Training Viola - Jones Detectors for 3d Objects Based on Fully Synthetic Data for Use in Rescue Missions with UAV

В работе рассматривается задача обучения детектора Виолы - Джонса для 3D объектов на примере надувного спасательного плота ПСН-10. Обучение детектора выполняется на полностью синтетическом обучающем наборе. В работе подробно рассматриваются способы моделирования надувного спасательного плота, водной поверхности, различных погодных условий. В качестве признакового пространства используются граничные признаки, позволяющие обучить детектор, устойчивый к различным условиям освещения. Для повышения вычислительной эффективности при вычислении значения градиента использовалась норма L1. Эффективность обученного детектора оценена в том числе на реальных данных, полученных в процессе спасательной операции траулера "Дальний Восток". Предложенный в работе способ обучения детекторов Виолы - Джонса может быть успешно использован в качестве составляющего элемента программно-аппаратных "ассистентов" БПЛА.

Ключевые слова

машинное обучение; поиск объектов; Виола - Джонс; классификация; 3D-объекты; БПЛА; спасательная миссия.

Литература

1. Hongyang Yu. The Unmanned Aerial Vehicle Benchmark: Object Detection, Tracking and Baseline / Hongyang Yu, Guorong Li, Weigang Zhang, Qingming Huang, Dawei Du, Qi Tian, Nicu Sebe // International Journal of Computer Vision. - 2020. - V. 128, № 5. - P. 1141-1159.
2. Dumin, D. Application of Installed Systems of GSM-Device Detection on UAVs for Searching Victim in Result of Emergency Situations / D. Dumin, T.D. Dinh, V.D. Pham, R. Kirichek // Information Technologies and Telecommunications. - 2018. - V. 6, № 2. - P. 62-69.
3. Матвеев, С.А. Бортовой комплекс информационной поддержки проведения поисково-спасательных операций в условиях Арктики / С.А. Матвеев, С.А. Рудыка, Ю.В. Петров, А.С. Жданов // Вопросы радиоэлектроники. - 2019. -№ 6. - С. 30-37.
4. Гармаш, В.Н. Комплексирование информации от разнородных источников в бортовых комплексах обеспечения поисково-спасательных операций / В.Н. Гармаш, Д.М. Коробочкин, С.А. Матвеев, Ю.В. Петров, С.А. Рудыка, Т.М. Сухов // Вопросы радиоэлектроники. - 2018. - №. 7. - С. 30-37.
5. Матвеев, С.А. Вертолетный комплекс информационной поддержки безопасности полетов и проведения поисково-спасательных операций / С.А. Матвеев, А.Н. Бызов, С.Ю. Быстров, В.Н. Гармаш, С.И. Исенков, Д.М. Коробочкин, Ю.В. Петров, С.А. Рудыка, С.Ю. Страхов, А.Н. Сырцев // Вестник Кыргызско-российского славянского университета. - 2018. - Т. 18, № 12. - С. 60-64.
6. Leira, F.S. Automatic Detection, Classification and Tracking of Objects in the Ocean Surface from UAVs Using a Thermal Camera / F.S. Leira, T.A. Johansen, T.I. Fossen // IEEE Aerospace Conference, Big Sky, USA. - 2015. - P. 1-10.
7. Dawei Du. The Unmanned Aerial Vehicle Benchmark: Object Detection and Tracking / Dawei Du, Yuankai Qi, Hongyang Yu, Yifan Yang, Kaiwen Duan, Guorong Li, Weigang Zhang, Qingming Huang, Qi Tian // Proceedings of the European Conference on Computer Vision. - 2018. - P. 370-386.
8. Matalov, D.P. Single-Sample Augmentation Framework for Training Viola-Jones Classifiers / D.P. Matalov, S.A. Usilin, V.V. Arlazarov // 12th International Conference on Machine Vision, Munich, Germany. - 2020. - № 11433. - P. 1-9.
