Катедра Радиокомуникации и видеотехнологии

ПРОЕКТ КП-06-Н27/16 "Разработване на ефективни методи и алгоритми за тензорно-базирана обработка и анализ на многомерни изображения с приложение в интердисциплинарни области" - основни резултати от изпълнението на Първи етап

   

Основните цели на проекта са разработването на нови ефективни методи и алгоритми за представяне, обработка и анализ на MDI от различни типове, като: видео клипове, поредици от термовизионни (TVI) и ултразвукови изображения (USI), мултиспектрални изображения (MSI), компютърно-томографски (CTI), магнитно-резонансни изображения (MRI), ядрено-магнитен резонанс (NMRI), позитронно-емисионна томография (PET), магнитно-резонансна томография (MRTI), и др. [Общо представяне на проекта, PDF (1.21 MB)]

Изпълнението на тези цели изисква да бъдат решени следните основни задачи:

• Първа задача: представяне на MDI въз основа на нови методи за тяхната йерархична адаптивна декомпозиция, разработени от членовете на колектива. Основни преимущества на тези методи са по-малката изчислителна сложност в сравнение с известните и възможността за паралелна обработка на поредицата. В резултат се очаква да се ускори и подобри изпълнението на следващата обработка и анализ на MDI.
• Втора задача: обработка на MDI, основана на нов метод за адаптивна тримерна интерполация, разработен от членовете на колектива, който има ниска изчислителна сложност и осигурява високо качество на интерполираните области (обекти) в изображенията. Очаква се в резултат да се постигне висококачествено увеличаване на избрани тримерни обекти в MDI, което ще улесни процеса на последващия анализ и сегментация на обектите в изображенията, с цел решаване на конкретни задачи в отделните интердисциплинарни области.
• Трета задача: анализ на MDI, основан на нови интелигентни методи и алгоритми за сегментация на тримерни обекти, разработени от членовете на колектива, които се отличават с повишена точност по отношение на най-близките известни. В резултат се очаква да се разширят възможностите за правилно откриване, разпознаване и анализ на изследваните обекти. За подпомагане на точността на сегментиране ще се използва подход, основан на сравнение на изображенията на сегментираните обекти с тези на тестови обекти, записани в бази данни.

За изпълнението на Първа задача е изготвен Работен пакет 1 - Разработване на методи за декомпозиция на изображения, в рамките на който са получени следните основни резултати:

• Ортогоналните 3D тензорни декомпозиции са широко включени в обработката на различни видове 3D данни като мултимедийни сигнали, корелирани последователности на изображения и др. Методите за тензорно декомпозиране могат да бъдат разделени на две основни групи: статистическо, базирано на различни модификации на Анализ на главната компонента и декомпозиция по единични стойности, както и детерминирани, основани на пирамидална 3D дискретна уейвлетна трансформация с разлагане, криволинейна / контурна дискретна трансформация и дискретна трансформация с shearlet. Методите от първата група водят до по-добри резултати тези от втората - по-висока декорелация на компонентите при декомпозирането, но тези от втората група имат много по-ниска сложност на изчисленията. Сравнени са структурите и е оценена изчислителната сложност на тензорните декомпозиции, споменати по-горе, с разлагането, разработено от авторите, която се основава на 3D редуцирана инверсна спектална пирамида (3D-RISP). Резултатите от сравнението показват, че: глобалната изчислителна сложност на 3D-RISP е много по-ниска от тази на останалите пирамидални декомпозиции; сравнените схеми за рекурсивно изчисление имат сходни структури, но тази на RISP не се нуждае от операции от типа децимация и интерполация, които са причина за изкривявания в реконструирани тензори.

  R. Kountchev, R. Mironov, R. Kountcheva, Complexity Evaluation of Tensor Decomposition Using 3D Inverse Spectrum Pyramid in respect of Deterministic Orthogonal Transforms, WSEAS Transactions on Signal Processing, Vol. 15, 2019, pp. 142-148. E-ISSN: 2224-3488 (SJR 0.13, H-Index 16).

