| Современные проблемы информатики и вычислительной техники |
| Иностранный язык в сфере профессиональной коммуникации |
| Технологии проектирования образовательных ресурсов на платформах электронного обучения |
| Методы инженерного творчества |
| Беспроводные технологии передачи данных |
| Основы методики передачи технологий в промышленность |
| Деловые коммуникации и лидерство |
| Культура и межкультурные взаимодействия в современном мире |
| Проектный менеджмент |
| Технологии разработки программного обеспечения |
| Проектирование микропроцессорных систем |
| Вычислительные системы |
| Системы реального времени |
| Теория принятия решений |
| Технология JAVA |
| Математические методы распознавания образов |
| Обработка и преобразование измерительных сигналов |
| Технологии тестирования интегральных схем |
| Оптоэлектроника и волоконная оптика |
| Функциональная электроника |
| Компьютерные технологии в науке и образовании |
| Языки описания сценариев |
| Сетевые технологии |
Сетевые технологии. Академия CISCO. |
| Проектирование сетевых приложений |
| WEB-дизайн |
| Использование типовых конфигураций системы 1С: Предприятие 8 |
| Учебная ознакомительная практика |
| Производственная технологическая практика |
| Научно-исследовательская работа |
| Подготовка к сдаче и сдача государственного экзамена |
| Выполнение и защита выпускной квалификационной работы |
| Методы цифровой обработки изображений |
| Физические основы микроэлектромеханических систем |
| Сетевые мультимедиа технологии |
|
ПЕТРОЗАВОДСК Сервисный центр RSS
ОБСЛУЖИВАЕМЫЕ БРЕНДЫ
|
Ремонт ноутбуков, планшетов, принтеров, компьютеров | Профессиональное обслуживание офисной техники |
Петрозаводск, ул. Гоголя, д. 5
НА САЙТЕ ПТЗ ЗАПУЩЕН НОВЫЙ КЛИЕНТСКИЙ СЕРВИС
НА САЙТЕ ПТЗ ЗАПУЩЕН НОВЫЙ КЛИЕНТСКИЙ СЕРВИС- Запчасти Кировец (ПТЗ)
- DEUTZ
- Масла и смазки
- LEMKEN
- Плуги
- Фильтры
- Подшипники
- Погрузочное навесное оборудование
- Белагромаш-сервис имени В.
М. Рязанова - Культиваторы
- БДМ
- Опрыскиватели
- Прикатывающие катки
- Запасные части к двигателям ЯМЗ
- РТИ
- Сеялки
- Шумахер
- Аккумуляторы
- МЕТИЗЫ
- Kuhn
- Катки
- Тигарбо
- Животноводство
- Инструменты
- Прокладки, рем.комплекты
- Стартеры, генераторы, компл, эл. оборудование, дат
- Шины, камеры и колеса
- Грязинский Культиваторный Завод
- JYMPA
- Ama (Кардан, навеска, крепеж)
- Глубокорыхлители (запчасти)
- Косилки
- ТМЗ
- КТУ-10
- Автолампы
- Гидравлика
- Грабли импортные
- Грейдеры
- Джон Дир
- Жатки
- Загрузчики сухих кормов
- Франк Рус
- ГСМ (мелкая фасовка)
- Запчасти (Т-150, ХТЗ, Т-40 и др)
- Зернометатели-Зернопогрузчики
- Зерноочистка
- Зерноперерабатывающее оборудование
- ИСРК-12 (хозяин)
- Колесно-пальцевые грабли-ворошилки
- Комбайны Палессе КЗС
- Комбайны РСМ
- Коммунальное оборудование
- Кондиционеры
- КТ-10
- Amazone
- Case
- CLAAS
- Horsch
- IMT
- KRONE
- Kverneland
- Manitou
- Monosem
- New Holland
- QUIVOGNE
- STOLL
- Диски
- Vogel & Noot
- Wic Amiti
- Will Rich
- Gaspardo
- Gregoire Besson
- Нории
- Прессподборщики
- Прицепы 2ПТС-4,5 2ПТС-6
- Протравливатели семян
- Sfoggia
- Сцепки, бороны
- Цепи
- Электротовары
- МТЗ
М. Рязанова
оборудование, датООО «Норд-Вест Ком» | Петрозаводск
Официальный дилер компании PONSSE
Продажа и обслуживание лесозаготовительных машин..jpg)
Гарантийное и послегарантийное обслуживание
лесозаготовительных машин Ponsse
Общество с ограниченной ответственностью «Норд-Вест Ком» — это динамично развивающееся предприятие, активная деятельность которого началась 22 февраля 2012 года.
ООО «Норд-Вест Ком» — единственный официальный дилер мирового бренда PONSSE на территории Республики Карелия и Мурманской области.
Компания Ponsse — ведущий мировой производитель лесозаготовительных машин, работающих по методу сортиментной заготовки леса, которая также выпускает для них информационные системы.
Наш дилерский сервисный центр предлагает полный спектр услуг по продаже и обслуживанию лесозаготовительной техники PONSSE.
— Сервисный центр осуществляет продажу лесозаготовительной техники PONSSE;
-Производит поставку запасных частей и комплектующих;
— Оказывает сервисные услуги по гарантийному и постгарантийному техническому обслуживанию и ремонту техники, агрегатов, как в стационарных сервисных боксах, так и в условиях выездного сервиса.
Техническая поддержка
Компания «Норд-Вест Ком» осуществляет техническую поддержку
24 часа / 7 дней
+7 921 529 41 00
Ремонт техники PONSSE
ООО «Норд-Вест Ком» в своем сервисном центре осуществляет профессиональное техническое обслуживание, производит гарантийный и послегарантийный ремонт техники, механизмов, агрегатов, информационных систем. Сервисный центр оборудован всем необходимым для быстрого и качественного проведения технического обслуживания и ремонта, что обеспечивает бесперебойную работу специализированных машин. Склады запасных частей находятся вблизи мастерских, что гарантирует минимальные сроки выполнения операций технического обслуживания.
Продажа запасных частей
Компания «Норд-Вест Ком» предлагает широкий ассортимент фирменных оригинальных запасных частей для лесозаготовительных машин PONSSE.
Используя фирменные запчасти PONSSE Вы обеспечиваете надежную работу и длительный срок эксплуатации Ваших машин.
Так же, ООО «Норд-Вест Ком» готово предложить широкий ассортимент запасных частей и комплектующих для тракторной и автомобильной техники, оборудования лесоперерабатывающей, целлюлозно-бумажной и горнодобывающей промышленности и др.
Контакты
Адрес:
Республика Карелия, г.Петрозаводск, Суоярвское шоссе д.55
E-mail:
Телефон:
8 (8142) 72-26-05
8 (8142) 72-49-27
8 (8142) 72-24-78
Группа в VK:
ООО «Норд-Вест Ком»
телефон, сайт и отзывы — Универсальная сантехника
Адрес: Петрозаводск, Александра Невского проспект, 67 (показать на карте: Яндекса, Google, 2GIS).
Как проехать
Перед тем, как поехать в Водная техника, изучите расположение компании на карте.
Как пройти на панораме Гугла
Воспользуйтесь сервисом просмотра улиц, чтобы сориентироваться и легко найти подъезд, парковку либо найти близлежащие остановки транспорта, метро.
Телефон Позвоните в магазин, уточните стоимость услуг, наличие товаров. Задайте вопросы менеджеру. По качеству ответов на телефонные вопросы можно составить представление об уровне сервиса.
