים•שינוי צורת הרכב–מספר רכבים משתנה–דינמיקה חריפה –

הסתרות חלקיות ומלאות•התמזגות עם הרקע•

מאפייני התרחיש

התרחיש תוכנן כך שיכלול:•

הסתרות מלאות–

הסתרות חלקיות –

כניסה ויציאה מתוך הפריים–

מאפייני הכביש:•

כביש עירוני –

עליות וירידות –

עיקולים–

תאורת רחוב משתנה.–

הצילום התבצע מתוך רכב נוסע•

שלושה רכבים מתמרנים שימשו כמטרות.•

וידאו המקור

סביבת עבודה

LUX-0מצלמה ביתית במצב •Matlab 2010aסביבת פיתוח • Intel i7מחשב עם מעבד •12GB( של RAMזיכרון פנימי )•

הנחות - מידע אפריורי

מספר מטרות ידוע מראש•בנק מטרות מוכן מראש•פנסים אחוריים בוהקים יחסית לרקע• פנסים עובדים2לכל מכונית • יחסיתהפנסים אופקיים•

אלגוריתם הפתרון

I מציאת מיקום .הפנסים

II שיוך פנסים .למכוניות

III איפיון מצב הרכב .וזיהוי הסתרות

Iמציאת מיקום הפנסים .

שלב א – שיפור איכות התמונה•

שלב ב – מציאת קואורדינטות הפנסים•

Iמציאת מיקום הפנסים .שלב א – שיפור התמונה

טשטוש שפות•מסנן חציון•

Iמציאת מיקום הפנסים .שלב ב – מציאת קואורדינטות

)90.05,352.72(

תיקון גמא1.

התמרת סף2.

התמרות מורפולוגית3.

מסה חישוב מרכז4.

IIשיוך פנסים למכוניות .

מקרה א – מטרה ותיקה •השוואה לבנק מטרות1.

הערכת אינובצית קלמן2.

ול התוצאותשקל3.

מקרה ב – מטרה חדשה•מציאת גודל המטרה1.

השוואה לבנק מטרות2.

IIשיוך פנסים למכוניות .מקרה א – מטרה ותיקה

לכל פנס עם כל מטרה בבנק מקדם קורלציהחישוב 1.

בנקמטרות

Target 1 Target 2 Target 3

. IIשיוך פנסים למכוניותמקרה א – מטרה ותיקה

טבלת מקדמי קורלציה1כתם 2כתם 3כתם 4כתם

1L 0.98 0.7 0.8 0.8

1R 0.83 0.95 0.7 0.8

2L 0.7 0.85 0.99 0.75

2R 0.82 0.8 0.7 0.85

IIשיוך פנסים למכוניות .מקרה א – מטרה ותיקה

של כל פנס:קלמן. מציאת אינובציית ה2

L1- שיערוך מסנן קלמן עבור פנס

IIשיוך פנסים למכוניות .מקרה א – מטרה ותיקה

טבלת אינובציות קלמן1כתם 2כתם 3כתם 4כתם

1L 10 20 100 130

1R 30 5 70 90

2L 110 100 10 30

2R 150 130 40 5

IIשיוך פנסים למכוניות .מקרה א – מטרה ותיקה

. שקלול מקדם קורלציה עם האינובציה של מסנן קלמן לשיפור 3התאמת הפנסים למכוניות.

שיוך פנס לכתם על פי ציון מקסימלי

Kalman InnovationGrade=Correlation -Car Size

IIשיוך פנסים למכוניות .מקרה ב – מטרה חדשה

המטרה: רכישת מטרות אוטומטיתגודל המטרה החדשה לא ידוע–ההשוואה מבוססת קורלציה ולכן רגישה מאוד –

לשינוי סקאלההמרחק בין הפנסים יחסי לגודל הרכב–היחס קבוע ונתון בבנק המטרות–

מציאת המרחק בין הפנסים תאפשר קורלציהבסקאלה נכונה.

. עבור כל זוג פנסים נוצר ווקטור המחבר 1ביניהם

IIשיוך פנסים למכוניות .מקרה ב – מטרה חדשה

. שלילת וקטורים בעלי זווית גדולה ביחס 2לאופק

IIשיוך פנסים למכוניות .מקרה ב – מטרה חדשה

. בדומה למקרה א, מחושב מקדם קורלציה עם כל אחד 3מן הרפרנסים.

. מיקום הרכב נבחר על סמך הוקטור בעל הקורלציה 4הגבוהה ביותר

IIשיוך פנסים למכוניות .מקרה ב – מטרה חדשה

0.99

IIIאיפיון מצב הרכב וזיהוי הסתרות .