• Разработен е нов подход за йерархично декомпозиране на тензори от трети ред чрез преобразуването им в обобщеното триизмерно (3D) пространство на спектъра, базирано на инверсна разликова пирамида (IDP). Избрана е 3D трансформацията на Уолш-Адамард (3D-WHT). В резултат на това всеки тензор е представен в спектрална област в m йерархични нива, които съдържат избрани нискочестотни 3D-WHT коефициенти. Изчислявайки последователно обратното 3D-WHT за коефициентите от всяко ниво на пирамидата, започвайки от върха му, тензорът се приближава с нарастваща точност до оригиналния вид на данните, докато се постигне пълното им възстановяване. За илюстриране на новия подход е даден алгоритъмът за йерархично тристепенно декомпозиране на тензор, базиран на редуцираната IDP. Предложеният подход позволява едновременно декорелиране на тензорни елементи в три взаимно ортогонални посоки. Енергията на тензорните елементи е концентрирана в малък брой спектрални коефициенти, които изграждат върха на обратната пирамида. Използването на 3D-WHT позволява да се постигне минимална изчислителна сложност в сравнение с детерминирани 3D ортогонални трансформации. Основните приложения на новия метод за извличане на данни в съвременните интелигентни системи са свързани с обработката и анализа на големи набори от хетерогенни данни, изображения, видеоклипове. Те се използват в области като компресиране на корелирани последователности изображения, компютърна томография, термовизия, ултразвукови и многоканални медицински сигнали, търсене на 3D обекти в бази данни с изображения, извличане на функции за разпознаване на 3D обекти, многомерна филтрация на данни, многослойно водно маркиране на видео последователности и др.

  R. Kountchev, B. Inatovicz, R. Kountcheva. Hierarchical Third-Order Tensor Decomposition through Inverse Difference Pyramid, based on the 3D Walsh-Hadamard Transform with Applications in Data Mining, Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, Vol. 10, No 2, March/April 2020, Online Version e1314. https://doi.org/10.1002/widm.1314 (IF: 2.541).

• Разработен е нов подход за 3D декомпозиция на кубичен тензор с размер N × N × N за N = 2^n чрез йерархични детерминирани ортогонални трансформации с ниска изчислителна сложност, чиито ядра са базирани на трансформацията на Уолш-Адамард (WHT) и комплексната трансформация на Адамар (CHT). Въз основа на симетричните свойства на реалните и комплексни матрици на Уолш-Адамард са разработени бързи изчислителни алгоритми, чиято изчислителна сложност се сравнява с тази на известните детерминирани трансформации: 3D бързо преобразуване на Фурие, 3D дискретно уейвлетно преобразуване и статистическо йерархично Тъкър декомпозиране. Резултатите от сравнението показват по-ниската изчислителна сложност на предлаганите алгоритми. Освен това те осигуряват високата енергийна концентрация от оригиналния тензор в малък брой коефициенти на така изчисления трансформиран тензор в спектрална област. Основното предимство на предложените алгоритми е намаляването на необходимите изчисления поради ниския брой йерархични нива в сравнение със значителния брой итерации, необходими за постигане на необходимата точност на разлагане въз основа на статистическите методи. Изборът на 3D йерархично разлагане се определя от изискванията и ограниченията, свързани със съответната област на приложение.

  R. Kountchev, R. Mironov, R. Kountcheva, Hierarchical Cubical Tensor Decomposition through Low Complexity Orthogonal Transforms, MDPI Symmetry 2020, Vol. 12, No. 5, 864, Special Issue “Advances in Symmetric Tensor Decomposition Methods”, Open Access. https://doi.org/10.3390/sym12050864, (IF: 2.645).

• Разработено е ново йерархично разлагане за кубичен тензор с размер 2, базирано на добре познатите ортогонални преобразувания с анализ на главната компонента и трансформация на Karhunen-Loeve (KLT). Разлагането се нарича 3D честотно подредено йерархично KLT (3D-FOHKLT). То е разделимо и изчисляването му се основава на едномерната подредена по честота йерархична KLT (1D-FOHKLT) декомпозиция, приложена върху последователност от матрици. Трансформиращата матрица е произведение на n разредени матрици, симетрични в точката на основния им диагонал. По-специално, в случая, когато ъглите, които определят коефициентите на преобразуване за двойките матрици във всяко йерархично ниво на 1D-FOHKLT, са равни на π / 4, преобразуването съвпада с това на честотно подреденото 1D Walsh – Hadamard преобразуване. В сравнение с йерархичните декомпозиции на Тъкър (H-Tucker) и Tensor-Train (TT), предлаганият подход не осигурява пълна декорелация между неговите компоненти, но е близо до максимума. От друга страна, оценката на изчислителната сложност (CC) на новото разлагане доказва, че тя е по-ниска от тази на гореспоменатите подобни подходи. В съответствие с резултатите от сравнението за H-Tucker и TT, CC намалява бързо заедно с увеличаването на броя на йерархичните нива, n. Допълнително предимство на 3D-FOHKLT е, че се основава на използването на операции с ниска сложност, докато подобни известни разлагания се нуждаят от голям брой итерации, за да постигнат желаната точност.

