Анализ пространственно-временных закономерностей движения на аэрофотоснимках с использованием оптического потока

Обложка

Цитировать

Полный текст

Аннотация

Настоящее исследование посвящено анализу пространственно-временных закономерностей движения объектов на аэрофотоснимках с использованием метода оптического потока. В условиях развития технологий дистанционного зондирования и распространения БПЛА возрастает необходимость точного и автоматизированного анализа динамики природных и антропогенных процессов. Основное внимание в работе уделяется детальному изучению направленности и интенсивности движения на изображениях высокой разрешающей способности. Рассматриваются существующие методы оценки оптического потока, включая классические подходы Лукаса-Канаде и Хорна-Шанка, а также плотный оптический поток по Фарнебаку. Последний применяется как базовый метод для построения векторных полей скорости, на основе которых производится анализ распределения движения по сегментам изображения, визуализация направлений и построение тепловых карт. Предложенный подход позволяет выявлять структурные закономерности и локальные особенности движения, что особенно актуально для мониторинга состояния инфраструктурных объектов и оценки экологических рисков. Также в работе показано, что медианные оценки скорости более устойчивы к шумам и локальным выбросам, чем средние значения, что повышает надежность анализа. Метод исследования основан на вычислении плотного оптического потока методом Фарнебека с последующей статистической обработкой характеристик скорости и направлений движения между сегментами изображения. Научная новизна работы заключается в разработке комплексного подхода к анализу пространственно-временных характеристик движения на аэрофотоснимках с использованием плотного оптического потока, рассчитанного методом Фарнебака. В отличие от традиционных методов, ориентированных на глобальную оценку движения, предложенная методика акцентирует внимание на локальных закономерностях, позволяя проводить детализированную сегментную оценку направленности и интенсивности потока. В исследовании впервые интегрированы количественные и визуальные методы анализа: гистограммы, тепловые карты, расчеты медианных и средних значений скорости, метрики структурного сходства (SSIM) и среднеквадратичной ошибки (MSE) между сегментами изображения. Такой подход позволяет выявлять аномалии движения, определять участки с высокой динамикой и оценивать степень структурной стабильности объектов. Метод адаптирован к специфике данных с БПЛА и не требует обучения на больших выборках, что делает его применимым в условиях ограниченных вычислительных ресурсов. Полученные результаты имеют практическую ценность для автоматизации мониторинга инфраструктур и оценки экологических рисков.

Об авторах

Дмитрий Григорьевич Родионов

Санкт-Петербургский политехнический университет Петра Великого

Email: rodion_dm@mail.ru
ORCID iD: 0000-0002-1254-0464
Директор; Высшая инженерно-экономическая школа;

Дмитрий Анатольевич Сергеев

Санкт-Петербургский политехнический университет Петра Великого

Email: sergeev_da@spbstu.ru
доцент; высшая школа Высшая инженерно-экономическая школа;директор; Национальный центр качества и экспертизы;

Евгений Александрович Конников

Санкт-Петербургский политехнический университет Петра Великого

Email: konnikov_ea@spbstu.ru
доцент; высшая школа Высшая инженерно-экономическая школа;

Полина Александровна Пашинина

Санкт-Петербургский политехнический университет Петра Великого

Email: pashinina_pa@spbstu.ru
ассистент; высшая школа Высшая инженерно-экономическая школа;

Список литературы

  1. Гибсон, Дж. Дж. Восприятие визуального мира / Дж. Дж. Гибсон. – Бостон: Хoughton Mifflin, 1950. – 235 с.
  2. Лукас, Б. Д., Канаде, Т. Итеративная техника регистрации изображений с применением к стереоизображениям. В: Труды 7-й Международной совместной конференции по искусственному интеллекту; 1981. С. 674-679.
  3. Фарнебак, Г. Оценка движения по двум кадрам на основе полиномиального разложения. В: Труды 13-й Скандинавской конференции по анализу изображений (SCIA); 2003. С. 363-370. doi: 10.1007/3-540-45103-X_50.
  4. Сан, Д., Рот, С., Блэк, М. Дж. Секреты оценки оптического потока и их принципы. В: Конференция IEEE по компьютерному зрению и распознаванию образов (CVPR); 2010. С. 2432-2439. doi: 10.1109/CVPR.2010.5539939.
  5. Досовицкий, А., Фишер, П., Ильг, Е., Хауссер, П., Хазирбас, Ч., Гольков, В., Смакт, П., Кремерс, Д., Брокс, Т. FlowNet: Обучение оптическому потоку с помощью сверточных сетей. В: Международная конференция IEEE по компьютерному зрению (ICCV); 2015. С. 2758-2766. doi: 10.1109/ICCV.2015.316. EDN: YDBQRF.
  6. Брокс, Т., Бруhn, А., Папенберг, Н., Вайкетт, Дж. Высокоточная оценка оптического потока на основе теории искажений. В: Европейская конференция по компьютерному зрению (ECCV); 2004. С. 25-36. doi: 10.1007/978-3-540-24673-2_3.
  7. Адиль, О., Махраз, М. А., Риффи, Дж., Тайри, Х. Достижения в оценке оптического потока на основе глубокого обучения: Всесторонний обзор моделей и технологий. В: Шестая международная конференция по интеллектуальным вычислениям в науках о данных (ICDS); 2024 окт. С. 1-7. IEEE.
  8. Хричанюк, О., Свитенко, М., Крыхтин, Ю., Ахафонов, Ю., Авилов, А., Капашин, М. Программно-аппаратный комплекс для автоматической геотеггирования фотографий, сделанных с беспилотного летательного аппарата. В: 7-я международная конференция IEEE по актуальным проблемам разработки беспилотных летательных аппаратов (APUAVD); 2024 окт. С. 276-279. IEEE.
  9. Хорн, Б. К. П., Шунк, Б. Г. Определение оптического потока. Искусственный интеллект. 1981; 17(1-3): 185-203. doi: 10.1016/0004-3702(81)90024-2.
  10. Павленко, Б. В., Пикалев, Я. С. Методика создания набора аэрофотоснимков для задачи перекрестной геолокализации // Проблемы искусственного интеллекта. – 2024. – № 4(35). – С. 101-112. – doi: 10.24412/2413-7383-2024-4-101-112. EDN: DZMGUB.
  11. Галиверов, А. Н., Городничая, А. Н. Особенности использования БПЛА при эффективном сборе аэрофотоснимков в градостроительстве // Инновации. Наука. Образование. – 2022. – № 50. – С. 1822-1826. EDN: BKJZFH.
  12. Дюкарев, Е. А., Воропай, Н. Н., Макаров, С. А. Пространственное разрешение аэрофотоснимков БПЛА. В: Применение беспилотных летательных аппаратов в географических исследованиях: Материалы Всероссийской научно-практической конференции, Иркутск, 22-23 мая 2018 года / Ответственный редактор С.А. Макаров. – Иркутск: Институт географии им. В.Б. Сочавы Сибирского отделения Российской академии наук, 2018. – С. 64-66. EDN: YAVELR.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».