: +7 (8142) 57-55-81https://www.usantehnika.ru/petrozavodsk/companies/vodnaya-tehnika-aleksandra-nevskogoprospekt-67/Часы работы:
Закрыто сейчас. 03:34Понедельник
09:00–19:00
Вторник
09:00–19:00
Среда
09:00–19:00
Четверг
09:00–19:00
Пятница
09:00–19:00
Суббота
10:00–17:00
Воскресенье
10:00–17:00
Ещё в этом районе
В 10-15 минутах ходьбы от Водная техника расположены следующие магазины сантехники:
-
Всё для дома, магазин
Петрозаводск, Маршала Мерецкова, 8Б — цокольный этаж
-
Север-Строй, ООО
Петрозаводск, Маршала Мерецкова, 8Б — цокольный этаж
-
Промэнерго, ЗАО, торгово-производственная компания
Петрозаводск, Маршала Мерецкова, 16 — 16 офис
-
OZON. ru, интернет-гипермаркет
Петрозаводск, Маршала Мерецкова, 16 — 12/13 офис; 1 этаж
-
Infinity, торговая компания
Петрозаводск, Лизы Чайкиной, 8
-
Универсал, сеть магазинов
Петрозаводск, Александра Невского проспект, 59 — цокольный этаж
ru, интернет-гипермаркет
На usantehnika.ru представлена информация о 35 магазинах сантехники в Петрозаводске. Перед обращением в магазин сантехники рекомендуем изучить, как производится монтаж сантехники, основные принципы подбора сантехнического оборудования. Такая информация представлена на нашем сайте.
ОЦЕНИТЕ УЧРЕЖДЕНИЕ1385 посещений страниц компании
Сдача бытовой техники на утилизацию в Петрозаводске, список контактов и адресов
Адреса и телефоны пунктов приема в Петрозаводске
г.РТИ-Ресурс
Петрозаводск, пр. Строителей, 2 Тел.+79114267726
г. Петрозаводск, ш. Вытегорское, 82 Тел.+79114117800АвтоСпецТранс
г. Петрозаводск, ул. Заводская, 4/16 Тел.+79114002743Металл Групп
г. Петрозаводск, ш. Шуйское, 12в Тел.88002340751ЮВИ Петрозаводск
г. Петрозаводск, ул. Ригачина, 25/2 Тел.+78142796376Меркурий
Петрозаводск, пр. Строителей, 2 Тел.+79114267726Вам также будет интересно:
Расположенный на берегу центральной части Онежского озера, административный центр республики Карелия, окруженный живописными лесными массивами, множеством озер и рек, порт пяти морей, крупный населенный пункт, на территории которого проживают около 280 000 жителей, отмечает с недавнего времени значительный прирост населения.
Обеспечивающие бытовые потребности современного человека, электрические и электронные приборы, тысячами реализовываются в розничной торговой сети и находят применение в каждой семье. Проблема утилизации техники в Петрозаводске, как и в большинстве крупных городов России, занимает одно из первых мест.
Неожиданная проблема
Каждая новоиспеченная семья задумывается о том, где взять деньги на необходимую бытовую технику, а также компьютеры и мобильные телефоны. Но мало кто задумывается о том, что через некоторое время, с той же насущностью встанет вопрос, как избавиться от телевизора, холодильника или стиральной машины, отслуживших свое, или просто морально устаревших.
На вопрос, куда сдать сломанный телевизор, холодильник или стиральную машину, существует несколько ответов. Утилизация бытовой техники в Петрозаводске позволяет быстро избавиться от хлама и в некоторых случаях попутно на этом подзаработать.
Что делать с ненужными приборами?
Ненужную бытовую технику можно:
- продать на запчасти;
- сдать фирмам, занимающимся их выкупом;
- самостоятельно разобрать, сдав подходящие материалы в пункты приема вторсырья.
.jpg)
Для того чтобы избавиться от нерабочей, разобранной или очень старой бытовой техники, следует воспользоваться услугами фирм, предлагающих корректную утилизацию устройств за некоторую оплату.
Выбрасывать в мусорный контейнер электронику или бытовые приборы нельзя – за это полагается штраф, поскольку вывезенные на полигон ТБО устройства будут разлагаться не теми же темпами, что и пищевые или легкие бытовые отходы, а также загрязнят прилегающую территорию тяжелыми химическими соединениями, не разлагающимися в природе.
Новое из старого
Процесс утилизации бытовой техники в Петрозаводске, а также оргтехники, автомобильных аккумуляторов и батарей к мобильным устройствам позволяет сократить расходы и внедрить новые научные решения в повседневные товары. С помощью переработанных аккумуляторов можно производить солнечные батареи, вторичное сырье для которых (свинец), ничем не уступает первичному, а заодно позволяет сократить добычу тяжелого металла, процесс которой сильно загрязняет окружающую среду.
Положительный экономический эффект от применения вторсырья в производстве для различных категорий бытовых приборов может составлять от 5 до 40% экономии.
Потребление материалов для производства мобильных телефонов можно было сократить на 240 000 т в год, если бы каждое из трех миллиардов ранее выпущенных устройств было грамотно утилизировано.
Виды техники содержащей драгметаллы
| Техника | Наличие драгметалла |
| Телевизоры — советские | Практически не содержатся |
| Калькуляторы — советские | Значительное количество |
| Магнитофоны — советские | Незначительно количество |
| Радиолы | Нет драгметаллов |
| Видеомагнитофоны | Нет драгметаллов |
| Холодильники — советские | Серебро — незначительно количество |
| Стиральные машины | Серебро — незначительно количество |
| Компьютеры — 90-х | Значительное количество |
| Телефоны — дисковые | Серебро — незначительно количество |
| Принтеры | Золото — незначительно количество |
Видео: Утилизация электроники
Конструкторы ПТЗ создали комплект защиты при возделывании залежных земель
Техника Растениеводство 17 ноября 2020
Новый комплект защиты при возделывании залежных земель для тракторов «Кировец» К-7М создан конструкторами Петербургского тракторного завода, который входит в Ассоциацию «Росспецмаш».
Пашня переходит в статус залежи, когда она более одного года не используется под посевы сельскохозяйственных культур и не подготовлена под пар. В России сейчас площадь таких залежных земель составляет несколько десятков миллионов гектар.
Тракторы подвергаются довольно жесткому внешнему воздействию. Даже в первой стадии зарастания на поле встречаются кустарники и молодые деревья высотой до 3-х метров.
Если же поле «простояло» более пяти лет, высота деревьев может достигать 6-7 метров. Соответственно, трактор необходимо защитить.
Петербургский тракторный завод испытал первый образец комплекта защиты, предназначенный для тракторов «Кировец» К-7М. Защита надежно предохраняет от повреждений облицовку и светотехнику трактора, а также закрывает агрегаты трактора снизу. Максимальный диаметр деревьев, с которыми должна справляться эта защита, составляет 11 см.
В передней части трактора на бампере закрепляется основание с нижним лобовым листом толщиной 8 мм. Основание не только часть защитного комплекса, но и является несущей конструкцией для отбойника – наклонного стального щита с интегрированным поперечным брусом. Сам отбойник съемный, при необходимости его можно оперативно демонтировать, чтобы использовать трактор на полевых или транспортных работах.
Защита под передней полурамой значительно усилена в сравнении с предыдущей версией, предназначавшейся для тракторов серии К-744Р.
Она надежно закрывает не только картер двигателя и коробки передач, но и передний мост с карданной передачей. Толщина стального листа увеличена в два раза — с трех до шести миллиметров.