  R. Kountchev, R. Mironov, R. Kountcheva, Complexity Estimation of Cubical Tensor Represented through 3D Frequency-Ordered Hierarchical KLT, MDPI Symmetry 2020, Vol. 12, No. 10, 1605, Special Issue “Advances in Symmetric Tensor Decomposition Methods”. Open Access. https://doi.org/10.3390/sym12101605, (IF: 2.645).

• Тензорното представяне на видео последователности или 3D изображения става много популярно напоследък. Въпреки определени предимства, основната пречка за широкото прилагане на този подход е високата изчислителна сложност. В тази връзка е разработен нов метод за представяне на тензор от трети ред в пространството на спектъра на 3D-трансформацията на Уолш-Адамард (WHT). За да се намали изчислителната сложност, тук се използва пирамидално разлагане на базата на 3D WHT с редуцирана обратна спектрална пирамида (RISP). В резултат се постига висока концентрация на тензорната енергия в минимален брой коефициенти на спектъра, повечето от които - в първото (най-ниското) ниво на разлагане. След обработката тензорът се трансформира в многостепенен тензор на спектъра със същия размер. Предложеното представяне има ниска изчислителна сложност, тъй като изпълнението му се нуждае само от операции като „добавяне“. Специфичните свойства на 3D-RISP позволяват да се използва в различни области на приложение, които изискват паралелна обработка и анализ на 3D данни, представени като тензори от трети ред: последователности на корелирани изображения (видео, мултиспектрално и многоракурсно представяне, различни видове медицински изображения), многоканални сигнали, огромни масиви от данни и др.

  R. Kountchev, R. Kountcheva, Low Computational Complexity Third-Order Tensor Representation through Inverse Spectrum Pyramid, Book chapter in “Advances in 3D Image and Graphics Representation, Analysis, Computing and InformationTechnology - Methods and Algorithms” Vol. 1, R. Kountchev, S. Patnaik, J. Shi, M. Favorskaya (Eds.), Springer book series “Smart Innovation, Systems and Technologies” 2020, pp. 63-76. https://doi.org/10.1007/978-981-15-3863-6_8, Indexed by SCOPUS, EI Compendex, INSPEC, WTI Frankfurt eG, zbMATH, Japanese Science and Technology Agency (JST), SCImago, DBLP.

• Разработен е нов алгоритъм за извличане на изображения, базиран на съдържание, който използва двумерно комплексно уейвлетно преобразуване с дуални дървета. Той включва адаптивен подбор на нивото на декомпозиране, съобразен с предварително зададеното време за извличане. В зависимост от броя на заявките за търсени изображения, може да се приложи по-нататъшно адаптиране въз основа на обема информация, съдържаща се в подлентата на коефициентите на приближение от уейвлетния спектър, така че общата точност на извличане остава възможно най-висока, без да се нарушават изискванията за време. Разработен е и специфичен за този подход алгоритъм за индексиране на база данни с изображения. Резултатите от теста се получават с базата данни на Wang. Средната точност се оказва по-висока от тази на други популярни подходи от практиката за 5 от категориите изображения, достигайки 100% за 2 от тях. Тя остава почти еднаква за останалите 2 от тестовите категории. Смята се, че подходът е особено приложим в системите CBIR с променливи критични изисквания за време при различни сценарии на употреба, осигуряване на мащабируемост, като същевременно се запазва точността на извличане.

  I. Draganov, S. Vetova, 2D DT-CWT CBIR with adaptive selection of the decomposition level, In Proc. of the 1st International Workshop on Visual Pattern Extraction and Recognition for Cultural Heritage Understanding (VIPERC 2019), Pisa, Italy, January 30, CEUR Workshop Proceedings, vol. 2320, pp. 128-139, 2019, ISSN 1613-0073.