9. Емельянов, С.О. Методы аугментации обучающих выборок в задачах классификации изображений / С.О. Емельянов, А.А. Иванова, Е.А. Швец, Д.П. Николаев // Сенсорные системы. - 2018. - Т. 32, № 3. - С. 236-245.
10. Арлазаров, В.В. Моделирование потока результатов распознавания символов в видеопоследовательностях / В.В. Арлазаров, О.А. Славин, А.В. Усков, И.М. Янишевский // Вестник ЮУрГУ. Серия: Математическое моделирование и программирование. - 2018. - Т. 11, № 2. - С. 14-28.
11. Булатов, К.Б. Метод уменьшения числа ошибок распознавания строки, основанный на комбинировании множества результатов распознавания с использованием альтернатив символов / К.Б. Булатов // Вестник ЮУрГУ. Серия: Математическое моделирование и программирование. - 2019. - Т. 12, № 3. - С. 74-88.
12. Chernyshova, Y.S. Two-Step CNN Framework for Text Line Recognition in Camera-Captured Images / Y.S. Chernyshova, A.V. Sheshkus, V.V. Arlazarov // IEEE Access. - 2020. - № 8. - P. 32587-32600.
13. Gayer, A.V. Artificial Training Data Generation for the Task of Character Recognition of Fields of Russian Passport / A.V. Gayer, Y.S. Chernyshova, A.V. Sheshkus // Sensory Systems. - 2018. - V. 32, № 3. - P. 230-235.
14. Danielczuk, M. Segmenting Unknown 3D Objects from Real Depth Images using Mask R-CNN Trained on Synthetic Data / M. Danielczuk, M. Matl, S. Gupta, A. Li, A. Lee, J. Mahler, K. Goldberg // International Conference on Robotics and Automation. - 2019. - P. 7283-7290.
15. Akimov, A.V. Synthetic Data Generation Models and Algorithms for Training Image Recognition Algorithms Using the Viola-Jones Framework / A.V. Akimov, A.A. Sirota // Computer Optics. - 2016. - V. 40, № 6. - P. 911-918.
16. Mogelmose, A. Learning to Detect Traffic Signs: Comparative Evaluation of Synthetic and Real-World Datasets / A. Mogelmose, M.M. Trivedi, T.B. Moeslund // Proceedings of the 21st International Conference on Pattern Recognition. - 2012. - P. 3452-3455.
17. Afanasyev, I.I. Analysis of the Rescue Assets Range of the Russian Navy / I.I. Afanasyev, V.N. Laptev, V.P. Pirogov // Scientific Bulletin of the Volsk Military Institute of Material Support: Military Scientific Journal. - 2015. - № 2. - P. 150-154.
18. Viola, P. Rapid Object Detection Using a Boosted Cascade of Simple Features / P. Viola, M. Jones // Computer Vision and Pattern Recognition. - 2001. - № 1. - P. 511-518.
19. Viola, P. Robust Real-Time Object Detection / P. Viola, M. Jones // International Journal of Computer Vision. - 2001. - № 4. - P. 34-47.
20. Papageorgiou, C.P. A General Framework for Object Detection / C.P. Papageorgiou, M. Oren, T. Poggio // Sixth International Conference Computer Vision. - 1998. - V. 6, № 1. - P. 555-562.
21. Lewis, J.P. Fast Template Matching / J.P. Lewis // Proceedings Vision Interface. - 1995. - P. 120-123.
22. Котов, А.А. Построение устойчивых признаков детекции и классификации объектов, не обладающих характерными яркостными контрастами / А.А. Котов, С.А. Усилин, С.А. Гладилин, Д.П. Николаев // Информационные технологии и вычислительные системы. - 2014. - №. 1. - С. 53-60.
23. Matalov, D.P. Modification of the Viola-Jones Approach for the Detection of the Government Seal Stamp of the Russian Federation / D.P. Matalov, S.A. Usilin, V.V. Arlazarov // Eleventh International Conference on Machine Vision. - 2019. - P. 11041.
24. Home of the Blender Project - Free and Open 3D Creation Software. - 2020. - URL: https://www.blender.org/