Можно рекомендовать установку комплекта защиты на трактор при трамбовке силосных траншей. С установленной защитой угол въезда составляет 25 градусов. Помимо защитной функции, оборудование позволит дополнительно утяжелить трактор, общий вес комплекта около 970 кг. Это повысит эффективность трамбовки.
Сегментация переднего плана с помощью камеры PTZ: обзор
Allebosch G, Deboeverie F, Veelaert P, Philips W. (2015) EFIC: сегментация фона переднего плана на основе краев и внутренняя классификация для динамических точек обзора камеры. В: Advanced Concepts for Intelligent Vision Systems (ACIVS), Катания, Италия
org/ScholarlyArticle»> 2.Allebosch G, van Hamme D, Deboeverie F, Veelaert P, Philips W (2015) C-EFIC: сегментация фона переднего плана на основе цвета и краев с внутренней классификацией, представленной в области компьютерного зрения, теории изображений и компьютерной графики и приложений
Альварес С., Льорка Д.Ф., Сотело М.А. (2014) Автоматическая калибровка иерархической камеры для систем наблюдения за дорожным движением. Expert Syst Appl 41 (2014): 1532–1542
Статья Google ученый
Араки С., Мацуока Т., Такемура Х, Йокоя Н. (1998) Отслеживание в реальном времени нескольких движущихся объектов в последовательностях движущихся изображений камеры с использованием надежной статистики. Proc ICPR 2: 1433–1435
Google ученый
org/ScholarlyArticle»> 5.Асиф М., Сораган Дж. (2008) Видеоаналитика для панорамирования камеры в динамической среде наблюдения. 50-й международный симпозиум, 10–12 сентября (2008 г.)
Avolaa D, Cinque L, Foresti GL, Massaroni C, Pannone D (2017) Метод на основе ключевых точек для моделирования фона и обнаружения переднего плана с помощью камеры PTZ. Pattern Recogn Lett 96: 96–105
Статья Google ученый
Babaee M, Dinh D, Rigoll G (2017) Глубокая сверточная нейронная сеть для вычитания фона.Институт человеко-машинной коммуникации, Технический университет Мюнхена, Германия
Google ученый
Barnich O, Van Droogenbroeck M (2011) ViBe: универсальный алгоритм вычитания фона для видеопоследовательностей. IEEE Trans Image Process 20 (6): 1709–1724
MathSciNet Статья МАТЕМАТИКА Google ученый
Бартоли А., Далал Н., Хорауд Р. (2004) Панорамы движения.Comput Animat Virtual World 15 (5): 501–517
Статья Google ученый
Башир Ф., Порикли Ф. (2007) Совместное отслеживание объектов в камерах EPTZ SPIE, Многопараметрическая обработка изображений и видео Cod3D (VCIP), TR2006–088 Март 2007 г.
Bay H, Tuytelaars T , ван Гул Л. (2004) SURF: ускоренные устойчивые функции, стр.
1–14
Бенезет Й., Йодоин П.М., Эмиль Б., Лоран Х., Розенбергер С. (2010) Сравнительное исследование алгоритмов вычитания фона.J Electr Imaging 19 (3): 1–12
Google ученый
Бертелли Л., Ю. Т., Ву Д., Гоктурк Б. (2011) Ядренное структурное обучение SVM для сегментации контролируемых объектов. Материалы конференции IEEE по компьютерному зрению и распознаванию образов 2153–2160
Bevilacqua SLD, Azzari P (2005) Эффективный алгоритм мозаики в реальном времени, способный обнаруживать движение посредством вычитания фона с помощью камеры PTZ: In Proc.IEEE Int. Конф. AVSS, pp 511–516
org/ScholarlyArticle»> 15.Bevilacqua A, Azzari P (2006) Высококачественное обнаружение движения в реальном времени с помощью PTZ-камер. В: Proc. IEEE Int. Конф. в ноябре (2006 г.) видеосигнал на базе Surveill . , p 23
Bevilacqua A, Kamel M, Campilho A, Azzari P (2007) Быстрая и надежная техника мозаики изображений, применяемая для обнаружения движения на большой площади. В: Анализ и распознавание изображений (Lecture Notes in Computer Science, vol. 4633), Германия: Springer, стр. 501–512
Bianco S, Ciocca G, Schettini R (2015) Как далеко вы можете зайти, объединив алгоритмы обнаружения изменений ?. Версия 1. Отправлено в IEEE транзакции по обработке изображений, (arXiv: 1505.02921)
org/ScholarlyArticle»> 18.Bianco S, Ciocca G, Schettini R (2015) Как далеко вы можете продвинуться, объединив алгоритмы обнаружения изменений ?. Версия 2. Отправлено в IEEE транзакции по обработке изображений, (arXiv: 1505.02921)
Bianco S, Ciocca G, Schettini R (2015) Как далеко вы можете продвинуться, объединив алгоритмы обнаружения изменений ?.Версия 3. Отправлено в IEEE транзакции по обработке изображений, (arXiv: 1505.02921)
Bianco S, Ciocca G, Schettini R (2015) Как далеко вы можете продвинуться, объединив алгоритмы обнаружения изменений ?. Версия 5. Отправлено в IEEE транзакции по обработке изображений. (arXiv: 1505.02921)
Bilodeau G-A, Jodoin J-P, Saunier N (2013) Обнаружение изменений в пространстве признаков с использованием локальных двоичных шаблонов подобия.
