Методика автоматического выявления нештатных ситуаций на объектах общественного транспорта
Аннотация
Представленная работа посвящена разработке информационно-измерительной системы выявления нештатных ситуаций, возникающих на объектах общественного транспорта. В данной работе приведена статистика, по наиболее часто встречающимся видам нештатных ситуаций, возникающих на объектах общественного транспорта. Рассмотрен ограниченный набор, наиболее часто встречающихся, нештатных ситуаций, автоматическое выделение которых возможно на современном этапе науки и техники.
Предложен метод классификации нештатных ситуаций, в непрерывном потоке изображений, основанный на использовании нечёткого классификатора, работающего на основе нечеткой модели, работа которой основана на применении алгоритма Мамдани. Для повышения качества работы классификатора, метод измерения параметров нештатных ситуаций был модернизирован, с целью исключения из анализа объектов, присутствующих на изображении, заведомо не представляющих интерес. Для этого, каждый подвижный объект, присутствующий в данный момент времени на сцене был подвергнут процедуре классификации, построенной на основе динамического вектора признаков. С целью дальнейшего увеличения числа нештатных ситуаций, метод классификации нештатных ситуаций в непрерывном потоке изображений включает два этапа: 1) обнаружение фактов выхода некоторых значений компонент вектора признаков за пределы установленных значений; 2) метод выявления/классификации нештатных ситуаций.
Тестирование метода предложенного метода классификации и экспериментальная проверка подтвердили его эффективность.
Литература
2. Bitsheva A.V., Nikiforov Yu.A. Criminological characteristics of road safety offences and offences concerning safe operation of vehicles: challenges, features and trends. Bulletin of the Kazan Law Institute of MIA Russia. 2022;13(1):38-45. (In Russ., abstract in Eng.) doi: https://doi.org/10.37973/KUI.2022.52.68.021
3. Zharikova Yu.I., Boltenkova Yu.V. The state of crime at railway transport facilities. In: Klevtsova M.G. ed. Issledovanie innovacionnogo potenciala obshhestva i formirovanie napravlenij ego strategicheskogo razvitija. Kursk: SWSU; 2021. p. 211-214. Available at: https://www.elibrary.ru/item.asp?id=48063251 (accessed 13.08.2022). (In Russ., abstract in Eng.)
4. Tokarev V.L., Abramov D.A. Creation of system of video analytics. News of the Tula state university. Technical sciences. 2013;(9-1):270-276. Available at: https://www.elibrary.ru/item.asp?id=21189404 (accessed 13.08.2022). (In Russ., abstract in Eng.)
5. Kodanev A.V., Polyakov M.V., Sorokina I.K. Calculation of video surveillance camera parameters on the example of a typical object. In: Proceedings of the 2020 Conference on New impulses of development: questions of scientific research. Part 1. Saratov: Digital science Publ.; 2020. p. 77-80. Available at: https://www.elibrary.ru/item.asp?id=46253533 (accessed 13.08.2022). (In Russ., abstract in Eng.)
6. Almaadeed N., Asim M., Al-Maadeed S., Bouridane A., Beghdadi A. Automatic Detection and Classification of Audio Events for Road Surveillance Applications. Sensors. 2018;18(6):1858. doi: https://doi.org/10.3390/s18061858
7. Aznan N.K.N., Brennan J., Bell D., Jonczyk J., Watson P. On the Complexity of Object Detection on Real-world Public Transportation Images for Social Distancing Measurement. arXiv:2202.06639. 2022. doi: https://doi.org/10.48550/arXiv.2202.06639
8. Bogachev M.I., Volkov V.Y., Kolaev G., Chernova L., Vishnyakov I., Kayumov A. Selection and Quantification of Objects in Microscopic Images: from Multi-Criteria to Multi-Threshold Analysis. BioNanoScience. 2019;9(1):59-65. doi: https://doi.org/10.1007/s12668-018-0588-2
9. Tokarev V.L., Abramov D.A. Methods of allocation abnormal situations in the information-measuring system surveillance. News of the Tula state university. Technical sciences. 2015;(11-1):258-265. Available at: https://www.elibrary.ru/item.asp?id=25482479 (accessed 13.08.2022). (In Russ., abstract in Eng.)
10. Maity S., Chakrabarti A., Bhattacharjee D. Background modeling and foreground extraction in video data using spatio-temporal region persistence features. Computers & Electrical Engineering. 2020;81:106520. doi: https://doi.org/10.1016/j.compeleceng.2019.106520
11. Pugin E.V., Belyaev S.Yu. Approaches to the formation of fuzzy features in digital image processing problems. Methods and devices of information transmission and processing. 2018;(20):80-85. Available at: https://www.elibrary.ru/item.asp?id=40083219 (accessed 13.08.2022). (In Russ., abstract in Eng.)
