автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Разработка и реализация WEB-сервисов для сравнения и обработки видеоизображений

САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

На празах рукописи

604614900

БЛИЗНЮК Алексей Владимирович

РАЗРАБОТКА И РЕАЛИЗАЦИЯ \Л/ЕВ-СЕРВИСОВ ДЛЯ СРАВНЕНИЯ И

ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ

05.1В.11 - Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата физико-математических наук

Санкт-Петербург 2010

-2 ДЕК 2010

004614900

Работа выполнена на кафедре информатики математико-механического факультета Санкт-Петербургского государственного университета.

Научный руководитель:

доктор технических наук, профессор САФОНОВ Владимир Олегович доктор технических наук, профессор ЛИСС Александр Рудольфович (ОАО "Концерн "Океанприбор"") кандидат физико-математических наук, доцент ФОМИНЫХ Николай Федорович (ЗАО «Ланит-Терком»)

Официальные оппоненты:

Ведущая организация:

^ШЩ^ПетсрбуЕгский_ ___государственный

политехнический университет

Защита состоится «_»

.2010 года в _часов на заседании совета

Д 212.232.51 по защите докторских и кандидатских диссертаций при Санкт-Петербургском государственном университете по адресу: 198504, Санкт-Петербург, Петродворец, Университетский пр., д. 28, математико-механический факультет Санкт-Петербургского государственного университета, ауд. 405.

С диссертацией можно ознакомиться в Научной библиотеке Санкт-Петербургского государственного университета по адресу: 199034, Санкт-Петербург, Университетская наб., д. 7/9

Автореферат разослан «_»_2010 года.

Ученый секретарь диссертационного совета, доктор физико-математических наук,

профессор И. К. Даугавет

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Данная работа посвящена разработке методов обработки и хранения больших объемов видеоинформации с помощью облачных вычислений (cloud computing), а также реализации программного комплекса, основанного на этих методах.

Актуальность темы. Задачи, связанные с обработкой видеоинформации, привлекают к себе все больше внимания, в связи со все более широким распространением систем видеонаблюдения и регистрации в различных сферах человеческой деятельности. Данная диссертационная работа посвящена разработке методов обработки видеоинформации с помощью облачных вычислений, основанных на распределенной сервисно-ориентированной архитектуре и позволяющих более эффективно использовать мощности вычислительных центров. При разработке методоа предложены решения проблем передачи и хранения больших объемов информации, а также разработаны эффективные методы обработки изображений, устойчивые к помехам. В рамках работы реализован программный комплекс, представляющий собой набор web-сервисов, обеспечивающих решение задач обработки видеоизображений с помощью облачных вычислений в сети Интернет [1].

Цели работы. Цели диссертационной работы заключаются в разработке методов обработки" и хранения видеоинформации с помощью облачных вычислений, а также в реализации распределенного программно-аппаратного комплекса, основанного на сервисно-ориентированной архитектуре, позволяющего максимально эффективно использовать вычислительные ресурсы системы, балансируя нагрузку между клиентскими узлами и фермой серверов.

Для достижения указанных целей в работе решены следующие задачи:

Разработаны методы обработки и хранения видеоинформации с помощью облачных вычислений

• Разработан и реализован быстрый алгоритм сравнения двух графических изображений с учетом помех

Разработан набор \Л/еЬ-сервисов для обработки, передачи и хранения видеоизображений

• Разработана и реализована библиотека функций для работы с изображениями: сравнения изображений различными методами, изменения яркости, изменения размеров

• Разработан и реализован пользовательский интерфейс для управления разработанной системой обработки изображений

Результаты решения этих задач выносятся на защиту. " *

Предметом исследования являются методы работы с видеоизображениями, хранения и передачи больших объемов данных.

Методы исследования. Для исследования возможностей системы был использован метод моделирования отдельных частей системы и применения к ним эмпирических метрик, что дало возможность установить на реальных экспериментах возможности и технические характеристики будущей системы.

Обоснованность и достоверность программного обеспечения получены путем тестирования и использования программно-аппаратного комплекса на реальных объектах.