В: Computer and Robot Vision (CRV), International Conference, pp 106–112
Bloisi DD, Iocchi L (2008) Rek-означает алгоритм кластеризации на основе k-средних: In: Computer Vision Systems pp 109–118
Boulmerka A, Allili MS (2017) Сегментация переднего плана в видео, объединяющая общий гауссовский моделирование смеси и пространственная информация. IEEE Trans Circ Syst Video Technol (99): 1
Bouwmans T (2011) Недавнее расширенное статистическое моделирование фона для обнаружения переднего плана: систематический обзор. Последние патенты Comput Sci 4 (3): 147–171
Google ученый
org/ScholarlyArticle»> 25.Bouwmans T (2014) Традиционные и современные подходы к моделированию фона для обнаружения переднего плана. Обзор. Elsevier Inc. Comput Sci Rev 11-12 (2014): 31–66
Статья МАТЕМАТИКА Google ученый
Bouwmans MT, El Baf F, Vachon B (2008) Моделирование фона с использованием смеси гауссиан для обнаружения переднего плана — обзор. Рукопись автора, опубликованная в журнале Recent Patents on Computer Science 1 (3): 219–237
Bouwmans T, El-Baf F, Vachon B (2010) Статистическое моделирование фона для обнаружения переднего плана: обзор. В: Справочник по распознаванию образов и компьютерному зрению, 4 (2), World Scientific Publishing, стр. 181–199
org/ScholarlyArticle»> 28.Bouwmans T, Silva C, Marghes C, Zitouni MS, Bhaskar H, Frelicot C (2018) On роль и важность функций для моделирования фона и обнаружения переднего плана. Comput Sci Rev 28 (2018): 26–91
MathSciNet Статья Google ученый
Braham M, van Droogenbroeck M (2016) Глубокое вычитание фона с помощью сверточных нейронных сетей для конкретной сцены. В: Международная конференция IEEE по системам, сигналам и обработке изображений (IWSSIP), Братислава, Словакия, стр. 1–4
Brox Tand Malik J (2010) Сегментация объектов путем долгосрочного анализа точечных траекторий. В: Proc. ECCV, pp 282–295
Brutzer S, Hoferlin B, Heidemann G (2011) Оценка методов вычитания фона для видеонаблюдения. В: Proc. CVPR, pp. 1937–1944
Чен Й, Чжао К., Ву В., Лю С. (2014) Вычитание фона: стратегия совместного использования модели, основанная на анализе временных вариаций. В: Springer International Publishing, Computer Vision-ACCV (2014) Workshops, Volume 9009, pp 333–343
Chen Y, Wang J, Lu H (2015) Изучение совместных моделей для надежного вычитания фона. В: Мультимедиа и выставка (ICME), Международная конференция IEEE, стр. 1–6
Chen Y, Wang J, Xu M, He, Lu H (2015) Унифицированная модель совместного использования кадра для обнаружения движущихся объектов.Сигнальный процесс. https://doi.org/10.1016/j.sigpro.2015.10.011i
org/ScholarlyArticle»> 35.Cheung S-CS, Kamath C (2004) Надежные методы вычитания фона в видеоизображении городского движения. В: Proc. EI-VCIP, pp 881–892
Cho SH, Kang HB Создание панорамного фона с использованием среднего сдвига в среде движущейся камеры
Cucchiara R, Grana C, Piccardi M, Prati A (2003) Обнаружение движущихся объектов, призраков и теней в видеопотоках.Pattern Anal Mach Intell IEEE Trans 25 (10): 1337–1342
Статья Google ученый
Далал Н., Триггс Б. (2005) Гистограммы ориентированных градиентов для обнаружения человека. In: CVPR, pp 886–893
org/ScholarlyArticle»> 39.de Gregorio M, Giordano M (2014) Обнаружение изменений с помощью невесомых нейронных сетей. В: Proc семинара IEEE по обнаружению изменений
de Gregorio M, Giordano M (2016) WISARDRP для обнаружения изменений в видеопоследовательностях.Отправлено на (CVPR’16)
Детмольд Х, ван ден Хенгель А., Дик А., Мэдден С., Чиховски А., Хилл Р. (2009) Планирование PTZ-камер с учетом неожиданности. В: Третья международная конференция ACM / IEEE по распределенным интеллектуальным камерам, ICDSC., Стр. 1–8
Dhou S, Motai Y (2015) Динамическая трехмерная реконструкция поверхности и моделирование движения с помощью камеры панорамирования, наклона и масштабирования.
Comput Ind 70 (2015): 183–193
Статья Google ученый
Dimou A, Medentzidou P, Álvarez García F, Daras P (2016) Обнаружение нескольких целей в кадрах видеонаблюдения для отслеживания приложений с использованием методов глубокого обучения. Международная конференция IEEE по обработке изображений (ICIP), 25–28 сентября 2016 г.
Dinh T, Yu Q, Medioni G (2009) Отслеживание в реальном времени с использованием активных интеллектуальных роботов и систем с сетевой камерой с панорамированием, наклоном и масштабированием . IROS. 10-15 октября (2009 г.). IEEE / RSJ, стр. 3786–3793
Эль Баф Ф., Бауманс Т., Вачон Б. (2007) Сравнение методов вычитания фона для мультимедийного учебного пространства.
Международная конференция по обработке сигналов и мультимедиа (SIGMAP, июль 2007 г.), Барселона, Испания
Elgammal A (2011 г.) Сегментация на основе рисунка на основе пикселей: В публикации Springer. Визуальный анализ человека, стр 31–51. DOI: https: //doi.org/10.1007/978-0-85729-997-0_3
Элгаммал А., Харвуд Д., Дэвис Л. (2000) Непараметрическая модель для вычитания фона. В: Proc. Евро. Конф. по компьютерному зрению, Лект. Notes Comput. Sci., 751–767
Эльхабиан С., Эль-Сайед К., Ахмед С. (2008) Обнаружение движущихся объектов в пространственной области с использованием методов удаления фона: Современное состояние. Последние патенты Comput Sci 1 (1): 32–54
Статья Google ученый
org/ScholarlyArticle»> 49.Elqursh A, Elgammal A Вычитание фона движущейся камеры онлайн. In: Computer Vision — ECCV (Lecture Notes in Computer Science, vol. 7577)
Faisal Qureshi Z, Terzopoulos D (2009) Предварительное планирование назначения и передачи PTZ-камеры.IEEE International Conf. https://doi.org/10.1109/ICDSC.2009.5289420
Фероне А., Маддалена Л. (2013) Вычитание нейронного фона для камер панорамирования, наклона и увеличения. В: Транзакции IEEE в системах, человеке и кибернетических системах 16 сентября (2013), стр. 571–579
Фитцгиббон А., Лазебник С., Перона П., Сато Й, Шмид К. (2012), Шмид С. (2012), Спрингер, Берлин, стр.
228–2 241
Fradi H, Eiselein V, Dugelay JL, Keller I., Sikora T (2015) Пространственно-временная модель плотности толпы в системе обнаружения и отслеживания людей.Изображение процесса сигнала Commun 31: 100–111
Статья Google ученый
Гидони С., Анзалоне С. М., Мунароа М., Мичилетто С., Менегатти Е. (2014) Инфраструктура распределенного восприятия для жизни с участием роботов. Робот Auton Syst 62 (2014): 1316–1328
Статья Google ученый
Glasbey CA (1998) Обзор методов деформации изображения. J Appl Stat 25: 155–171
Статья МАТЕМАТИКА Google ученый
org/ScholarlyArticle»> 56.Guillot C, Taron M, Sayd P, Pham Q-C, Tilmant C, Lavest J-M (2010) Вычитание фона, адаптированное для камер PTZ с помощью оценки плотности точек. Британская конференция по машинному зрению, BMVC 2010, Аберистуит, Великобритания. Proceedings, 31 августа — 3 сентября (2010), 105244 / C24.34
Hayman E, Eklundh JO (2003) Статистическое вычитание фона для мобильного наблюдателя: In: Proceedings ICCV, pp 67–74
Hayman E, Eklundh J et al (2003) Статистическое вычитание фона для мобильного наблюдателя.В: Proc. ICCV, т. 1, pp 67–74
Heikkilä M, Pietikäinen M (2006) Метод на основе текстуры для моделирования фона и обнаружения движущихся объектов.
IEEE Trans Pattern Anal Mach Intell 28: 657–662
Статья Google ученый
Heikkilä M, Pietikäinen M, Schmid C (2009) Описание интересных регионов с локальными бинарными паттернами. Распознавание образов 42: 425–436
Статья МАТЕМАТИКА Google ученый
Hoedl T, Brandt D, Soergel U, Wiggenhagen M (2008) Ориентация PTZ-камеры в реальном времени на основе обнаружения пешеходов в видеоданных широких и сложных сцен. В кн .: Международные архивы фотограмметрии. Дистанционное зондирование и пространственная информация. Vol. XXXVII
Hsieh J, Chen S-Y, Chuang C-H, Chen Y-S, Guo Z-Y, Fan K-C (2009) Сегментация пешеходов с использованием деформируемой триангуляции и оценки плотности ядра.