12. Volkov V.Yu., Markelov O.A., Bogachev M.I. Image segmentation and object selection based on multi-threshold processing. Journal of the Russian Universities. Radioelectronics. 2019;22(3):24-35. (In Russ., abstract in Eng.) doi: https://doi.org/10.32603/1993-8985-2019-22-3-24-35
13. Nenakhov I.D., Artemov K., Zabihifar S., Semochkin A.N., Kolyubin S.A. Objects segmentation with retraining function. Izvestiya vysshikh uchebnykh zavedeniy. Priborostroenie = Journal of Instrument Engineering. 2022;65(3):194-203. (In Russ., abstract in Eng.) doi: https://doi.org/10.17586/0021-3454-2022-65-3-194-203
14. Ma J., Tsviatkou V.Yu., Kanapelka V.K. Image skeletonization based on combination of one- and two-sub-iterations models. Informatics. 2020;17(2):25-35. (In Russ., abstract in Eng.) doi: https://doi.org/10.37661/1816-0301-2020-17-2-25-35
15. Kudrina M.A., Mishenev V.S. Wave Skeletonization Algorithm of Raster Images. In: Proceedings of the IV International Conference and Youth School "Information Technologies and Nanotechnologies" (ITNT-2018). Samara: New Technology; 2018. p. 784-792. Available at: https://www.elibrary.ru/item.asp?id=34894789 (accessed 13.08.2022). (In Russ., abstract in Eng.)
16. Tokarev V.L., Abramov D.A. Tracking in the problems of safety. News of the Tula state university. Technical sciences. 2013;(9-2):215-223. Available at: https://www.elibrary.ru/item.asp?id=21191034 (accessed 13.08.2022). (In Russ., abstract in Eng.)
17. Abramov D.A. [The method of automatic detection of emergency situations based on the results of video surveillance]. Proceedings of the International Conference Mathematical Methods in Technique and Technologies ‒ MMTT-27. 2014;(4):118-120. Available at: https://www.elibrary.ru/item.asp?id=24339216 (accessed 13.08.2022). (In Russ.)
18. Tokarev V.L., Abramov D.A. Method Anomaly Detected. News of the Tula state university. Technical sciences. 2012;(12-2):219-225. Available at: https://www.elibrary.ru/item.asp?id=18982028 (accessed 13.08.2022). (In Russ., abstract in Eng.)
19. Rodrigue J.-P. Chapter 9 Transport Planning and Policy. In: The Geography of Transport Systems. 5 th ed. Routledge; 2020. 32 p. doi: https://doi.org/10.4324/9780429346323
20. Pugin E.V., Zhiznyakov A.L. Image processing algorithms for detecting objects using fuzzy features. Radio Engineering and Telecommunications Systems. 2020;(2):59-65. Available at: https://www.elibrary.ru/item.asp?id=43799895 (accessed 13.08.2022). (In Russ., abstract in Eng.)
21. Wang C., Zhou X., Tu H., Tao S. Some geometric aggregation operators based on picture fuzzy sets and their application in multiple attribute decision making. Italian Journal of Pure and Applied Mathematics. 2017;(37):477-492. Available at: https://ijpam.uniud.it/online_issue/201737/44-WangZhouTuTao.pdf (accessed 13.08.2022).
22. Privezentsev D.G., Zhiznyakov A.L., Pugin E.V. Development of fuzzy fractal representation of the image. CEUR Workshop Proceedings. 2018;2210:309-315. Available at: https://ceur-ws.org/Vol-2210/paper40.pdf (accessed 13.08.2022).
23. Prelov V. The f -Divergence and Coupling of Probability Distributions. Problems of Information Transmission. 2021;57(1):54-69. doi: https://doi.org/10.1134/S0032946021010038
24. Jabari S., Rezaee M., Fathollahi F., Zhang Y. Multispectral change detection using multivariate Kullback-Leibler distance. ISPRS Journal of Photogrammetry and Remote Sensing. 2019;147:163-177. doi: https://doi.org/10.1016/j.isprsjprs.2018.11.014
25. Tokarev V.L., Gorbunova T.I. [The choice of the optimal method for estimating the situation in the decision-making problem]. News of the Tula state university. Technical sciences. 2009;(4):76-180. Available at: https://www.elibrary.ru/item.asp?id=15224243 (accessed 13.08.2022). (In Russ.)
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.