Научные результаты и их новизна. В ходе диссертационной работы разработаны web-сервисы для работы с видеоизображением. Суть работы сводится к следующему:

- предложен набор методов обработки и хранения видеоинформации з реальном времени

- создан программно-аппаратный комплекс, представляющий собой систему видеонаблюдения, не имеющий аналогов. Получен патент на полезную модель из федерального института промышленной собственности Российской Федерации № 90230, «Система видеонаблюдения с общим сервером в сети Интернет», автор Близнюк A.B., заявка № 2009113530, на 8 страницых, включая описание, реферат, формулу полезной модели и схемы;

- разработаны способы передачи больших объемов информации без потери производительности;

реализованы методы хранения видеоизображения на сервере системы;

- проанализированы и реализованы методы обработки видеоизображений, в результате чего получена библиотека, позволяющая максимально быстро сравнивать изображения с учетом помех;

разработан новый алгоритм для поиска различий на изображениях;

Практическая значимость работы. Результатом работы является программно-аппаратный комплекс для видеонаблюдения и обработки видеоизображений, позволяющий конечному пользователю значительно сократить свои затраты, а также имеющий ряд конкурентных преимуществ перед ближайшими аналогами. Разработанный программно-аппаратный комплекс внедрен на предприятии «Ланит-Терком» и получил положительные отзывы пользователей.

Апробация работы. Основные выводы и результаты докладывались на конференции «Технологии Microsoft в теории и практике программирования» [3], где автором было занято второе место и на конференции «Первый конкурс ИТ проектов», где

автор занял первое место. В 2009 году был выигран грант Microsoft Старт 09. По материалам диссертации опубликованы 3 статьи, в том числе статьи из списка ВАК.

Публикации. Основные результаты диссертации опубликованы в работах [1-4]. Из них две публикации [1, 2] в журналах из перечня ВАК. Работа [3] написана в соавторстве: диссертанту принадлежат общие постановки задач, реализация описываемых методов, создание программных средств, соавтору - основные принципы реализации распределенной системы с помощью «/еЬ-сервисов.

Структура и объем диссертации. Работа содержит введение, три главы и заключение. Объем работы 98 страниц, количество иллюстраций 8, список использованной литературы содержит 32 наименования.

Введение содержит предварительную информацию о предмете исследования, список некоторых задач, решаемых с использованием методов, описанных в диссертации, а также формулировки целей диссертации.

В первой главе приводится обзор существующих схем построения видеонаблюдения. Дается краткое изложение особенностей архитектуры и применения множества современных систем обработки и хранения изображений. Описаны различные способы обработки изображений. В попиксельном методе сравнения изображение представляется в виде матрицы размера n х m со значениями каждого элемента от 0 до 255. Пусть матрица А - исходное изображение, матрица В - второе изображение. Попиксельный метод сравнения заключается в том, что для каждого элемента ij (i=l..n, j=l..m) будем искать разность = |а,у~А/( и накапливать количество значений пикселов, для которых R отлично от 0 (то есть, пикселы различаются).

Введем порог ошибки Е - допустимая доля отличающихся пикселов в изображениях.

Если Т <= Е, то принимается вариант, что изображения одинаковы, если Т > Е -изображения различны.

Статистический- подход основывается на предположении, что исходное пространство объектов представляет собой вероятностное пространство, а признаки (характеристики) объектов являют собой случайные величины, заданные на нем. Будем рассматривать набор пикселов как статистическую выборку. Тогда для

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

определения подобное™ изображений будем использовать статистические методы сравнения выборок.

Критерий Пирсона или критерий х2 - квадрат) имеет наибольшее применение при проверке согласования теоретической и эмпирических кривых распределения. Наблюдаемое значение критерия (У )Н = х2 вычисляется по следующей формуле:

где гпэ, - эмпирическая частота ¡-го интервала (варианта); Шц - теоретическая частота 1-го интервала (варианта); п - число интервалов (вариантов).

Как известно х' - распределение зависит от числа степеней свободы, это число находится по формуле

V =п -г-1,

где г - число параметров предполагаемого теоретического закона, использованных

для вычисления теоретических частот и оцениваемых по выборке.

Коэффициент ранговой корреляции Спирмена - это непараметрический метод, который используется с целью статистического изучения связи между явлениями. Практический расчет коэффициента ранговой корреляции Спирмена включает следующие этапы:

1) Сопоставать каждому из признаков их порядковый номер (ранг) по возрастанию (или убыванию).

2) Определить разности рангов каждой пары сопоставляемых значений.

3) Возвести в квадрат каждую разность и суммировать полученные результаты.

4) Вычислить коэффициент корреляции рангов по формуле:.

я(л-1)

где - сумма квадратов разностей рангов, а П - число парных наблюдений.

Во второй главе детально рассматривается система видеонаблюдения с общим сервером в сети Интернет, концепции и принципы, положенные в основу разработки системы. Описана архитектура системы, механизмы работы ее компонент и взаимодействие между ними [1]. Приводится обзор основных технологий, использованных при создании

комплекса. В главе рассмотрен новый подход к построению систем видеонаблюдения. Инновационной особенностью системы является то, что серверный кластер расположен в сети Интернет, к нему подсоединяются через каналы Интернета видеокамеры, с которых данные идут на сервер. Клиент имеет возможность просматривать записанные данные с помощью любого компьютера, подсоединенного к Интернету (рисунок 1).