В кн .: Материалы восьмой международной конференции по машинному обучению и кибернетике.Международная конференция по машинному обучению и кибернетике Баодин, стр. 3270–3274. DOI: https: //doi.org/10.1109/ICMLC.2009.5212735
Hu J, Hu S, Sun Z (2012) Система мониторинга в реальном времени, основанная на совместном слиянии двух камер. Национальный фонд естественных наук, Китай
Google ученый
Huang H-P, Cheng M-Y, Shie S-S (2009) Визуальное отслеживание на основе нескольких камер со стратегией сотрудничества MHS.В: 35-я ежегодная конференция промышленной электроники IEEE (IECON3-5 ноября 2009 г.). pp 2142–2447
Huang Z, Hu R, Chen S (2015) Статья отправлена на (CVPR’15)
Irfan Mehmood A, Muhammad Sajjad A, Waleed Ejaz B, Sung Wook Baik A (2015) Приоритизация визуальных данных в беспроводных сетях наблюдения, направленная на определение приоритетности. Inf Fusion 24: 16–30
Статья Google ученый
Джайн А., Копелл Д., Каклигиан К., Ван И-Ф (2006) Использование стационарных динамических камер в сборе для видеонаблюдения на обширной территории и избирательного внимания.Proc IEEE Comput Soc Conf Comput Vis Pattern Recogn. https://doi.org/10.1109/CVPR.2006.327
Юнг Ю.К., Ли К. и др. (2002) Отслеживание объектов на основе функций с помощью активной камеры.
Proc IEEE Pacific Rim Conf Multimed Adv Multimed Inf Process: 137–1144
Kadim Z, Daud MM, Syaimaa Solehah Radzi M, Samudin N, Woon HH (2013) Метод обнаружения и отслеживания движущихся объектов в нестатических условиях PTZ-камера. В: Материалы международной мультиконференции инженеров и компьютерных ученых.Том 1, IMECS 2013, ISSN: 2078-0966 (Online)
Канг С., Пайк Дж., Кошан А., Абиди Б., Абиди М.А. (2003) Видео слежение в реальном времени с использованием камер PTZ. В SPIE 6 th , международная конференция по контролю качества с помощью искусственного зрения, том 5132, стр. 103–111
Kaur N (2012) Автоматическое слежение за объектами в реальном времени с помощью камер панорамирования, наклона и увеличения в IP-наблюдении система.
Int J Comput Eng Res (ijceronlinecom) 2 (6): 63–69
Google ученый
Kelley R, Tavakkoli A, King C, Nicolescu M, Nicolescu M (2010) Понимание действий и намерений взаимодействия человека и робота. INTECH, Хорватия, стр. 288
Google ученый
Kim SJ, Doretto G, Rittscher J, Tu P, Krahnstoever N, Pollefeys M (2009) Подход к обнаружению изменения модели для динамического моделирования сцены. IEEE
Komagal E, Yogameena B (2017) Region MoG и сегментация движения на основе дескриптора текстуры при внезапном освещении при непрерывном панорамировании и избыточном масштабировании.Multimed Tools Appl
org/ScholarlyArticle»> 75.Komagal E, Maheshwari A, Yogameena B (2014) Самоадаптация моделирования фона для PTZ-видеонаблюдения. Int J Appl Eng Res 9 (20). ISSN 0973–4562
Комагал Э., Анусуя Деви П., Кумарешвари М., Виджаялакшми М. (2014) Обнаружение движущегося объекта с помощью алгоритма выделения переднего плана камерой PTZ. Int J Inf Sci Tech (IJIST) 4 (3)
Kryjak T, Komorkiewicz M, Gorgon M (2014) Реализация в реальном времени обнаружения объектов переднего плана с помощью движущейся камеры с использованием алгоритма ViBE.Adv Syst Model Lang Agents 11
Квак С., Лим Т., Нам В., Хан Б., Хан Дж. Х. (2011) Обобщенное вычитание фона, основанное на гибридном выводе путем распространения убеждений и байесовской фильтрации.
В: Proc. ICCV, pp 2174–2181
Ли С., Ким Н., Чон К., Парк К. Обнаружение движущихся объектов с помощью нестабильной камеры для систем видеонаблюдения. В: Elsevier Science Direct, IJLEO-55638, Кол-во страниц 6
Li Z, Hu J, Hu S, Sun Z (2014) Алгоритм отслеживания-обучения-обнаружения, применяемый в системе орлиного глаза.J Comput Inf Syst 10 (5): 1931–1938
Google ученый
Liang D, Kaneko S (2014) Усовершенствования и эксперименты компактной статистической фоновой модели. В: Труды компьютерного зрения и распознавания образов
Lien S-F, Hsia K-H, Su J-P (2015) Отслеживание движущихся целей на основе подхода с кулачковым переключением и фильтра Калмана. Int J Appl Math Inf Sci
Liu GH, Zhang L, Hou YK, Li ZY, Yang JY (2010) Поиск изображения на основе многотекстовой гистограммы.Распознавание образов 43 (7): 2380–2389 ISSN 0031-3203
Статья МАТЕМАТИКА Google ученый
Liu Y, Shi H, Lai S, Zuo C, Zhang M (2014) Метод пространственной калибровки для системы наблюдения главный-подчиненный. Optik 125 (2014): 2479–2483
Артикул Google ученый
Лю Н., Ву Х, Линь Л. (2015) Иерархический ансамбль фоновых моделей для видеонаблюдения на основе PTZ.
IEEE Trans Cybernet 45 (1): 89–102
Статья Google ученый
López-Rubio FJ, López-Rubio E (2015) Обнаружение переднего плана для движущихся камер со стохастической аппроксимацией. Pattern Recogn Lett 68 (2015): 161–168
Статья Google ученый
Lowe DG (2004) Отличительные особенности изображения от масштабно-инвариантных ключевых точек. Int J Comput Vis 60: 91–110
Статья Google ученый
Лу X (2014) Многомасштабная пространственно-временная модель фона для обнаружения движения (ICIP’14)
org/ScholarlyArticle»> 89.Маддалена Л., Петросино А. (2008) Самоорганизующийся подход к вычитанию фона для приложений визуального наблюдения. IEEE Trans Image Process 17 (7): 1168–1177
MathSciNet Статья Google ученый
Маддалена Л., Петросино А. (2010) Основанный на нечеткой пространственной когерентности подход к разделению фона / переднего плана для обнаружения движущихся объектов.Neural Comput Appl. Springer London19: 179–186
Маддалена Л., Петросино А. (2012) Алгоритм SOBS: каковы ограничения? В: Proc of IEEE Workshop on Change Detection (CVPR’12)
Manfredi M, Vezzani R, Calderara S, Cucchiara R (2014) Обнаружение статических групп и толп, собранных на открытых пространствах, с помощью классификации текстур.
Pattern Recogn Lett 44 (2014): 39–48
Статья Google ученый
Micheloni C, Foresti GL (2006) Обработка изображений в реальном времени для активного мониторинга обширных территорий. J Vis Commun Image Представлять 17 (3): 589–604
Статья Google ученый
Micheloni C, Rinner B, Foresti G (2010) Анализ видео в сетях камер с панорамированием и наклоном. IEEE Signal Process Mag 27 (5): 78–90
Статья Google ученый
Мирон А., Бадии А. (2015) Обнаружение изменений на основе разрезов графика.(IWSSIP’15)
org/ScholarlyArticle»> 96.Mittal A, Huttenlocher D (2000) Моделирование сцены для наблюдения за обширной территорией и синтеза изображений. В: Proc. CVPR vol. 2, pp. 160–167
Monari E (2013) Вычитание фона с инвариантным освещением для камер панорамирования / наклона с использованием ответов DoG. В: Международная конференция по визуализации для обнаружения и предотвращения преступлений
Ояла Т., Пиетикяйнен М., Мяенпяя Т. (2002) Классификация текстур с множественным разрешением в оттенках серого и инвариантной к вращению текстур с локальными двоичными образцами.IEEE Trans Pattern Anal Mach Intell 24: 971–987
Статья МАТЕМАТИКА Google ученый
org/ScholarlyArticle»> 99.Персад Р.А., Арменакис С., Сон Дж. (2010) Калибровка поворотной камеры наблюдения с использованием трехмерной внутренней модели. Can Geomatics Conf. https://doi.org/10.1109/TPAMI.2012.250
Петросино А., Маддалена Л., Бауманс Т. (2017) Редакция — Моделирование и инициализация фона сцены. Pattern Recogn Lett 1–2
Pham XD, Cho JU, Jeon JW (2008) Компенсация фона с использованием сквозного преобразования. В: Proc. IEEE ICRA, май (2008 г.). pp 2392–2397
Piccardi M (2004) Методы вычитания фона: обзор. В: Международная конференция IEEE по системам, человеку и кибернетике. DOI: https: //doi.org/10.1109/ICSMC.2004.
