ГИБРИДНЫЙ МЕТОД ОБНАРУЖЕНИЯ АРТЕФАКТОВ НА ИЗОБРАЖЕНИЯХ В СИСТЕМАХ ВИДЕОНАБЛЮДЕНИЯ
Аннотация
В статье решается задача обнаружения артефактов на изображениях в системах видеонаблюдения. Для ее решения рассматриваются основные подходы к детекции артефактов: анализ высокочастотных компонент изображения, использование методов машинного обучения, анализ пространственных градиентов изображения, пороговый анализ яркости. Анализ подходов показал их эффективность только при выявлении определенных типов артефактов. Для решения поставленной задачи дополнительно потребовался выбор и анализ конкретных методов детекции артефактов на изображениях. Выбор методов обусловлен спецификой используемых в работе изображений, полученных из систем городского видеонаблюдения. Такие изображения часто содержат артефакты, вызванные неблагоприятными погодными условиями (снег, туман), техническими сбоями (вертикальные полосы, JPEG-искажения), а также освещением (пересветы, низкий контраст). Для оценки эффективности их распознавания проанализированы методы построения гистограмм яркости и квантильного анализа, проверки на низкую контрастность, обнаружения вертикальных полос и выявления блоковых артефактов. Каждый из методов имеет свои достоинства и недостатки. Для повышения эффективности обнаружения артефактов все методы были интегрированы в один гибридный метод. Для оценки его эффективности проведено тестирование на выборке из 700 изображений с уличных камер видеонаблюдения г. Казани. Одна половина изображений была без артефактов, а другая — с артефактами. По результатам тестирования получены следующие значения метрик качества классификации: accuracy = 98,86 %, precision = 97,84 %, recall = 100 %, F1-мера = 98,91 %. Результаты исследования показали эффективность гибридного метода и возможность его использования в системах видеонаблюдения для эффективного обнаружения артефактов на изображениях.
Скачивания
Литература
Ходосевич А. В. Клиент-серверная система управления парковками на основе анализа данных систем видеонаблюдения / А. В. Ходосевич, Р. П. Богуш // Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки. – 2022. – № 4. – С. 32–37. – DOI: 10.52928/2070-1624-2022-38-4-32-37.
Габдурахманов Л. Р. Интеллектуальные транспортные системы – современная концепция обеспечения безопасности дорожного движения / Л. Р. Габдурахманов, Р. Н. Минниханов, Р. Ф. Тинчурин // Научный портал МВД России. – 2022. – № 1(57). – С. 41–50.
Evaluation of the Approach for the Identification of Trajectory Anomalies on CCTV Video from Road Intersections / R. Minnikhanov, M. Dagaeva, A. Kadyrov [et al.] // Mathematics. – 2022. – Vol. 10, No. 3. – DOI: 10.3390/ math10030388.
Real Time Multi Object Detection & Tracking on Urban Cameras / R. Minnikhanov, M. Dagaeva, T. Aslyamov [et al.] // Sustainable Civil Infrastructures. – 2022. – P. 257–268. – DOI: 10.1007/978-3-030-79801-7_18.
Китенко А. М. Метод поиска и разметки артефактов на изображениях с использованием алгоритмов детекции и сегментации / А. М. Китенко // Системы анализа и обработки данных. – 2021. – № 4(84). – С. 7–18. – DOI: 10.17212/2782-2001-2021-4-7-18.
Varlamova A. A. Image splicing localization based on CFA-artifacts analysis / A. A. Varlamova, A. V. Kuznetsov // Computer Optics. – 2017. – Vol. 41, No 6. – P. 920–930. – DOI: 10.18287/2412-6179-2017-41-6-920-930.
Learning JPEG Compression Artifacts for Image Manipulation Detection and Localization / M. J. Kwon, S. H. Nam, In. Ja. Yu [et al.] // International Journal of Computer Vision. – 2022. – Vol. 130, No 8. – P. 1875–1895. – DOI: 10.1007/ s11263-022-01617-5.
Глозман О. С. Методика оценки спроса на краткосрочную аренду автомобилей (каршеринг) с целью расчета требуемого количества временных парковочных мест на жилых территориях / О. С. Глозман, А. М. Скобелев, С. А. Лирник // Транспортное дело России. – 2025. – № 1. – С. 221–223.
Дементьев Н. А. Фильтрация изображений на основе дискретного косинусного преобразования с использованием робастных индикаторов негауссовских распределений / Н. А. Дементьев, А. А. Бутов // Ученые записки УлГУ. Серия: Математика и информационные технологии. – 2023. – № 1. – С. 19–27.
A Comprehensive Review of Deep Learning-Based Real-World Image Restoration / L. Zhai, Y. Wang, S. Cui, Yu. Zhou // IEEE Access. – 2023. – Vol. 11. – P. 21049–21067. – DOI: 10.1109/access.2023.3250616.