Рисунок 1 Система видеонаблюдения с общим сервером в сети Интернет Во второй части главы рассматриваются теоретические основы применения СОМ-объектов для обеспечения независимости от платформы [2]. Хорошо известны способы переиспользования кода, описывающего некоторую функциональность в рамках одного языка программирования, одной платформы, одного компилятора. Использование же модуля, скомпилированного из исходного кода, написанного на одном языке, в программном коде, написанном на другом языке, было затруднено. Для решения данной задачи компания Microsoft предложила технологию COM (Component Object Model) -компонентную объектную модель. Компонент - это независимая часть программного обеспечения, предназначенная для выполнения какой-то определенной работы. Функциональность компонента может быть использована в любой программе. Нет необходимости дублировать код по разным программам, в которых требуется использовать одну и ту же функциональность.

В конце главы приведены варианты сравнения изображений с помощью спектрального анализа, описан метод быстрого преобразования Фурье для получения спектра изображения.

Третья глава полностью посвящена деталям реализации соискателем системы видеонаблюдения, основным частям инфраструктуры, ресурсоемкости, выбранным технологиям, подсистеме, отвечающей за взаимодействие с пользователем.

В главе подробно описывается реализация пользовательского интерфейса, модуля, отвечающего за лицензирование, способа хранения записей видеоизображений, сохранения конфигурации. Рассматривается общая архитектура комплекса.

Для реализации пользовательского интерфейса применялась технология Windows Presentation Foundation (рисунок 2). WPF предоставляет разработчикам объединенную

модель для программирования пользовательских интерфейсов, графических объектов и документов. Пользовательский интерфейс прототипа был разделен на две части: область отображения данных с видеокамер и область для управления камерами. В области отображения видеокамер может быть несколько окон, автоматически выполняющих выравнивание в области.

Рисунок 2 Пользовательский интерфейс Для задач лицензирования был использован RSA-алгоритм. RSA (аббревиатура фамилий Rivest, Shamir, Adleman) — криптографический алгоритм с открытым ключом.

Для хранения записей была разработана следующая структура хранения данных. Изображения хранятся в виде двух файлов: бинарный файл и файл с информацией для получения данных в формате .xml.

Запись происходит следующим образом:

• изображение-это набор кадров.

• каждый кадр конвертируется в набор байтов.

• Эти наборы байтов последовательно записываются в бинарный файл, а необходимая для чтения информация (метаданные): число байтов в кадре, смещение относительно начала файла, точное время кадра и значение частоты кадров записываются в отдельный файл метаданных.

На рабочей машине оператора сохраняется информация о том, с каких камер велась запись, какие камеры просматривались на момент выхода из программы, сохраняется конфигурация для каждой камеры, информация о локализации программного продукта,

добавлен ли этот программный продукт в автозапуск системы Windows. Информация о конфигурации видеокамер хранится а файле формата xml "devices.xml".

Информация о том, с каких камер велась запись видеопотока на компьютер, и информация о том, какие камеры были активны в момент выхода из данного программного продукта, хранится в файле "workers.xml".

В последней части главы приводится описание реализации предложенного метода поиска различий на изображениях с помощью спектрального анализа и доказывается устойчивость к помехам при применении этого подхода (рисунок 3).

В обработке изображений преобразование Фурье обычно рассматривается как декомпозиция сигнала на частоты и амплитуды, то есть, обратимый переход от временного пространства (time domain) в частотное пространство (frequency domain). В частотном пространство каждая точка описывает соответствующую частоту из временного пространства. Преобразование Фурье может быть применено для избавления от помех на изображении. Поскольку речь идет о цифровых изображениях, будет применяться дискретное преобразование Фурье (ДПФ). Дискретное преобразование будет содержать не все частоты, формирующие изображение, а только те, которые достаточно велики, чтобы описать временное пространство изображения. Количество частот соответствует количеству пикселей исходного пространства изображения, таким образом изображения во временном и частотном пространствах имеют одинаковые размерности.

Для квадратного изображения размером N х N, ДПФ представлено следующей формулой'.

