Каскадный классификатор для обнаружения и идентификации птиц в видеопотоке
- Авторы: Власов Е.В1, Красненко Н.П1
-
Учреждения:
- Институт мониторинга климатических и экологических систем Сибирского отделения РАН (ИМКЭС СО РАН)
- Выпуск: Том 23, № 4 (2024)
- Страницы: 1199-1220
- Раздел: Искусственный интеллект, инженерия данных и знаний
- URL: https://bakhtiniada.ru/2713-3192/article/view/265770
- DOI: https://doi.org/10.15622/ia.23.4.10
- ID: 265770
Цитировать
Полный текст
Аннотация
В статье представлен разработанный метод и прототип программы для определения наличия птиц в видеопотоке данных в режиме реального времени. Этот метод основан на использовании каскадного классификатора, который был применен для решения задачи обнаружения и идентификации птиц в биоакустической установке отпугивания птиц в аэропорту Томска. В рамках исследования был использован каскадный классификатор Виолы-Джонса, который является одной из реализаций алгоритма каскад Хаара. Этот алгоритм позволяет с высокой точностью и скоростью обнаруживать объекты на изображениях и видео. В данном случае классификатор был обучен на наборе данных, содержащем изображения птиц, что позволило достичь высокой точности обнаружения и идентификации птиц на видео. Также приведены результаты оценки возможностей созданного классификатора и продемонстрирована его высокая результативность. В ходе исследования были использованы различные методы машинного обучения и анализа видеоданных, что позволило получить точные и надежные результаты. В целом, данная работа представляет собой инновационный подход к решению актуальной задачи защиты аэропортов от птиц. Применение разработанного метода позволило повысить эффективность работы биоакустической установки отпугивания птиц и обеспечить безопасность полетов в аэропорту Томска, снизив вероятность столкновения самолетов с птицами. Новизна работы заключается в применении метода Виолы-Джонса к задаче обнаружения и идентификации птиц с оценкой его результативности. Таким образом, представленная в статье работа является важным вкладом в развитие методов обнаружения и идентификации объектов на видео и может быть использована в других областях, где требуется автоматическое обнаружение и классификация объектов в видеопотоке данных.
Об авторах
Е. В Власов
Институт мониторинга климатических и экологических систем Сибирского отделения РАН (ИМКЭС СО РАН)
Email: evvicvl@gmail.com
проспект Академический 10/3
Н. П Красненко
Институт мониторинга климатических и экологических систем Сибирского отделения РАН (ИМКЭС СО РАН)
Email: krasnenko@imces.ru
проспект Академический 10/3
Список литературы
- Рогачев А.И., Лебедев А.М. Орнитологическое обеспечение безопасности полетов // М.: изд-во «Транспорт». 1984. 126 с.
- Силаева О.Л., Ильичёв В.Д., Золотарев С.С. Основные направления авиационной орнитологии // Вестник Российского университета дружбы народов. Серия: Экология и безопасность жизнедеятельности. 2010. № 5. С. 10–14.
- Рыжов С.К. Столкновения с птицами. Актуальные аспекты // Труды общества независимых расследователей авиационных происшествий. Москва. 2013. № 25. С. 175–179.
- Desoky A.A.S. A review of bird control methods at airports // Global journal of science frontier research (E). 2014. vol. 14(2). pp. 40–50.
- Кухта А.Е., Большакова Н.П., Мацюра А.В. Концептуальные подходы к орнитологическому обеспечению безопасности полётов воздушных судов // Вестник Тувинского государственного университета. Естественные и сельскохозяйственные науки. 2017. № 2. С. 96–105.
- Официальный сайт Федерального агентства воздушного транспорта, Росавиация. Статистика столкновений с птицами и другими животными. URL: https://favt.gov.ru/dejatelnost-bezopasnost-poletov-stolknoveniya-ptici-stat/ (дата обращения: 21.05.2022).