Работен пакет 2 - Разработване на методи за адаптивна тримерна интерполация и адаптивна LMS филтрация на изображения включва активности по решаване на Втора задача на проекта, при което са получени следните основни резултати:

• Качеството на медицинските изображения е много важно при клинична употреба, като клинична диагноза, анализ на патологията и др. Naprawen e преглед на предимствата и тенденциите на медицинските техники за обработка на изображения, базирани на многомерни трансформации с уейвлети, както и техните комбинации с други методи, които моделират всеки коефициент, зададен като тензор. За разлика от класическите декомпозиции с уейвлети, при модификация на тензора, съставен от уейвлетни коефициенти, се използва само един параметър, който се настройва и това прави изчисленията по-лесни за реализация при различни решения за медицинска обработка като потискане на шума, компресия, сегментиране, класификация, сливане на медицински изображения. Тези методи могат да бъдат много полезни за многомерни изображения като MRI и CT данни или за интегриране и анализ на много видове медицински данни за изображения.

  V. Georgieva, P. Petrov, D. Zlatareva, Medical Image Processing Based on Multidimensional Wavelet Transforms - Advantages and Trends, In Proc. of the 46th International Conference Applications of mathematics in Engineering and Economics (AMEE'20), Sozopol, Bulgaria (Virtual Event), June 7-13, 2020, (in press)

• Разработен е нов подход за многомерно филтриране на изображения, използвайки разлагане на HoSVD тензор. Експерименталните изследвания сa извършени върху набор от тестови 3D изображения с размер 100x100x100, съдържащи прости геометрични обекти - сфера, цилиндър, конус и др. След това върху него се добавя случаен шум с различна дисперсия и нискочестотната част на матриците на разлагане U, V и C се филтрира. Получените резултати от филтрирани изображения показват, че качеството на възстановените изображения в различните равнини и общо 3D изображение е отлично. Пиковото съотношение сигнал / шум за различни образци варира от 38 dB до 43 dB.

  R. Mironov, I. Draganov, Multidimensional Image Filtration using HoSVD Tensor Decomposition, In Proc. of the 1st International Workshop on New Approaches for Multidimensional Signal Processing (NAMSP'2020), Sofia, Bulgaria (Virtual Event), July 9-11, 2020 (in press)

• Изследването на планетарните повърхности се основава на изображения и топографски данни, обикновено получени чрез лазерна алтиметрия от планетарни мисии. Изследвани са топографските данни от лазерен алтиметър в орбита около Марс (MOLA). Данните за MOLA, които трябва да бъдат обработени, са големи по обем и представят разпределение в триизмерно пространство, но получената разделителна способност на марсианската повърхност е ограничена до плътността на данните от висотомера, особено по посоките на кръстосаните пътеки. Поради тази причина е избрано тензорно представяне и то се използва за моделиране на тези видове шум. В тази статия се предлага подход за оценка на шума по протежение на пътеките и кръстосаните пътища, типични за данните от висотомера с помощта на тензорно разлагане. Експерименталните резултати показват, че качеството на възстановения сигнал в различните равнини е отлично.

  N. Christoff, A. Manolova, R. Mironov “Along-Track and Cross-Track Noise Analysis of Altimeter Data Using Tensors”, Proceedings of the 2019 10th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, IDAACS 2019, 2,8924456, pp. 791-796, 2019, DOI: 10.1109/IDAACS.2019.8924456 .

• Разработен е нов подход за компресия на многоканални електрокардиографски сигнали. Той се базира в първия си етап на тензорнa декомпозиция с минимизация на излишъка в сигнала между ударите и началните комплекси в съкращенията. Корелацията между сигналите в периода на удара, получени от първия етап, се използва с приложение на 1D уейвлетно преобразуване. Като краен етап на обработка получените тензори и матрици се представят като едномерна последователност и се кодират ентропийно. Постигнатият коефициент на компресия достига 17 пъти с приемлива грешка при възстановяване.

  Y. Velchev, An Approach for Multichannel ECG Compression Using HOSVD, In Proc. of the 28th National Conference with International Participation "TELECOM 2020", Sofia, Bulgaria, October 29-30, 2020 (in press).

• Разработен е алгоритъм за управление на проследяването на зрителната линия при едноколесни мобилни роботи. Първо е изведен модел за камерата на робота, подходящ за приложения за проследяване на пътя. Използвайки подход с поглед напред, се предлага контролер за обратна връзка за проследяване на извити пътеки на земята с помощта на информация от вградена камера, насочена надолу, използваща измервания само за разстояние. Анализират се свойствата на стабилност на системата със затворен цикъл и асимптотичната стабилност на получената система за управление със затворен цикъл се доказва, използвайки теорията за стабилност на Ляпунов. Представени са симулационни и експериментални резултати, за да се илюстрира ефективността на предложената схема за управление.