.V-1.V-1

Где ^а,Ь) - изображение во временном пространстве и экспонента - базисная функция, соответствующая каждой точке Р(к,I) в частотном пространстве. Таким образом, значение каждой точки Р(к,1) вычисляется перемножением пространственного изображения с соответствующей базисной функцией и суммированием результатов. Базисные функции представляют собой синусы и косинусы с увеличивающимися частотами, таким образом Р(0,0) представляет главный коэффициент, который характеризует среднюю яркость изображения, а Р(1\1-1,М-1) представляет самую высокую частоту.

Вычислительная сложность ДПФ составляет 1М2. Для уменьшения сложности до И1од2Ы используем быстрое преобразование Фурье. Это улучшение особенно заметно для изображений больших размеров. Для применения БПФ изображение должно быть приведено к размеру 2". При этом полезно произвести уменьшение размера изображения, что увеличит скорость вычислений и не сильно скажется на качестве.

Преобразование Фурье переводит изображение в пространство, состоящее из комплексных чисел, которое может быть представлено двумя изображениями, отвечающими за вещественные и мнимые части или амплитудные и частотные

с = 0 ь=о

характеристики. Для обработки изображения наиболее важна вещественная часть, т.к. она содержит большую часть информации об его геометрической структуре.

Изучая частотные характеристики, /можно понять, как они влияют на изображение во временном пространстве. Обычно для удобного отображения на экране частотное пространство сдвигается так, чтобы главный коэффициент оказался в середине. Чем дальше точка расположена от центра, тем выше ее частота.

Получив изображение частотного пространства, видно, что наибольшее значение у главного коэффициента, который расположен в центре, значения остальных коэффициентов слишком валики, поэтому остальная часть окрашена в черный цвет.

Для получения более интересного изображения применим к каждому коэффициенту логарифмический оператор:

¡оё (X + |й|)

Полученное изображение содержит значения всех частот, где, чем выше частота, тем меньше ее амплитудное значение. Таким образом, низкие частоты содержат больше полезной информации, чем высокие. Это означает, что небольшая помеха на исходном изображении слабо скажется на основных амплитудных значениях. Отбрасываем высокие частоты и изучаем оставшиеся амплитуды двух изображений:

.V Л*

.V Е" ¡=--а ¡=--а

где значение с1 устанавливается эмпирически. Сложность метода составляет 0(Ы(овгЫ) + 4с12.

Рисунок 3 Пример изображений и их спектров

Разработанная как практический результат диссертации библиотека, включающая в себя реализацию приведенного метода сравнения изображений, является продуктом с I

открытым кодом и доступна на сайте google code. Для сравнения эффективности метода проанализируем аналогичные наиболее известные библиотеки с открытым кодом: '

AForge.NET, Python Motion Detection Library, Soft Collection Motion Detection Library.

Библиотека AForge.NET, реализованная на языке С#, предназначена для разработчиков и исследователей в области компьютерного зрения и искусственного интеллекта - |

нейронных сетей, генетических алгоритмов, робототехники и т. д., и содержит \

I реализацию алгоритмов обработки изображений. В пространстве имен AForge.Vision. Motion имеется класс MotionDetector с методом ProcessFrame, позволяющим сравнивать два изображения. Метод основан на одной из модификаций попиксельного сравнения. Сложность такого алгоритма 0(1\12).

Image Processing " (диссертация) AForge.NET Python Motion Detection Library Soft Collection Motion Detection Library

Сложность алгоритма O(nlog2n) + 4d* ОМ 0(пг+8* n/9) 0(n1

Помехоустойч ивость есть нет есть нет

Использование облачных вычислений (cloud computing) есть нет нет нет

Таблица 1.. Сравнение разработанной библиотеки функций с аналогами.

В таблице 1 приведены сравнительные характеристики реализованной библиотеки для сравнения изображений с наиболее близкими аналогами.

Заключение содержит описание основных результатов, полученных в работе, а также перечень возможных направлений развития проекта.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В ходе выполнения работы достигнуты следующие результаты:

1. Разработан программный комплекс оригинальной архитектуры для видеонаблюдения на основе применения концепции масштабирования физических ресурсов («облачные вычисления»), с сервером в сети Интернет.

2. Разработан быстрый алгоритм (таблица 1) для сравнения изображений с помехами, выполнена оценка его сложности, разработан реализующий его программный модуль.

3. Разработан набор м/еЬ-сервисов для обработки, передачи и хранения видеоизображений.

Все полученные результаты являются новыми.

Реализованный программно-аппаратный комплекс успешно прошел испытания и эксплуатируется на многих объектах.

Предложенный вариант реализации системы видеонаблюдения, где единый сервер хранения информации располагается в сети Интернет, выделил целый ряд преимуществ такой системы перед теми, которые уже существуют:

• Увеличение производительности, благодаря использованию облачных вычислений

12

• Значительное снижение требований к ресурсам на локальной машине, в связи с тем, что пользователь получает необходимые ресурсы по мере необходимости. Благодаря предлагаемой архитектуре системы, ее администрирование является задачей поставщиков \л/еЬ-сервисов.