1400815
Possegger H, Rüther M, Sternig S, Mauthner T (2012) Неконтролируемая калибровка сетей камер и виртуальных PTZ-камер.17-й зимний семинар по компьютерному зрению. In: Kristan M, Mandeljc R, Cěhovin L (Eds.) Mala Nedelja, 1-3 февраля (2012), Словения, стр. 1-8
Pulver A, Chang MC, Lyu S (2015) Сегментация выстрелов и группировка для видео камеры PTZ. В кн .: 10-й ежегодный симпозиум по обеспечению информации. pp 34–37
Радке Р.Дж., Андра С., Аль-Кофахи О., Ройзам Б. (2005) Алгоритмы обнаружения изменения изображения: систематический обзор. IEEE Trans Image Process 14 (3): 294–307
MathSciNet Статья Google ученый
org/ScholarlyArticle»> 106.Radzi SSM, Nizam S, Yaakob ZK, Woon HH (2014) Извлечение движущихся объектов с использованием дифференцирования кадров, удаления ореолов и теней. Пятая международная конференция по интеллектуальным системам, моделированию и симуляции, IEEE, 1 октября 2015 г. doi: https: //doi.org/10.1109/ISMS2014154
Ramirez-Alonsoy G, Chacon-Murguia M (2016) Автоадаптивная параллельная архитектура SOM с модульным анализом для сегментации динамических объектов в видео. Neurocomputing 175, стр: 990–1000.https://doi.org/10.1016/j.neucom.2015.04.118
Артикул Google ученый
Reljin N, McDaniel S, Pokrajac D, Pejcic N, Vance T, Lazarevic A, Latecki LJ (2010) Обнаружение малых движущихся целей с использованием алгоритмов обнаружения выбросов.
SPIE Proc 7698. https://doi.org/10.1117/12.850550
Ren Y, Chua C-S, Ho Y-K (2003) Статистическое моделирование фона для нестационарной камеры.Pattern Recogn Lett 24 (1–3): 183–196
Статья МАТЕМАТИКА Google ученый
Робино Л., Брес С., Минге С. (2009) Обнаружение объектов переднего плана в реальном времени с помощью камеры PTZ. Международная конференция по теории и приложениям компьютерного зрения, стр. 609–614
Ростен Э., Портер Р., Драммонд Т. (2010) Быстрее и лучше: подход машинного обучения к обнаружению углов. IEEE Trans Pattern Anal Mach Intell 32 (2010): 105–119
Статья Google ученый
org/ScholarlyArticle»> 112.Sajid H (2016) Надежное вычитание фона для движущихся камер и их приложений в системах Ego-Vision. Диссертация и диссертации — электротехника и вычислительная техника. Университет Кентукки. DOI: https: //doi.org/10.13023/ETD2016.389
Sajid H, Cheung S-CS (2014) Вычитание фона при внезапном изменении освещения. В: Обработка мультимедийных сигналов (MMSP), 16-й международный семинар IEEE . IEEE, стр. 1–6
Sajid H, Cheung S-CS (2015) Вычитание фона для статической и движущейся камеры. Принято к участию в международной конференции IEEE по обработке изображений (ICIP’15)
Саджид Х., Чунг S-CS (2015) Универсальное многомодовое вычитание фона.
Отправлено в транзакции IEEE по обработке изображений
Sami Zitouni M, Bhaskar H, Sluzek A (2017) Обнаружение цели на основе динамических текстур для последовательностей камер PTZ, Системы, Человек и Кибернетика (SMC), 2017 Международная конференция IEEE по 5–8 окт.2017
Седки М., Монири М., Чибелуши К.К. (2014) Spectral-360: физический метод обнаружения изменений. В: Протокол семинара IEEE по обнаружению изменений, семинар CVPR
Senst T, Eiselein V, Sikora T (2012) Надежный локальный оптический поток для отслеживания функций. Trans Cir Syst Video Technol 9 (99)
Sheikh Y, Javed O, Kanade T (2009) Вычитание фона для свободно движущихся камер. В: Proc. ICCV, pp 1219–1225
Shi J, Tomasi C (1994) Хорошие возможности для отслеживания. В: CVPR, стр. 593–600. https://doi.org/10.1109/CVPR.1994.323794
Google ученый
Сихна С.Н., Поллефейс М., Ким С.Дж. (2004) Мультимасштабные панорамные мозаики высокого разрешения с камер панорамирования, наклона и увеличения. Индийская конференция по компьютерному зрению, графике и обработке изображений, стр. 28–33
Silva C, Bouwmans T, Frelicot C (2015) Расширенный центрально-симметричный локальный двоичный шаблон для моделирования фона и вычитания в видео
org/ScholarlyArticle»> 123.Sinha SN, Pollefeys M (2006) Калибровка камеры с панорамированием, наклоном и масштабированием и создание мозаики с высоким разрешением. Comput Vis Image Und 103 (3): 170–183
Статья Google ученый
Solehah S, Yaakob SN, Kadim Z, Woon HH (2012) Извлечение движущихся объектов в PTZ-камере с использованием интеграции вычитания фона и обработки локальной гистограммы. Международный симпозиум 3–4 декабря (2012 г.) компьютерные приложения и промышленная электроника (ISCAIE’12)
Спрингетт Дж., Вендриг Дж. (2008) Обнаружение объектов на основе пространственной активности: В: Конференция AVSS, 803
Шрирам Варадараджан Н., Миллер П., Чжоу Х. (2015) Смесь гауссианского моделирования на основе регионов для обнаружения переднего плана в динамичных сценах. Pattern Recogn 48 (2015): 3488–3503
Статья Google ученый
Stauffer C, Grimson WEL (1999) Адаптивные модели фоновой смеси для отслеживания в реальном времени. В: Proc.Int. Конф. по компьютерному зрению и распознаванию образов, Vol. 2, IEEE, Piscataway
St-Charles P-L, Bilodeau G-A (2014) Улучшение вычитания фона с использованием локальных бинарных шаблонов подобия. В: Приложения компьютерного зрения (WACV), Зимняя конференция компьютерного общества IEEE
St-Charles P-L, Bilodeau G-A, Bergevin R (2014) Subsense: универсальный метод обнаружения изменений с локальной адаптивной чувствительностью. Публикация IEEE
St-Charles P-L, Bilodeau G-A, Bergevin R (2014) Гибкое вычитание фона с самоуравновешенной локальной чувствительностью. Конференция IEEE 414–419
St-Charles PL, Bilodeau GA, Bergevin R (2015) Саморегулирующийся подход к обнаружению изменений, основанный на консенсусе фоновых слов. В: Зимняя конференция IEEE по приложениям компьютерного зрения (WACV). Большой остров, Гавайи, 6–9 января (2015), США
Suhr JK, Jung HG, Li G, Noh S – I, Kim Mar J (2011) Компенсация фона для камер панорамирования, наклона и увеличения с использованием 1-мерного сопоставления признаков и отклонения выбросов.