  P. Petrov, V. Georgieva, Vision-Based Line Tracking Control and Stability Analysis of Unicycle Mobile Robots, In Proc. of the 1st International Workshop on New Approaches for Multidimensional Signal Processing (NAMSP'2020), Sofia, Bulgaria (Virtual Event), July 9-11, 2020 (in press).

Основните резултати при решаването на Трета задача са свързани с активности по Работен пакет 3 - Разработване на метод за тензорно-базирана сегментация на MDI изображения, които включват:

• Разработен е нов метод за сегментиране на полутонови изображения, базиран на адаптивно квантуване на модите на обобщени едномерни хистограми, получени чрез анализ на ориентираните 2D хистограми и двойно нелинейно преобразуване на яркостните нива. Специфично за метода е, че той не използва прагове, определени чрез итеративен анализ на хистограмата на изображението, които са характерни за известните методи за сегментиране чрез прагове. Новият подход позволява йерархично сегментиране на изображения чрез намаляване на броя на яркостните нива в първоначалното йерархично ниво. Във всяко последователно ниво на сегментиране броят на яркостните нива се увеличава, докато се достигне максимумът. Методът е илюстриран с пример, който показва по-висока точност на сегментиране, в сравнение с добре познатия итеративен метод Otsu, базиран на прагове, изчислени чрез едномерен анализ на хистограма. Високата точност и ниската изчислителна сложност на представения метод отварят нови възможности за приложения в реално време в съвременните системи за компютърно зрение.

  R. Kountchev, R. Kountcheva, Image Segmentation Based on Adaptive Mode Quantization and 2D Histograms Analysis, WSEAS Transactions on Signal Processing, Vol. 15, 2019, pp. 142-148. E-ISSN: 2224-3488 (SJR 0.13, H-Index 16).

• Извършен е сравнителен анализ между 4 алгоритма, използващи тензорно представяне на видеозаписи за моделиране на фона и отстраняването му от кадрите с цел оценка на разпространението на пожара. Алгоритмите са HoRPCA чрез IALM, Tucker-ALS, CP-ALS и t-SVD. Те се прилагат върху база данни от 6 видеоклипа, съдържащи пожари на различен етап от разпространението, записани в различен мащаб и ъгъл на перспектива. В част от видеоклиповете присъства и интензивен дим. Регистрират се времена за декомпозиране, пълни времена за обработка с етап на предварителна обработка и точност на разпръскване на огъня по отношение на относителния брой правилно открити пиксели, образуващи областите на пламъка към всички пиксели на пламъка от оригиналните записи. Получават се положителни резултати, които разкриват приложимостта на тестваните алгоритми за оценка на разпространението на огъня и чрез задълбочения анализ на експерименталните резултати може да се направи подбор по предпочитание за бъдещи приложения предвид обстоятелствата, при които възниква пожар.

  I. Draganov, R. Mironov, A. Manolova, N. Neshov, Fire Dispersal Estimation in Videos using Background Modelling and Subtraction by Tensor Decomposition, In Proc. of the 2019 10th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS 2019), Metz, France, September 18-21, Vol. 2, pp. 656-661, 2019.

• Разработен е алгоритъм за оценка на популацията на диви животни чрез моделиране на фона и изваждането му от кадри във видеоклипове, заснети чрез термографски камери. За да се получи нисък ранг и разредено матрично представяне на видеосъдържанието на база кадри се тестват няколко техники за декомпозиция, а именно устойчив анализ на главната компонента (RPCA) с неговата реализация Go (GoDec), изграждане на матрица с нисък ранг чрез Риманова оптимизация (LRGeomCG), стабилно ортонормално обучение в подпространство (ROSL) и неотрицателна матрична факторизация чрез метода на Нестеров с оптимален градиент (NeNMF). Постигат се обещаващи резултати по отношение на точността и подходът изглежда приложим в агрономията, опазването на природната среда, горското стопанство и др.