- Официальный сайт Международной организации гражданской авиации, электронный бюллетень. Анализ столкновений с дикими животными (IBIS) за 2008–2015 годы. URL: https://www.icao.int/safety/IBIS/2008%20-%202015%20Wildlife%20Strike%20Analyses%20(IBIS)%20-%20RU.pdf (дата обращения: 19.04.2022 ).
- Официальный сайт Министерства транспорта Российской Федерации. Динамика статистических показателей воздушного транспорта Российской Федерации в области столкновений с птицами. URL: https://favt.gov.ru/dejatelnost-bezopasnost-poletov-stolknoveniya-ptici/ (дата обращения: 20.12.2021).
- Рогачев А.И., Ростовский В.А., Шергалин Е.Э. Руководство по орнитологическому обеспечению полётов в гражданской авиации (РООП ГА – 89) // Министерство гражданской авиации СССР. Москва: Воздушный транспорт, 1989. 32 с.
- Ильичёв В.Д., Силаева О.Л., Золотарёв С.С., Бирюков В.А., Нечваль Н.А., Якоби В.Э., Титков А.С. Защита самолётов и других объектов от птиц // М.: Товарищество науч. изд. КМК, 2007. 320 с.
- Мацюра А.В., Яковлев Р.В., Уланов П.Н. Обзор акустических средств для отпугивания птиц // Acta Biologica Sibirica. 2016. Т. 2. № 4. С. 141–148. doi: 10.14258/abs.v2i4.1724.
- Отраслевая группа авиационной орнитологии. Отпугивание птиц биоакустическим методом. Проект «Универсал-Акустик». URL: http://www.otpugivanie.narod.ru/means-control/Universal-Acoustic.html (дата обращения 21.02.2020).
- Биоакустическое оборудование для отпугивания птиц (БАСОП). URL: (https://aviasvet.ru/push-birds/ (дата обращения 21.02.2020).
- BirdGard. URL: https://www.birdgard.com/product-page-for-international-customers/ ( дата обращения 21.02.2020).
- Bird collision avoidance system. URL: https://www.volacom.com/bird-collision-avoidance-system (дата обращения 21.02.2020).
- Vassilev V.M., Vassileva L.I., Karsch M.A., Petkov K.P., Petkov P.K., Larre J.C. Animal collision avoidance system // Patent US 8,598,998 B2. 2013.
- Vasilyev A.F., Neginsky I.V., Protopopov A.G., Yakimets A.L. System of ornithological protection of airfields // Institute of Scientific Communications Conference. Cham: Springer International Publishing. 2020. pp. 307–314.
- Власов Е.В., Кузьмин А.А., Раков А.С. Биоакустический комплекс обнаружения и отпугивания птиц в аэропортах // Сборник избранных статей научной сессии ТУСУРа по материалам Международной научно-технической конференции студентов, аспирантов и молодых ученых «Научная сессия ТУСУР. 2019. С. 22–24.
- Красненко Н.П., Кухта А.Е., Раков А.С. Радиофизические методы в обеспечении орнитологической безопасности объектов и территорий // Шарыгинские чтения. Четвертая международная конференция ведущих научных школ в области радиолокации, радионавигации и радиоэлектронных систем передачи информации. Материалы конференции. Томск: Изд-во Томск. гос. ун-та систем упр. и радиоэлектроники, 2022. С. 5–14.
- Фисенко В.Т., Фисенко Т.Ю. Компьютерная обработка и распознавание изображений: учебное пособие // СПб: СПбГУ ИТМО. 2008. 192 с.
- Гонсалес Р., Вудс Р. Цифровая обработка изображений: пер. с англ. // М.: Техносфера. 2002. 1104 с.
- Berger W. Deep Learning Haar Cascade Explained // http://www.willberger.org. 2017. Available at: http://www.willberger.org/cascade-haar-explained/ (accessed 22.12.2019).
- Прохоренок Н.А. OpenCV и Java. Обработка изображений и компьютерное зрение // СПб.: БХВ-Петербург. 2018. 320 с.
- Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход: пер с англ. / под ред. А.В. Назаренко // М.: Вильямс. 2004. 926 с.