IEEE Trans Circ Syst Video Technol 21 (3): 371–377
Статья Google ученый
Szeliski R (2006) Выравнивание и сшивание изображений: учебные основы и тенденции R. Comput Graph Vis 2 (1): 1–104
MATH Google ученый
Szeliski R, Shum HY (1997) Создание мозаик панорамных изображений с полным обзором и карт окружающей среды, SIGGRAPH
T’Jampens R, Hernandez F, Vandecasteele F, Verstockt S (2016) Автоматическое обнаружение, отслеживание и подсчет птиц в морском видеоконтенте. IEEE
Thurnhofer-Hemsi K, López-Rubio E Domínguez E (2017) Моделирование панорамного фона для PTZ-камер с помощью обучающихся нейронных сетей, нейронных сетей (IJCNN), Международная совместная конференция, 14-19 мая 2017 г.
Tomasi C, Kanade T (1991) Обнаружение и отслеживание точечных объектов.Технический отчет CMU-CS-91-132, CMU
Варадараджан М.С., Хуйю Чжоу П. (2013) Пространственная смесь гауссиан для моделирования динамического фона. Расширенное наблюдение на основе видео и сигналов (AVSS), 10-я Международная конференция IEEE (27–30 августа 2013 г.), стр. 63–68
Варадараджан С., Ван Х., Миллер П., Чжоу Х. (2015) Быстрая сходимость регуляризованной региональной смеси гауссианов для динамического моделирования фона.
Comput Vis Image Underst 136 (2015): 45–58
Статья Google ученый
Varcheie P, Bilodeau GA (2011) Адаптивный трекер с нечетким фильтром частиц для PTZ-камеры в системе IP-наблюдения. IEEE Trans Instrum Meas 60 (2): 354–371
Статья Google ученый
Вишняков Б., Горбацевич В., Сидякин С., Визилтер Ю., Малин И. и Егоров А. (2014) Обнаружение быстро движущихся объектов с использованием модели фона ilbp. Международная арочная фотограмметрия Remote Sens Spatial Inf Sci XL 3: 347–350
Статья Google ученый
Viswanath A, Behera RK, Senthamilarasu V, Kutty K (2015) Моделирование фона с движущейся камеры.
В: Второй международный симпозиум по компьютерному зрению и Интернету. DOI: https: //doi.org/10.1016/j.procs.2015.08.023
Wang X (2013) Интеллектуальное многокамерное видеонаблюдение: обзор. Pattern Recogn Lett 34: 3–19
Статья Google ученый
Ван Б., Дудек П. (2014) Быстрый самонастраивающийся алгоритм вычитания фона.В: Протокол семинара IEEE по обнаружению изменений, 25 сентября 2014 г. doi: https: //doi.org/10.1109/CVPRW.2014.64
Wang ZZ, Taylor CN (2013) Подход с использованием мультимодальной временной панорамы для обнаружения, реконструкции и классификации движущихся транспортных средств.
Comput Vis Image Underst 117 (2013): 1724–1735
Статья Google ученый
Ван Р., Буньяк Ф., Ситхараман Г., Паланиаппан К. (2014) Обнаружение статических и движущихся объектов с использованием тензора потока с разделенными гауссовыми моделями.В: Конференция IEEE по компьютерному зрению и семинарам по распознаванию образов. DOI: https: //doi.org/10.1109/CVPRW.2014.68
Wang Y, Jodoin PM, Porikli F, Konrad J, Benezeth Y, Ishwar P (2014) Расширенный набор тестовых данных для обнаружения изменений, CDnet в Proc IEEE, стр. 387–394
Wang K , Gou C, Liu Y, Wang FY (2015) M4CD: надежный метод обнаружения изменений с мультимодальным фоновым моделированием и многовидовым обучением переднего плана.
Отправлено в IEEE транзакции по обработке изображений
Wheeler FW, Liu X, Tu PH, RT Hoctor (2007) Многокадровое восстановление изображений для распознавания лиц. В: Семинар IEEE по приложениям обработки сигналов для общественной безопасности и судебной экспертизы
Wu S, Zhao T, Broaddus C, Yang C, Aggarwal M (2006) Надежная оценка панорамирования, наклона и масштабирования для PTZ-камеры с использованием метаданных и / или соответствие между кадрами. Proc. ICARCV, Singapore, pp 1–7
Xu Y, Song D (2010) Системы и алгоритмы для автономного и масштабируемого наблюдения за толпой с использованием роботизированных камер PTZ с помощью широкоугольной камеры.Springer.
, IIS-0643298 и MRI-0923203. Volume 29, July (2010) Issue 1, pp. 53–66
Сюэ К., Лю И, Чен Дж, Лю Q (2010) Модель панорамного фона Для камеры PTZ. В: 3-й международный конгресс по обработке изображений и сигналов, 16–18 октября (CISP2010). pp 409–413
Xue K, Liu Y, Chen J, Li Q (2010) Модель панорамного фона для камеры PTZ. CISP, pp. 409–413
Xue K, Ogunmakin G, Liu Y, Vela PA, Wang Y (2011) Адаптивная панорамная и многослойная модель фона на основе PTZ-камеры.В: 18-я международная конференция IEEE 11–14 сентября (2011 г.) Обработка изображений, стр. 2949–2952
Xue G, Song L, Sun J, Wu M (2011) Гибридный центрально-симметричный локальный узор для динамического фона вычитание. В: IEEE Int Conf on multimedia and Expo, pp 1–6
Yanga C, Zhub W, Liu J, Chena L, Chena D, Caob J (2015) Самоориентирующиеся камеры для максимального увеличения обзора. коэффициент покрытия в сетях датчиков камер. Pervasive Mob Comput 17 (2015): 102–121
Статья Google ученый
Язди М., Бауманс Т. Новые тенденции в обнаружении движущихся объектов на видеоизображениях, снятых движущейся камерой: обзор, обзор компьютерных наук. 2018, 28: 157–177
Йе Й, Си С., Кацаггелос А.К., Лю Йи Кью (2013) Беспроводное видеонаблюдение.
Опрос. IEEE Access 1: 2169–3536
Google ученый
Yi Xie, Liang Lin, Yunde Jia (2010) Отслеживание объектов с помощью адаптивных патчей для визуального наблюдения PTZ-камерой.Международная конференция 23-26 августа (2010 г.) по распознаванию образов, стр. 1739–1742
Yi KM, Yun K, Kim SW, Chang HJ, Jeong H, Choi JY Обнаружение движущихся объектов с помощью нестационарных камер в 5,8 мс: обнаружение движения на вашем мобильном устройстве. В: Конференция «Мастерские компьютерного зрения и распознавания образов» (CVPRW’13)
Yu Q, Medioni G (2008) Реализация обнаружения движения с движущейся платформы на базе графического процессора.
В: Конференция компьютерного общества IEEE (CVPRW).DOI: https: //doi.org/10.1109/CVPRW.2008.4563096
Wu Z, Radke RJ (2012) Использование функций сцены для улучшения глобального видеонаблюдения: В: Конференция компьютерного общества IEEE, 16–21 июня. Мастерские по компьютерному зрению и распознаванию образов (CVPRW), стр. 50–57
Замалиева Д., Йилмаз А., Дэвис Дж. У. (2014) Мульти-трансформационная модель вычитания фона с помощью движущихся камер. В кн .: Компьютерное зрение-ECCV. Springer, pp 803–817
Zhang J, Wang Y, Wang Y, Chen J, Xue K (2010) Структура системы наблюдения с использованием камеры PTZ. В: 3-я международная конференция IEEE по информатике и информационным технологиям, 9–11 июля (ICCSIT), стр.