  I. Draganov, R. Mironov, N. Neshov, A. Manolova, Wild animals population estimation from thermographic videos using tensor decomposition, In Proc. of the 14th International Conference on Communication, Electromagnetics and Medical Application (CEMA'19), Sofia, Bulgaria, October 17-19, pp. 52-57, 2019, ISSN 1314-2100.

• Направен е сравнителен анализ на ефективността на алгоритмите за декомпозиция на тензори Tucker-ALS, CP-ALS, Tucker-ADAL и HoRPCA-S, приложени за проследяване на домашни животни във видео. Времето за декомпозиране и пълното време за обработка, скоростта на откриване на животински индивиди, прецизността и F-мярката са оценяващите параметри, разкриващи ефективността на всеки от изследваните алгоритми. Обещаващи резултати предполагат приложимост на изследваните декомпозиции, но също така показват особени разлики между тях по отношение на времето за обработка и скоростта на детекция. За да се увеличи бързодействието, биха могли да се изпозлват системи от паралелен тип, използващи множество алгоритми за декомпозиция, като тук се предлага обединяване на резултатите чрез гласуване, което води до по-висока точност в сравнение с някои от базовите алгоритми.

  I. Draganov, R. Mironov, Tracking of Domestic Animals in Thermal Videos by Tensor Decompositions, In Proc. of the 1st International Workshop on New Approaches for Multidimensional Signal Procesing (NAMSP'2020), Sofia, Bulgaria, July 9-11, 2020 (in press).

• Извършено е тестване на десет от най-бързите алгоритми за моделиране на фона, прилагани за откриване на движещи се обекти във видео. Алгоритмите са Fast Principal Component Pursuit (Fast PCP), Grassmann Average (GA), Grassmann Median (GM), Go Decomposition (GoDec), Greedy Semi-Soft Go Decomposition (GreGoDec), Low-Rank Matrix Completion by Riemannian Optimization (LRGeomCG), Robust Orthonormal Subspace Learning (ROSL), Non-Negative Matrix Factorization via Nesterovs Optimal Gradient Method (NeNMF), Deep Semi Non-negative Matrix Factorization (Deep-Semi-NMF) и Tucker Decomposition by Alternating Least Squares (Tucker-ALS). Предложени са два нови алгоритма, използващи обединение на резултатите от Fast PCP и ROSL, които сами по себе си дават най-високата скорост на откриване, прецизност и F-мярка. Първият алгоритъм има по-висока степен на откриване на движещи се обекти от всички останали, а вторият е с най-ниско ниво на недействителни детекции. И двата се считат за приложими в различни практически сценарии, когато се търси или по-висока надеждност на откриване на обект, или по-висока точност на покритата зона от всеки обект.

  I. Draganov, R. Mironov, Moving Objects Detection in Video by Various Background Modelling Algorithms and Score Fusion, International Journal of Multimedia Data Engineering and Management (IJMDEM), (under review).

• Разработено е мобилно приложение за добавена реалност без маркери, наречено виртуална система за изпробване на очила. Системата първо открива и проследява човешкото лице и очи. След това системата наслагва 3D виртуалните очила върху лицето в реално време. Тази система помага на потребителя да избере всеки стил очила, налични във виртуалното пространство, спестявайки време и усилия при пазаруване онлайн. Използван е метод, базиран на локални инвариантни дескриптори, за извличане на точки на характеристиките на изображението за откриване и проследяване на очите. Предлага се нов подход за оценка на позицията на камерата, за да се допълнят реалните изображения с виртуална графика. Експериментите са проведени с помощта на каскадни трансформации на Haar и Speeded Up Robust Features (SURF). Системата е оптимизирана и адаптирана за мобилна архитектура.

  M. Milanova, F. Aldaeif, Markerless 3D Virtual Glasses Try-on System, In Proc. of the 1st International Workshop on New Approaches for Multidimensional Signal Procesing (NAMSP'2020), Sofia, Bulgaria, July 9-11, 2020 (in press).