Алексеева А. А. Нейросетевое распознавание рукописных букв английского алфавита / А. А. Алексеева, Д. В. Катасёва // Вестник Технологического университета. – 2025. – Т. 28, № 4. – С. 84–88. – DOI: 10.55421/30344689_2025_28_4_84.
Нургалиев Б. Х. Нейросетевая модель и программный комплекс распознавания изображений типа CAPTCHA / Б. Х. Нургалиев, Д. В. Катасёва, А. С. Катасёв // Вестник Технологического университета. – 2021. – Т. 24, № 1. – С. 104–107.
Катасёв А. С. Нейросетевые модели обнаружения и классификации знаков дорожного движения / А. С. Катасёв, Н. И. Фаттахов // Вестник Технологического университета. – 2023. – Т. 26, № 3. – С. 79–84. – DOI: 10.55421/1998-7072_2023_26_3_79.
Borisova I. V. Application of the gradient orientation for systems of automatic target detection / I. V. Borisova, V. N. Legkiy, S. A. Kravets // Computer Optics. – 2017. – Vol. 41, No 6. – P. 931–937. – DOI: 10.18287/2412-6179-201741-6-931-937.
Нгуен А. Т. Блочно-сегментный поиск локальных экстремумов изображений на основе анализа яркостей смежных пикселей и областей / А. Т. Нгуен, В. Ю. Цветков // Системный анализ и прикладная информатика. – 2019. – № 4. – С. 4–9.
Раухваргер А. Б. Об алгоритме изменения контраста цифрового изображения с учетом локальных статистических характеристик распределения яркости пикселей / А. Б. Раухваргер, Р. И. Абунагимов // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. – 2020. – № 2. – С. 26–33. – DOI: 10.24143/2072-95022020-2-26-33.
EAO-435/PO-BR-009 | Visualization of cell proliferation using the Farneback algorithm // Clinical Oral Implants Research. – 2021. – Vol. 32, No S22. – P. 73–74. – DOI: 10.1111/clr.8_13856.
Molchanov A. Estimation of accuracy in determining the translational velocity of a video camera using data from optical flow / A. Molchanov, V. Kortunov, F. R. Mohammadi // Eastern-European Journal of Enterprise Technologies. – 2017. – Vol. 4, No 9(88). – P. 37–45. – DOI: 10.15587/1729-4061.2017.108449.
Алпатов А. В. Методы распознавания артефактов зонда на изображениях атомно-силовой микроскопии / А. В. Алпатов, В. В. Стротов // Вестник Рязанского государственного радиотехнического университета. – 2012. – № 42-2. – С. 33–39.
Минаков Е. И. Проблемы кодирования и передачи квазистационарных аэровидеоизображений в информационно измерительных системах видеомониторинга состояния автотранспортных потоков / Е. И. Минаков, Д. С. Калистратов, А. П. Киселев // T-Comm: Телекоммуникации и транспорт. – 2016. – Т. 10, № 6. – С. 48–51.
Исследование алгоритма анализа изображений радужной оболочки глаза на основе сверточной нейронной сети / З. М. Гизатуллин, И. И. Глушков, С. А. Ляшева, М. П. Шлеймович // Научно-технический вестник Поволжья. – 2023. – № 6. – С. 55–57.
Глебов В. В. Сравнительный анализ алгоритмов обнаружения человека на изображении / В. В. Глебов, А. Н. Марьенков // Прикаспийский журнал: управление и высокие технологии. – 2023. – № 2(62). – С. 97–106.
Dimensions Measurement Algorithm of Rebar Based on Image Analysis / Y. Chen, Y. Ding, C. Fan, X. Kang // Chinese Journal of Sensors and Actuators. – 2021. – Vol. 34, No 3. – P. 311–318. – DOI 10.3969/j.issn.1004-1699.2021.03.005.
Пархоменко С. С. Вычисление интервальных чисел на основе нейронных сетей прямого распространения / С. С. Пархоменко, Т. М. Леденева // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. – 2015. – № 2. – С. 121–129.
Kohler M. Analysis of Convolutional Neural Network Image Classifiers in a Rotationally Symmetric Model / M. Kohler, B. Kohler // IEEE Transactions on Information Theory. – 2023. – Vol. 69, No 8. – P. 5203–5218. – DOI 10.1109/ tit.2023.3262745.
Панин М. А. Нейросетевой анализ цифровых изображений лейкоцитов для об наружения заболеваний крови / М. А. Панин, Э. Ш. Мамедов, Д. В. Тараканов // Вестник кибернетики. – 2023. – Т. 22, № 3. – С. 43–51. – DOI 10.35266/1999-7604-2023-3-43-51.
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
