Обзор и анализ имеющихся программных решений для реализации алгоритма распознавания изображений знаков безопасности

Библиотека компьютерного зрения OpenCV

OpenCV – это библиотека компьютерного зрения с открытым исходным кодом, получившая широкое распространение для решения научных и прикладных задач. Библиотека написана на C++ и содержит алгоритмы сегментирования изображений, трекинга объектов в реальном времени и модули машинного обучения, в том числе реализации нейронных сетей.

Основные модули библиотеки следующие:

- Cxcore – ядро, содержит базовые операции над многомерными числовыми массивами, использует матричную алгебру, математические функции, генераторы случайных чисел. Имеет возможность записи и восстановления структур данных
 в XML и обратно. Содержит базовые функции 2D графики.

- CV – модуль обработки изображений и компьютерного зрения. Включает
в себя базовые операции над изображениями (фильтрация, геометрические преобразования, преобразование цветовых пространств и т. д.), анализ изображений (выбор отличительных признаков, морфология, поиск контуров, гистограммы), анализ движения, слежение за объектами, обнаружение объектов, в частности лиц.

- Highgui – модуль для ввода/вывода изображений и видео, создания пользовательского интерфейса, захвата видео с камер и из видео файлов, чтение
и записи статических изображений.

- Cvaux – экспериментальные и устаревшие функции, такие как: стерео калибрация, само калибрация, поиск стерео-соответствия, клики в графах, нахождение и описание черт лица.

OpenCV содержит самые базовые архитектуры и возможности, что затрудняет использование этой библиотеки в качестве самодостаточного решения для задачи распознавания нескольких классов объектов на изображении. Однако, это хороший инструмент для базовой обработки визуальных данных и создания интерфейсов между отдельными модулями распознающей системы.

Пакет расширения MATLAB Image Processing Toolbox

Image Processing Toolbox - это пакет расширения MATLAB, содержащий полный набор типовых эталонных алгоритмов для обработки и анализа изображений, в том числе функций фильтрации, частотного анализа, улучшения изображений, морфологического анализа и распознавания.

В состав Image Processing Toolbox входят стандартные алгоритмы для предобработки и постобработки, призванные решать часто возникающие системные проблемы, такие как влияние шума, низкий динамический диапазон, несфокусированная оптика, разница в цветовом представлении между входными
 и выходными устройствами

    1.4.3 Библиотека для создания нейронных сетей высокого уровня Keras

Библиотека Keras проста в использовании и позволяет создавать нейронные сети с помощью лишь нескольких строк кода Python. Она предоставляет удобный API машинного обучения поверх других низкоуровневых библиотек для обработки тензоров и манипуляций, называемых Backends. В это время Keras можно использовать сверху любого из трех доступных бэкэндов: TensorFlow, Theano, CNTK.

 1.4.4 Библиотека для создания нейронных сетей низкого уровня TensorFlow

       По умолчанию Keras использует бэкэнд TensorFlow, эта низкоуровневая библиотека имеет ряд достоинств:

· Основная библиотека подходит для широкого семейства техник машинного обучения, а не только для глубинного обучения.

· Линейная алгебра и другие внутренности хорошо видны снаружи.

· В дополнение к основной функциональности машинного обучения, TensorFlow также включает собственную систему логирования, собственный интерактивный визуализатор логов и даже мощную архитектуру по доставке данных.

Постановка задачи

Основной целью разработки программного обеспечения является интерактивное описание специализированных знаков безопасности. Предлагается разработать программное средство для распознавания специализированных знаков безопасности.

Для достижения основной цели выпускной квалификационной работы предлагается поставить и решить следующие основные задачи.

Рассмотреть различные математические методы пригодные для эффективного распознавания изображений знаков безопасности.

Разработать модель и метод распознавания изображений знаков безопасности с целью описания знаков безопасности.

Определить основные рабочие характеристики метода и алгоритмов работы программного комплекса в целом.

Выводы

Сделан вывод о том, что в качестве средства для мультимедийного описания будет использован ноутбук с установленным программным обеспечением, которое распознаёт изображения специализированных знаков безопасности и выводит их описание на экран.

Проведен анализ применимости математических методов обработки изображений с целью распознавания изображений специализированных знаков безопасности.

Проведен обзор и анализ имеющихся программно-технических решений для распознавания знаков безопасности.

Сформулирована постановка задачи, уточнены основные задачи, требующие решения.

 

 

Специальный раздел