מצבי מטרה אפשריים:זיהוי מלא•זיהוי חלקי•איבוד זמני•הסתרה חלקית•הסתרה מלאה•לא נמצא•

IIIאיפיון מצב הרכב .זיהוי מלא

במצב זה נמצאו שני פנסי המכונית. •

IIIאיפיון מצב הרכב .זיהוי חלקי

במצב זה נמצא רק פנס אחד.•"מנחשים" את מיקום הפנס השני על פי רוחב •

המכונית האחרון שנמדד.

IIIאיפיון מצב הרכב .איבוד זמני

במצב זה לא נמצא אף פנס.•המותאם מודל קלמןמיקום הפנסים משוערך ע"י •

למערכת.אמינות המשערך יורדת עם הזמן• פריימים במצב זה עוברים למצב "לא נמצא"15לאחר •

קלמן פילטרמידול תנועת הרכבים

אנכית•רעידות מצלמה–רעידות בכביש–עליות וירידות–

אופקית•עקיפות–החלפת נתיב–עיקולים בכביש–

IIIאיפיון מצב הרכב .מטרה לא נמצאה

מספר המטרות הכולל ידוע מראש•כאשר מספר המטרות המזוהות קטן מהמספר הידוע •

יתבצע חיפוש לפי מקרה ב' לחיפוש מטרות חדשות פריימים לשם מעבר ל-"זיהוי 10נדרש זיהוי רציף של •

מלא"חשיבות הרכישה הארוכה:•

איתחול קלמן–מניעת זיהוי שווא–ודאות ברוחב הרכב–

IIIאיפיון מצב הרכב .הסתרה חלקית

זיהוי כניסה להסתרה:•הרכב המסתיר יהיה ב-"זיהוי מלא"–הרכב המוסתר יהיה ב-"זיהוי חלקי"–"הניחוש" של מיקום הפנס המוסתר נמצא בין פנסי –

הרכב המסתיר

IIIאיפיון מצב הרכב .הסתרה מלאה

תנאי כניסה:•המכונית המוסתרת נמצאת במצב "הסתרה חלקית"–שני הפנסים של המכונית המוסתרת לא נמצאו–

תנאי יציאה:•המכונית המוסתרת נמצאת במצב "זיהוי מלא"–

אוהמכונית המסתירה אינה במצב "זיהוי מלא" –

במסנן קלמן מופיעות שתי מטריצות קווריאנס:•–Q אי ודאות המודל - –Rאי ודאות המדידה -

קבועQהמודל לא משתנה ולכן •דיוק המדידה משתנה בהתאם למצב: •

קטן מאודR"זיהוי מלא" – – בינוניR"זיהוי חלקי" ו-"הסתרה חלקית" – – גבוהה יחסיתR "איבוד זמני" – –

IIIאיפיון מצב הרכב .פרמטרי קלמן

סיכום ביניים

I מציאת מיקום .הפנסים

II שיוך פנסים .למכוניות

III איפיון מצב הרכב .וזיהוי הסתרות

הערכת המרחק למטרה

dm

L

dp

תצוגה

תצוגה

תוצאות

חידושים

עיבוד תמונה•התאמה לעקיבה בכביש•

זיהוי אוטומטי של גודל הרכב –חישוב פרספקטיבי–מודל קלמן מותאם למערכת–מספר מטריצות קווריאנס שונות–עקיבה בעקיפה–הדמיית מבט עילי–

להמשךהצעות

אלגוריתמים מתקדמים בראיה ממוחשבת•– Optical Flowלביטול תנועת הרקע– Scale Invariant Feature Tracking )SIFT(

לזיהוי מטרות מהיר ורובוסטי יותרניצול צבע בוידאו–

שיטות עקיבה מתקדמות•EKF, UKFמודל קלמן לא לינארי –– IMMשילוב מספר מודלי תנועה

תודות

ד"ר גבריאל דוידוב – מנחה הפרוייקט•מר קובי כוחיי – מהנדס המעבדה•גב' אורלי ויגדרזון – הנדסאית המעבדה•

הנהגים האמיצים:• עמרי שטיינמץ ילון– מיכאל פירוב– אורי כץ–

אלכסנדר יוסופובמגישים: אלכסנדר טרנבסקי

ד”ר גבריאל דוידובמנחה:חורף תשע"אסמסטר:

ראות בתנאי רכבים אחר ועקיבה זיהויקשים