Критерии оценки и метод оптимизации избыточности видеоизображений в системах наблюдения

Введение. Рассмотрена задача оптимизации распределения плотности пикселов по зоне обзора, обеспечивающая минимум избыточности видеоизображений при ограниченном пространстве мест установки камер. Представлено решение устранения избыточности информативности видеосигналов, приводящей к чрезмерным затратам ресурсов по передаче, хранению, обработке и отображению видеосигналов. Метод. Предлагаемый подход основан на интегральной оценке непрерывного распределения плотности пикселов в зоне обзора по сравнению с необходимым значением для решения заданной задачи наблюдения. Формализована задача наблюдения — определение пространств наблюдения и возможных мест установки камер. Показана методика расчета распределения плотности пикселов по зоне обзора с последующей оптимизацией параметров установки по критериям минимума значения коэффициента избыточности при достижении требуемого значения плотности пикселов или максимума минимальной плотности пикселов при заданном ограничении на коэффициент избыточности. Основные результаты. Предложены интегральный коэффициент и критерии оптимизации избыточности, учитывающие характер распределения плотности пикселов и метод оптимизации, позволяющий максимизировать минимальное значение плотности пикселов или минимизировать значение избыточности видеоизображения. Показано, что использование нормировки как по минимально требуемой плотности пикселов, так и по протяженности зоны обзора, позволяет использовать предложенные критерии для большинства практических задач обнаружения и идентификации при разных параметрах установки камер. Приведен практический пример использования метода. Обсуждение. Представленные критерии и метод позволяют повысить эффективность системы видеонаблюдения за счет сокращения избыточности ресурсов при сохранении требуемой информативности. Результаты работы применимы к задачам видеоконтроля зоны одной или несколькими камерами, а также для решения разных задач наблюдения в одной зоне. Могут использоваться при разработке систем наблюдения и программ автоматизированного проектирования таких систем.

1. Петраков А.В., Лагутин В.С. Телеинфраультра Визуализация как защищённое ТелеВидение. М.: Academia, 2015. 642 с.

2. Волхонский В.В. Системы телевизионного наблюдения: основы проектирования и применения. М.: Горячая линия-Телеком, 2022. 392 с.

3. Yang M.-H., Kriegman D.J., Ahuja N. Detecting faces in images: a survey // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2002. V. 24. N 1. P. 34–58. https://doi.org/10.1109/34.982883

4. Liao S., Jain A.K., Li S.Z. Partial face recognition: alignment-free approach // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2013. V. 35. N 5. P. 1193–1205. https://doi.org/10.1109/TPAMI.2012.191

5. Nasrollahi K., Moeslund T.B. Face quality assessment system in video sequences // Lecture Notes in Computer Science. 2008. V. 5372. P. 10–18. https://doi.org/10.1007/978-3-540-89991-4_2

6. Korshunov P., Ooi W.T. Video quality for face detection, recognition, and tracking // ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM). 2011. V. 7. N 3. P. 1–21. https://doi.org/10.1145/2000486.2000488

7. Almustafa K.M., Zantout R.N., Obeid H.R. Pixel density: recognizing characters in Saudi license plates // Proc. of the 10th International Conference on Intelligent Systems Design and Applications. 2010. P. 308–313. https://doi.org/10.1109/ISDA.2010.5687246

8. Ahuja N. A transform for multiscale image segmentation by integrated edge and region detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1996. V. 18. N 12. P. 1211–1235. https://doi.org/10.1109/34.546258

9. Zhao H., Wang T., Zeng X. A clustering algorithm for key frame extraction based on density peak // Journal of Computer and Communications. 2018. V. 6. N 12. P. 118–128. https://doi.org/10.4236/jcc.2018.612012

10. Zhang, J.Q., Zhang, H.Y. Clustering by fast search and find of density peaks based on manifold distance // Computer Knowledge and Technology. 2017. V. 13. P. 179–182.

11. Kubota S., Hisatake Y., Kawamura T., Takemoto M. 5.1: influence of pixel density on the image quality of smartphone displays // SID Symposium Digest of Technical Papers. 2015. V. 46. N 1. P. 22–25. https://doi.org/10.1002/sdtp.10179

12. Saad M.A., Pinson M.H., Nicholas D.G., Van Kets N., Van Wallendael G., Da Silva R., et al. Impact of camera pixel count and monitor resolution perceptual image quality // Proc. of the Colour and Visual Computing Symposium (CVCS). 2015. P. 1–6. https://doi.org/10.1109/CVCS.2015.7274887

13. Волхонский В.В., Ковалевский В.А. Методика оптимизации распределения плотности пикселов по зоне наблюдения // Научно-технический вестник информационных технологий, механики и оптики. 2022. Т. 22. № 6. С. 1055–1062. https://doi.org/10.17586/2226-1494-2022-22-6-1055-1062

14. Волхонский В.В., Ковалевский В.А. Метод оптимизации параметров установки камеры для видеоконтроля зоны наблюдения произвольной формы // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23, № 5. С. 927–934. https://doi.org/10.17586/2226-1494-2023-23-5-927-934

15. Волхонский В.В., Муратов А.С. Специфика использования мультимодульных телевизионных камер // Технологии защиты. 2021. № 2. С. 52–54.

16. Бакиров Р.М., Волхонский В.В., Калиберда И.В. Оптимизация параметров устройств формирования видеосигналов на основе матричных микроэлектронных преобразователей оптического излучения для контроля протяжённых зон // Микро- и нанотехнологии в электронике. Материалы XV Международной научно-технической конференции. Нальчик: Кабардино-Балкарский государственный университет им. Х.М. Бербекова, 2025. С. 284– 288.