• -Независимость местонахождения и платформная независимость достигается за

счет использования сервисов с помощью \«еЬ-браузера на любом устройстве (ПК, мобильный телефон, карманный компьютер). Поскольку сервисы доступны через Интернет, пользователи могут работать с ними с любого месторасположения, где есть доступ в сеть.

• Централизация хранилища данных пользователей решает проблемы разделения ресурсов между пользователями, улучшает распределение нагрузки в силу того, что большинство пользователей загружают систему не более чем на 10-20%.

• Повышается надежность сервера, что предотвращает возможность потери или порчи данных.

• Улучшение масштабируемости за счет динамического распределения ресурсов между пользователями, самообслуживания сервера в режиме реального времени. Решение различных слабо связанных задач представлено в виде различных \л/еЬ-сервисов, что является наиболее важным и новым методом в преодолении узких мест производительности, позволяя равномерно и по мере необходимости распределять ресурсы системы.

• Благодаря централизации хранилища, становится возможным значительно усилить защиту данных, используя защищенные каналы связи и авторизацию пользователей.

В ходе выполнения работы был получен патент на полезную модель, описывающий основные моменты созданного программного комплекса [4]. На конкурсе фонда Бортника проект занял второе место по Северо-западному федеральному округу, были проведены НИОКР в соответствии с календарным планом государственного контракта № 6847р/9563. Апробация системы на промышленных и социальных объектах позволила объективно оценить эффективность предложенного соискателем решения.

РАБОТЫ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ

Статьи в журналах, рекомендованных ВАК:

[1] Близнюк A.B. Система видеонаблюдения с общим сервером в сети Интернет. // Научно-технические ведомости СПбГПУ. 2009, Вып. 4, С. 141-147

[2] Близнюк A.B. Создание и применение компонентов СОМ. // Вестник Санкт-Петербургского университета. 2010 (март), Сер. 10, Вып. 1, С. 117-129

Другие публикации:

f3] Близнюк В.Д., Сафонов R.O. Система видсонгблюления с общим сервером в сети Интернет. // Тезисы докладов конкурса-конференции студентов, аспирантов и молодых ученых Северо-Запада "Технологии Microsoft в теории и практике программирования". СПб.: изд-во СПбГПУ, 2009, С. 19.

[4] Патент на полезную модель «Система видеонаблюдения с общим сервером в сети Интернет». Автор Близнюк А. В. Дата регистрации 27 декабря 2009. Номер 90230

Поап-гвйв у питги 03 И "> <йоп*дет 60 *84 1/16 . Бумага офсетная. ГарнигураЧапмс. Печать цифровая. Печ. л. 1,0. Тираж 100 экз. Заказ 4966. Отпечатано в Отделе оперативной полиграфии Химического факультета СПбГУ 198504, Санкт-Петербург, Старый Петергоф, Университетский пр., 26 Тел.: (812) 428-40-43, 428-69-19

ВВЕДЕНИЕ.

1 ОБЗОР СУЩЕСТВУЮЩИХ ТЕХНОЛОГИЙ И ПРОГРАММНЫХ КОМПЛЕКСОВ.

1.1 Обзор систем видеонаблюдения.

1.1.1 Системы с видеорегистратором (DVR).

1.1.2 Компьютерные системы видеонаблюдения.

1.1.3 Сетевые системы видеонаблюдения.

1.2 Методы обработки видеоизображений.

1.2.1 Введение в видеоизображения.

1.2.2 Попиксельный метод.

1.2.3 Коэффициент Пирсона.

1.2.4 Коэффициент Спирмена.

1.2.5 Дискретное преобразование Фурье.

1.2.6 Обзор других методов.

2 СИСТЕМА ВИДЕОНАБЛЮДЕНИЯ С ОБЩИМ СЕРВЕРОМ В СЕТИ ИНТЕРНЕТ.

2.1 Введение.

2.2 Сис гема видеонаблюдения.

2.2.1 Существующие системы наблюдения.

2.2.2 Новая модель системы видеонаблюдения.

2.2.3 Конкурентные решения.

2.2.4 Особенности системы наблюдения основанной на WEB сервисах.

2.2.5 Несколько сценариев использования.

2.3 Компоненты СОМ в реализации модуля захвата данных с видеокамер.

2.3.1 Введение.

2.3.2 Технология СОМ.

2.3.3 Основные понятия.