- Шапиро Л., Стокман Д. Компьютерное зрение: учебное пособие для вузов: пер. с англ. // М.: БИНОМ. Лаборатория знаний. 2009. 752 с.
- Zou Z., Shi Z., Guo Y., Ye J. Object detection in 20 years: A survey // 2019. arXiv:1905.05055v2 [cs.CV].
- Verstraeten W.W., Vermenlen B., Struckens J., Lhermitte S., Van der Zande D., Van Ranst M., Coppin P. Webcams for bird detection and monitoring: A demonstration study // Sensors. 2010. vol. 10. no. 4. pp. 3480–3503. doi: 10.3390/s100403480. doi: 10.3390/s100403480.
- Yoshihashi R., Kawakami R, Iida M., Naemuva T. Bird detection and species classification with time-lapse images around a wind farm: dataset construction and evalution // Wind Energy. 2017. vol. 20. no. 12. pp. 1983–1995. doi: 10.1002/we.2135.
- Reyes E. A comparison of image processing techniques for bird detection // A Thesis for degree of master of science in electrical engineering faculty. USA, San Luis Obispo: California Polytechnic State University, 2014. 105 p.
- Jampens R.T., Hernandez F., Vandecasteele F., Verstockt S. Automatic detection, tracking and counting of birds in marine video content // Proceedings of sixth International conference on image processing theory, tools and applications (IPTA). 2016. pp. 1–6. doi: 10.1109/IPTA.2016.7821031.
- Niemi J., Tanttu J.T. Deep learning case study for automatic bird identification // Applied sciences. 2018. vol. 8(11). no. 2089. doi: 10.3390/app8112089.
- Mirudwe A., Nyirenda J., Dufouvg E Automating bird detection based on webcam captured images using deep learning // EPIC Series in Computing. Proceedings of the 43rd conference of the South African institute of computer scientists and information technologists. 2022. vol. 85. pp. 62–76.
- Viola P., Jones M. Rapid object detection using a boosted cascade of simple features // Proceeding of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR. 2001. vol. 1. 9 p. doi: 10.1109/CVPR.2001.990517.
- Hong S.-J., Han Yu., Kim S.-Y., Lee A.-Y., Kim G. Application of Deep-Learning Methods to Bird Detection Using Unmanned Aerial Vehicle Imagery // Sensors. 2019. vol. 19(7). no. 1651. doi: 10.3390/s19071651.
- Weinstein B.G., Ganner L., Saccomanno V.R., Steinkraus A., Ortega A., Brush K., et. al. A general deep learning model for bird detection in high-resolution airborne imagery // Ecological Application. 2022. vol. 32. no. 8.
- Кузьмин А.А., Власов Е.В., Красненко Н.П. Программа идентификации птиц в видеопотоке и воспроизведения звуковых сигналов (программа для ЭВМ) // Свидетельство о государственной регистрации программ для ЭВМ № 2021612566 от 19.02.2021.
- Власов Е.В., Красненко Н.П. Программа идентификации птиц в видеопотоке и набора статистики (программа для ЭВМ) // Свидетельство о государственной регистрации программ для ЭВМ № 2022683820 от 08.12.2022.
- Qt Creator – кроссплатформенная IDE для разработки приложений [Электронный ресурс]. URL: https://www.qt.io/product/development-tools/ (дата обращения: 01.10.2018).
- Справочник по OpenCV [Электронный ресурс]. URL: https://opencv-tutorial.ru (дата обращения: 01.10.2018).
- Библиотека алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом [Электронный ресурс]. URL: https://opencv.org/ (дата обращения: 01.10.2018).
- Работа каскада Хаара в OpenCV [Электронный ресурс]. URL: https://habr.com/ru/company/recognitor/blog/228195/ (дата обращения: 01.10.2018).
- Обучение каскадного классификатора [Электронный ресурс]. URL: https://docs.opencv.org/3.4/dc/d88/tutorial_traincascade.html (дата обращения: 01.10.2018).
Дополнительные файлы
