Оценка вероятности автоматического обнаружения объектов. Подход к обоснованию вероятностных характеристик периметральных средств обнаружения
Расчет вероятности обнаружения нарушителя
Рассчитав период ложных тревог, необходимо вычислить вероятность обнаружения СО АСО.
Независимо от алгоритма обработки информации и количества участков обнаружения в каждом рубеже в общем виде (для СЛОС m из n) формула для расчета вероятности обнаружения ПО примет вид:
где k -порядковый номер члена суммы считая первый нулевым, ;
Количество сочетаний k+1 элементов по k;
Вероятность обнаружения i- рубежа;
Сумма всех возможных произведений вероятностей обнаружения из n-рубежей по n+k, сомножителей, количество членов множества равно члену сочетаний из n элементов n-m-k. В том случае, когда ПО включает 3 рубежа обнаружения, при преодолении ПО нарушителем возможны различные значения вероятностей обнаружения,в зависимости от выбираемой СЛОС.
Помещение1
Помещение 2
Вариант 2
Помещение 1
Помещение 2
Вариант 3
Помещение 1
Помещение2
Из полученных результатов видно что только при использовании СЛОС 2:3 и 3:4 во всех выбранных вариантах компоновки ТСО для помещений требуемое значении вероятности обнаружения нарушителя достигается.
Определение оптимального алгоритма обработки информации
Получив СО с минимальной стоимостью необходимо определить вероятность обнаружения ею нарушителя и период ложных тревог. Период ложных тревог является временной характеристикой СО. Он тесно связан с алгоритмом обработки информации, что позволяет определить оптимальный алгоритм обработки сигналов.
В настоящее время достаточно широко используются два алгоритма СЛОС, а именно:
а) Алгоритм А- состоящий в том, что после первого срабатывания одного из ТСО в течение времени принимается еще m-1 сигналов от остальных n-1 ТСО, и при получении их, подсистемой обнаружения вырабатывается сигнал тревоги. Если указанное количество сигналов не поступило за время, то сигнал сбрасывается и все повторяется с начала.
б) Алгоритм Б- состоящий в том, что после первого срабатывания в течение времени принимается сигнал от одного из оставшихся m-1 технических средств обнаружения. При получении второго сигнала снова в течение времени принимается сигнал от одного из оставшихся m-2 ТСО и т.д. До получении m срабатываний и формирования сигнала тревога СО. Если в процессе набора информации хотя бы один раз за время сигнал от ТСО не поступил, происходит сброс информации и процесс повторяется.
Заметим, что числовые значения и могут быть связаны соотношением:
Расчет периода ложных тревог
Расчет периода ложных тревог будем проводить по формуле для алгоритма Б, так как именно этот алгоритм наиболее устойчив к ложным тревогам (предпочтителен). Данная зависимость имеет следующий вид:
где - период ложных тревог СО при алгоритме Б;
к- количество участков ТСО в каждом рубеже;
n- количество рубежей в СО;
m-количество сигналов ТСО для выработки сигнала срабатывания ПО;
Время логической обработки сигнала при алгоритме Б;(750 мс)
Сумма всех возможных произведений периодов ложных тревог ТСО, различных рубежей по n-m сомножителей в каждом.
Вариант 1
Помещение 1.
Помещение 2.
Вариант 2
Помещение 1.
Помещение 2.
Вариант 3
Помещение 1.
Помещение 2.
На основе полученных данных я выбираю СЛОС 2:4 так как она обеспечивает максимальные значения вероятности обнаружения нарушителя,и значение ложного периода тревог выше требуемого.
При расчете периодов ЛТ внутренних помещений необходимо учитывать, что обнаружители, установленные в них, как правило, работают не круглые сутки, а только часть из них. Этот учет может быть произведен через коэффициент загрузки, представляющий отношение времени работы обнаружителей в течении недели к 168 часам (количество часов в неделю). Для помещений, которые не вскрываются регулярно, для помещений с односменной работой, для помещений с двухсменной работой, а для помещений с трехсменной работой (круглосуточной) (за счет двух выходных дней).
Вариант 1:
Помещение 1
Помещение 2
Вариант 2
Помещение 1
Помещение 2
Вариант 3
Помещение 1
Помещение 2
Расчет стоимости системы обнаружения системы охраны
Протяженность зоны обнаружения (Lобн) в значительной мере влияет на стоимость ПО, причем степень влияния определяется зависимостью:
Вероятность обнаружения объектов простой геометрической формы на однородном фоне в присутствии случайных шумов рассматривалась в гл. 4. Выводы, сделанные на основе этого рассмотрения, таковы, что визуальная система работает, как бы вычисляя отношение сигнала к шуму и сравнивая его с пороговым значением отношения сигнала к шуму как критерием важности полученного сигнала. Имеется значительное количество данных, подтверждающих эту теорию в различных условиях наблюдения. В условиях ограничения видимости квантовыми шумами или контрастом теория подтверждается данными Блэкуэлла , а при наличии аддитивных шумов - данными Кольтмана и Андерсона , Шаде , а также Розелла и Вильсона , проведенные с реальными объектами в натурных условиях, показали, что процент обнаруживаемых объектов действительно возрастает с увеличением контраста. Бернштейн , например, установил, что изображения на экране электронно-лучевой трубки автомашин и людей должны иметь контраст CJL (LT - LB)/L в, равный 90%, чтобы обеспечить максимально возможную вероятность различения.
Кроме того, Бернштейн установил, что разрешение влияет на вероятность обнаружения только в той мере, в какой оно изменяет отношение сигнала к шуму или контраст объекта. Однако Колюччио и др. ;
Заключение
Итак, мы рассмотрели применение метода Оцу для обнаружения объектов на изображениях. Достоинствами этого метода являются:- Простота реализации.
- Метод хорошо адаптируется к различного рода изображения, выбирая наиболее оптимальный порог.
- Быстрое время выполнения. Требуется O (N ) операций, где N - количество пикселей в изображении.
- Метод не имеет никаких параметров, просто берете и применяете его. В MatLab это функция graythresh() без аргументов (Почему я привел пример именно MatLab? Просто этот инструмент - стандарт де-факто для обработки изображений).
- Сама по себе пороговая бинаризация чувствительна к неравномерной яркости изображения. Решением такой проблемы может быть введение локальных порогов, вместо одного глобального.
Источники
- Otsu, N., «A Threshold Selection Method from Gray-Level Histograms,» IEEE Transactions on Systems, Man, and Cybernetics, Vol. 9, No. 1, 1979, pp. 62-66.