2.3.4 Версии компонента СОМ.

2.3.5 Интерфейсы СОМ.

2.3.6 Контракт интерфейса.

2.3.7 Выделение и освобождение памяти.

2.3.8 Типы СОМ.

2.3.9 Построение и использование СОМ средствами VC++.

2.3.10 Порядок построения компонента.

2.3.11 Файл IDL.

2.3.12 Определение пользовательского интерфейса.

2.3.13 Реализация интерфейсов.

2.3.13.1 Фабрика классов для интерфейса.

2.3.14 Работа с системным реестром.

2.3.15 Статические объекты.

2.3.16 Создание файла DLL.

2.3.17 Создание клиентского приложения.

2.3.18 Анализ технологии СОМ.

2.3.19 Компоненгы .NET.

2.3.20 JavaBeans.

2.3.21 Достоинства и недостатки СОМ.

2.3.22 Будущее СОМ.

2.3.23 Использование СОМ на практике.

2.4 Поиск различий на изображениях.

2.4.1 Прямое, обратное и свойства.

2.4.2 Дискретное преобразование Фурье.

2.4.3 Применение преобразования Фурье.

3 РЕАЛИЗАЦИЯ И РЕЗУЛЬТА ТЫ ПРИМЕНЕНИЯ РАЗРАБОТАННЫХ

МЕТОДОВ И СРЕДСТВ.

3.1 Разрабо гка системы видеонаблюдения с общим сервером в сети Интернет.

3.1.1 Описание системы.

3.1.2 Прототип системы.

3.1.3 Разработка технических характеристик модернизированных локальных систем видеонаблюдения.

3.1.4 Расчет потребляемых ресурсов системы наблюдения.

3.1.5 Архитектура системы и отдельных ее час гей.

3.1.6 Описание интерфейса WEB модуля.

3.1.7 Обусловленность выбора технологий.

3.1.8 Создание каркаса для взаимодействия отдельных частей системы, отдельных ее компонент.

3.1.9 Создание пользовательского интерфейса клиентского приложения.

3.1.10 Модуль лицензирования.

3.1.11 Модуль хранения записей.

3.1.12 Сохранение конфигурации системы.

3.1.13 Поддержка работы с 1Р камерами.

3.1.14 Конвертирование записей в другие видео форматы.

3.1.15 Создание прототипа многопользовательской системы.

3.1.16 Доработка основных узлов системы, отвечающий за получение, передачу и хранение информации.

3.1.17 Тестирование системы в реальных условиях.

3.1.18 Разработка детектора движения с помощью дискретного преобразования Фурье

3.1.19 Реализация.

3.1.20 Описание реализации.

На сегодняшний день, в связи с постоянным увеличением объемов передаваемых и хранимых данных, очень актуальной является тема оптимизации существующих программно-аппаратных систем, призванных обрабатывать, передавать и хранить информацию. В данной диссертационной работе рассматривается обработка графических изображений большого размера до нескольких терабайт, и на обработку которых тратится большое количество ресурсов.

В связи с этим актуальной проблемой становится создание программного комплекса способного максимально быстро и минимальными затратами вести обработку видеоизображения, хранить и передавать его по компьютерным сетям. Одним из примеров такого программно-аппаратного комплекса может быть система видеонаблюдения, где имеются все вышеперечисленные сложности.

1. Актуальность работы. Диссертационная работа посвящена созданию программного комплекса, представляющего собой набор \уеЬ-сервисов. призванных облегчить и перенести задачу обработки видеоизображений на общедоступный сервер, обладающий намного большими вычислительными мощностями. Рассмотрены решения проблем передачи и хранения больших объемов информации. Разработаны метода обработки изображений, позволяющих делать это максимально быстро, при этом учитывая помехи.

2. Цели и задачи диссертационной работы заключаются в разработке программно-аппаратного комплекса основанного на \уеЬ-сервисах. позволяющего сократить ресурсоемкие затраты па клиентской машине с помощью передачи задач на сервер, имеющий большие вычислительные мощности. Практическим результатом работы является система видеонаблюдения с общим сервером в сети Интернет.

Для достижения цели в работе решены задачи:

• разработан набор \¥еЬ-сервисов для обработки, передачи и хранения видеоизображений

Разработан и реализован быстрый алгоритм сравнения двух графических изображений с учетом помех

• Разработана и реализавана библиотека функций для работы с изображениями: сравнения изображений различными методами, изменения яркости, изменения размеров

• Разработан и реализован пользовательский интерфейс для управления разработанной системой обработки изображений

Разработка и результаты решения этих задач выносятся на защиту.