• Човешката походка е от съществено значение при продължителния мониторинг на здравето, тъй като отразява физическите и неврологичните аспекти на здравословното състояние на човека. Разработена е неинвазивна система за анализ на походката, базирана на видео, за откриване на аномалии в нея, записа й и постурални параметри на ежедневна база. Входните данни са видеоклипове, заснети от една камера, монтирана на робот. Open Pose - система за 2D определяне на позата с дълбоко обучение се използва за локализиране на скелета и ставите във всеки кадър. Ъглите на частите на тялото образуват многомерни времеви редове. След това е използван анализ на времеви редове за класификация на нормална и анормална походка. DTW (Dynamic-Time Warping) също е включен в цялостния процес. Предложен е и е разработен модул за класификация, базиран на SVM (Support Vector Machine). Класифицират се нормална и анормална походка, като се регистрира отклонението от нормалната. При експериментите са заснети видеоклипове на група доброволци, показващи нормална походка, както и симулирана анормална походка, за да се потвърди приложението на предложените методи. От параметрите на походката и стойката се наблюдава разграничение между нормалните и анормалните случаи при група участници. ПОказва се, че чрез записване и проследяване на тези параметри, е възможно количествено да се анализира позата на тялото. Потребителите могат да видят на дисплея резултатите от оценката след преминаване пред камера, монтирана на придружаващ робот.

  X. Liu, M. I. Sarker, M. Milanova, L. O'Gorman,Video - Based Monitoring and Analytics of Human Gait for Companion Robot, In Proc. of the 1st International Workshop on New Approaches for Multidimensional Signal Procesing (NAMSP'2020), Sofia, Bulgaria, July 9-11, 2020 (in press).

Част от активностите, свързани с популяризирането на резултатите от изпълнението на Етап 1 на проекта включва:

• R. Kountchev and R. Mironov, Guest Editors на специалното издание "Multidimensional Signal Processing and Its Applications" на межд. научно списание „MDPI Symmetry“ с импакт фактор 2.645, [Invitation 1, PDF (112 KB)], [Invitation 2, PDF (708 KB)]
  https://www.mdpi.com/journal/symmetry/special_issues/Multidimensional_Signal_Processing_Applications.
  Най-учтиво каним всички автори, работещи в областите, обхванати от тематиката на специалния брой на списанието Symmetry, да споделят своите най-нови резултати в него.
  We welcome all authors from the field to share their recent results by submitting papers to this Special Issue of Symmetry.

  

  

  

• R. Kountchev, “New approaches for hierarchical image decomposition in the spectrum domain: methods, algorithms and applications”, Plenary Lecture at the 8th Intern. Congress of Information and Communication Technology (ICICT’18), Xiamen, China, January 27-28, 2018.

• R. Kountchev, R. Kountcheva, Third-order Tensor Decomposition through Inverse Spectrum Pyramid: Algorithms and Applications, Plenary Lecture, The International Conference on 3D Imaging Technology (IC3DIT2019), Kunming, Yunnan, China, August, 2019. [PDF (1.81 MB)]
  http://www.s3diconference.com/2019/menu/home

  

• Проф. Р. Кунчев е съпредседател на конференцията IC3DIT”2019 и е водещ редактор на книга в 2 тома, издадени от международното научно издателство „Springer“, в които са отпечатани над 120 статии от конференцията.

     

• R. Kountchev, “Complexity Evaluation of Tensor Decomposition Using 3D Inverse Spectrum Pyramid in respect of Deterministic Orthogonal Transforms”, Plenary Lecture, International Conference on High Technology for Sustainable Development (HiTECH 2019), 10 October 2019, Sofia, Bugaria (на френски език).

• Проф. Р. Кунчев е председател на международния уъркшоп „New Approaches for Multidimensional Signal Processing“ и водещ редактор на Proceedings of International Workshop 2020, (NAMSP). Springer, 2021 (in press).

  

• Проф. Р. Кунчев е съпредседател на предстоящи 3 межд. конференции в Китай, на сайтовете на които е анонсирано специалното издание "Multidimensional Signal Processing and Its Applications" на межд. научно списание „MDPI Symmetry“:
  
  10th Annual International Conference on Information and Communication Technology (ICICT 2020), China (Nov 13-15, 2020):
  http://www.icictconference.com/2020/menu/issue
  
  4th International Conference on Wireless Communications and Applications, Sanya, China (Dec. 2020)
  http://www.icwcaconference.com/2020/menu/Organizing-Committee
  http://www.icwcaconference.com/2020/menu/home
  
  2nd International conference on 3D Imaging Technologies - Multidimensional Signal Processing and Deep Learning, Kunming, China (Dec. 2020)
  www.s3diconference.com/2020/menu/home
  
  Поканват се всички автори от свързаните научни и приложни области да представят своите най-нови резултати на предстоящите форуми.
  We welcome all authors from related fields to present their recent results at the forthcoming forums.