3. Предметом исследования являются методы работы с видеоизображениями, хранения и передачи больших объемов данных.

4. Методы исследования. Для исследования возможностей системы был использован метод моделирования отдельных частей системы и применения к ним эмпирических метрик, что дало возможность доподлинно установить на реальных экспериментах возможности и технические характеристики будущей системы.

5. Обоснованность и достоверность программного обеспечения получены путем тестирования и использования программно-аппаратного комплекса на реальных объектах.

6. Научные результаты и их новизна. В ходе диссертационной работы разработаны web-сервисы для работы с видеоизображением. Суть этой работы сводится к следующему: создан программно-аппаратный комплекс, представляющий собой систему видеонаблюдения, не имеющей аналогов. Получен патент на полезную модель из федерального института промышленной собственности Российской Федерации № 90230, «Система видеонаблюдения с общим сервером в сети Интернет», автор Близнюк A.B., заявка № 2009113530, на 8 страницых, включая описание, реферат, формулу полезной модели и схемы; - разработаны способы передачи больших объемов информации без потери производитель! i о сти; реализованы методы хранения видеоизображения на сервере системы; проанализированы и реализованы методы обработки видеоизображений, в результате чего получена библиотека, позволяющая максимально быстро сравнивать изображения с учетом помех; разработан новый алгоритм для поиска различий на изображениях;

7. Практическая значимость работы. Результатом работы является программно-аппаратный комплекс, позволяющий конечному пользователю значительно сократить свои затраты, а также имеющий ряд конкурентных преимуществ перед ближайшими аналогами.

8. Апробация работы. Основные выводы и результаты докладывались на конференции «Технологии Microsoft в теории и практике программирования», где автором было занято второе место и на конференции «Первый конкурс ИТ проектов», где автор занял первое место. В 2009 году был выигран правительственный грант Microsoft Старт 09. По материалам диссертации опубликованы 3 статьи, в том числе статьи из списка ВАК.

9. Внедрение. Разработанный аппаратно-программный комплекс внедрен на нескольких реальных объектах и получил положительные отзывы пользователей.

10. Структура и объем работы. Работа содержит введение, 2 главы и заключение. Объем работы 98 страниц, количество иллюстраций 8, список использованной литературы содержит 32 наименования.

4 Заключение

Целью работы являлась разработка программно-аппаратного комплекса для обработки видеоизображений, позволяющего снизить расходы ресурсов на машинах конечных пользователей и вынести основные ресурсоемкие операции на общий сервер. На сервере представлен набор WEB сервисов, доступный клиентским машинам по сети Интернет. Результатом исследований и разработок является система видеонаблюдение с онисанными выше свойствами. На сервере развернут набор сервисов, отвечающие за обработку, хранение и транспортировку видеоизображения. На клиентском компьютере установлен «тонкий» клиент, задача которого лишь в том, чтобы отобразить видео на мониторе оператора, при этом все ресурсоемкие операции выполняются на сервере.

Для достижения цели в работе решены задачи:

- анализ существующих методов обработки и сравнения изображений и создание программного модуля, позволяющего сравнить два графических изображения на сходство, при этом достаточно быстро и с учетом помех;

- решена проблема избавления от помех, при сравнении двух изображений;

- разработан способ хранения и передачи больших объемов данных; создан набор web-сервисов, занимающихся обработкой, передачей и хранением видеоизображений; разработана библиотека, включающая в еебя функции но работе е изображениями, такие как сравнение двух изображения различными методами, изменение яркости, изменение размеров; создан удобный пользовательский интерфейс, позволяющий эффективно управлять системой; реализован набор веб сервисов, позволяющий выполнять наиболее ресурсоемкие задачи.

Работа над проектом началась с того, что была создана библиотека ио обработке видеоизображений и клиентского приложения для нее. В 2009 году проект был представлен „а конкурс Майкрософт Бизнес Старт 09 и занял „а „ем второе место. Финансирование позволило резко ускроить разработку и уже через полгода появились первые объекты внедрения разрабатываемого продукта. Работой интересуются зарубежом: в Китае, Польше, странах Европы. Насчитывается более 600 пользователей по всему миру. Ведутся переговоры с потенциальными инвесторами.

Весной 2009 года проект занял второе место „а конференции «Технологии Майкрософт в теории и практике программирования» [31]. Опубликована статья «Система видеонаблюдения с общим сервером в сети Интернет» в журнале конферецции [1].

Осенью 2009 года проект занял первое место в конкурсе «Первый конкурс ГГ проектов».

Зимой 2009 года получен патент на полезную модель «Система видеонаблюдения с общим сервером в сети Интернет» [32]. по результатам диссертационной работы опубликовано 4 работы [1, 2, 3, 32], три из которых опубликованы в журналах, входящих в список ВАК.

В будущем планируется создание полномасштабного веб-портала, предоставляющего услуги по работе с изображениями: хранение, обработка, изменение размеров, распознавание номеров, лиц, избавление от «шумов».

Практические результаты, полученные в ходе выполнения работы, позволяют установить, что поставленные задачи решены в полном объеме и результаты работы востребованы на практике.

1. Близнюк A.B. Система видеонаблюдения с общим сервером в сети Интернет. // Научно-технические ведомости СПбГПУ. 2009, Вып. 4, С. 141-147

2. Близнюк A.B. Создание и применение компонентов СОМ. // Вестник Санкт-Петербургского университета. 2010, Сер. 10, Вып. 1, С. 117-129

3. Близнюк В.А., Сафонов В.О. Система видеонаблюдения с общим сервером в сети Интернет. // Тезисы докладов конкурса-конференции "Технологии Microsoft в теории и практике программирования". СПб.: изд-во СПбГПУ, 2009, С. 19.

4. Лаврус B.C. Практика измерений в телевизионной технике. Издательство Солон, Москва, 1996

5. Демьяновски В. CCTV. Библия видеонаблюдения. Цифровые и сетевые технологии. Издательство Ай-Эс-Эс Пресс, Москва, 2006.

6. Дьяконов В. Обработка сигналов и изображений. Издательство Питер. Санкт-Петербург, 2002.

7. Эш Рофейл, Яссер Шохауд. СОМ и СОМ+. Полное руководство. Издательство Энтроп. Москва. 2000.

8. Кристофер Таваре, Кира Фертитта, Бреит Ректор. ATL 8. Внутреннее строение и применение. Издательство Addison-Wesley. 2007.

9. Румянцев П. В. Программирование в Win 32 API. Издательство Горячая линия — Телеком. Москва. 2004.

10. Страуструп Бьерн. Язык программирования С++. Издательство Бином, Москва, 2001.

11. Мейерс Скотт. Эффективное использование С++. Издательство Питер, Санкт-Петербург, 2008.

12. Александреску Андрей. Современное проектирование на С++. Издательство Вильяме, 2008.

13. Троелсен Эндрю. С# и платформа .NET. Издательство Питер, Санкт-Петербург, 2008.

14. Фленов М. DirectX и С++. Издательство БХВ-Петербург. Санкт-Петербург, 2006.

15. Морони Лоуренс. Введение в Microsoft Silverlight. Издательство Microsoft Press, 2008.

16. Carson, С. and Ogle, V.E., Storage and Retrieval of Feature Data for a Very Large Online Image Collection. 1996.

17. Baigarova, N. S. and Bukhshtab, Yu. A., Some Principles of Organization for Searching through Video Data, Programming and Computer Software, Vol. 25, Nu. 3, 1999, pp. 165-170

18. Baron, J. L., Fleet, D. J., and Beauchemin. S. S., Performances of optical flow techniques. 1994.

19. Looney, C.G. /'Pattern Recognition Using Neural Networks. Theory and Algorithms for Engineers and Scientists". Oxford University Press, 1997.

20. Rowley, H.A., Baluja, S., and Kanade, Т., Neural Network-Based Face Detection, IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998.

21. J.L. Mannos, D.J. Sakrison "The Effects of Visual Fidelity Criterion on the Encoding of Images" // IEEE Transactions on Information Theory IT-20(4) 1974, pp. 525-536.

22. Ajeetkumar Gaddipatti, Raghu Machiraju, Roni Yagel "Steering Image Generation with Wavelet Based Perceptual Metric" // EuroGraphics-97, Volume 16, Number 3, pp.C-241 C-251.

23. Clein Scott. Professional WCF programming. WROX, 2007.

24. Robert E. Walters, Michael Coles, Robert Rae. Acceletatcd SQL Server 2008. Williams, 2008.

25. IP камеры // http://esmile.spb.ru

26. Википедия // http://ru.wikipedia.org

27. Сайт компании Pentabox. // http://www.pentabox.ru

28. Сайт компании Netavis. // http ://www.netavis.net/

29. MSDN. // http://msdn.microsoft.com/m-ru/default.aspx.

30. Сайт продукта. // http ://vkartinke.ru

31. IP камеры Foscam // foscam.ru

32. Патент на полезную модель «Система видеонаблюдения с общим сервером в сети Интернет». Автор Близнюк А. В. Дата регистрации 27 декабря 2009. Номер 90230