658–662
Чжиган Чжу А., Гуаню Сюй Б., Эдвард М., Райзман К., Хансон А.Р. (2006) Быстрое построение динамических панорам 360 ° с разным разрешением из видеоряда. Изображение Vis Comput 24: 13–26
Статья Google ученый
Zhou X, Yang C, Yu W (2013) Обнаружение движущихся объектов путем обнаружения непрерывных выбросов в представлении низкого ранга. IEEE Trans Pattern Anal Mach Intell 35 (3): 597–610
Статья Google ученый
Zivkovic Z (2004) Улучшенная адаптивная модель смеси Гаусса для вычитания фона. В: Proc. Int. Конф. Распознавание образов, стр. 28–31, IEEE, Piscataway, NJ
org/ScholarlyArticle»> 168.Zivkovic Z, van der Heijden F (2006) Эффективная адаптивная оценка плотности на пиксель изображения для задачи вычитания фона.Pattern Recogn Lett 27 (7): 773–780
Статья Google ученый
(PDF) Метод полностью автоматической калибровки камеры PTZ
Метод полностью автоматической калибровки камеры PTZ
Антон Обухов, Константин Стрельников, Дмитрий Ватолин
Кафедра вычислительной математики и кибернетики
Московский государственный университет, Москва, Россия
аобухов, кстрельников, dmitriy}@graphics.cs.msu.ruАннотация
В этой статье мы представляем новый подход к полностью автоматической калибровке камеры панорамирования
наклон-масштабирование (PTZ). Система калибровки на основе предложенного метода
проста в настройке, легко масштабируется и не требует участия человека во время работы. Мы фокусируем
на калибровке внешних параметров, предполагая, что все
внутренних параметров известны априори.
В нашей методике калибровки
используется набор измерений, каждое из которых представлено соответствием
между декартовыми мировыми координатами и внутренними координатами панорамирования и наклона камеры
для данной точки.Использование предложенного подхода «прямого измерения»
делает процесс калибровки
разделяемым, что означает, что положение камеры и вращение
можно рассчитать независимо. Хотя внутренние координаты
легко доступны в большинстве современных камер,
мировые координаты конкретных точек должны быть получены с помощью системы обнаружения визуальных маркеров
. Результатом автоматической калибровки системы
для каждой камеры являются внешние параметры камеры, которые лучше всего соответствуют входным измерениям.Предлагаемый метод
разработан для работы в помещениях с различным освещением или со сложной топологией стены
и дает адекватные результаты на практике.
Ключевые слова: PTZ, панорамирование-наклон-масштабирование, калибровка нескольких камер, автоматическая калибровка
, автоматизация, геометрический подход, нелинейный поиск.
1. ВВЕДЕНИЕ
Обычно калибровка измерительного устройства включает
установления взаимосвязи между выходом устройства и единицами измерения
.Проблема калибровки камеры возникла после того, как
ученых признали камеры мощными измерительными приборами
. Процессы калибровки камеры предназначены для создания параметризованной модели камеры
с использованием нескольких измерений, которые включают в себя информацию о кадре и, необязательно, априорные данные.
Перед разработкой любой системы калибровки камеры важно определить минимально достаточное подмножество калибровочных
параметров, поскольку алгоритмы оценки параметров сложной модели
имеют высокую вычислительную сложность.Традиционная классификация параметров калибровки камеры
включает внешние
(положение, поворот) и внутренние (фокусное расстояние, радиальное искажение,
и т. Д.) Параметры [1]. Последний класс содержит как параметры, которые
представляют некоторые физические свойства или интегральные характеристики устройства
(например, фокусное расстояние), так и параметры, которые описывают недостатки устройства
(например, радиальное искажение). Однако повышение качества производственных процессов камеры
помогло устранить некоторые проблемные внутренние атрибуты камеры
, такие как радиальное искажение
и несоответствие между центром вращения и точкой фокусировки.
В этой статье мы предполагаем, что упомянутое выше подмножество
включает только параметры внешней калибровки, а внутренние параметры
либо известны априори, либо не требуются. Как показано в следующем обсуждении
, это предположение
не вносит каких-либо дополнительных ошибок в процесс калибровки.
Этот документ организован следующим образом. Раздел 2 этого документа
представляет обзор связанных работ.В разделе 3 приведены некоторые обозначения
и математические основы для задачи калибровки камеры
. В разделе 4 описывается предлагаемый метод. Раздел
4.1 представляет схему метода автокалибровки, за которым следует
описания оценки положения в разделе 4.2 и оценки вращения
в разделе 4.
3. Примечания по реализации, результаты экспериментов
и оценка метода приведены в разделе
5.Наконец, выводы сделаны в Разделе 6.
2. ПОДОБНАЯ РАБОТА
Проблема автоматической калибровки статической камеры
была рассмотрена в ранней работе Р. Цая [1]. Цай предложил различные методы калибровки
, такие как калибровка с использованием копланарного набора точек monoview
и калибровка нескольких положений обзора.
Он предложил выполнить калибровку в несколько этапов, используя разделимость калибровок
, и заявил, что аналитические методы оценки параметров камеры
, такие как линейный метод наименьших квадратов, предпочтительнее
, если нет необходимости в калибровке внутренних параметров.
Однако выполнение статической перекалибровки камеры PTZ после
каждого поворота не является желательным решением.
Одна группа методов калибровки камеры PTZ включает те
, которые используют объекты калибровки, такие как визуальные маркеры или наборы из
копланарных точек с известными координатами [2-4].
Процесс калибровки
можно описать следующим образом: с учетом мировых координат
и соответствующих кадровых координат набора точек калибровка
выполняется путем минимизации ошибки несоответствия
между проекцией мировых координат и соответствующей
координат кадра в соответствии с набором калибровочных
параметров.Некоторые методы из этой группы методов
используют необычные объекты для получения дополнительной информации из среды
. M. Agrawal et al. [3] использовали сферы в качестве калибровочных объектов
, чтобы упростить процесс обнаружения объектов, и для одновременного вычисления масштабного коэффициента кадра
по горизонтальному направлению
(коэффициент масштабирования изображения неопределенности [1]).
Агравал заявил, что каждая камера видит контуры сферы как эллипсы,
и, таким образом, коэффициент масштабирования изображения неопределенности может быть рассчитан как
отношение радиусов эллипса.
И.-Х. Chen et al. [4] описал систему
, в которой используются листы бумаги формата А4, лежащие в горизонтальной плоскости.
Этот подход дает информацию о прямых углах бумаги
, что упрощает калибровочную модель. Однако общими недостатками
этих умных методов являются неудобства
, которые возникают на этапе подготовки или
калибровки.
Ряд других подходов (методов самокалибровки) [5-7]:
, основанный на межкадровой гомографии или на точечном соответствии
между несколькими кадрами.Большинство из этих методов обрабатывают нелинейность
при вычислении параметров калибровки, делая
предположений о факторах сцены и принимая во внимание
априорных знаний о внутренних параметрах камеры. Методы в
первой группы, упомянутой выше, кажутся нестабильными в условиях
с низким освещением, а другие предназначены для выполнения в основном только внутренней калибровки
. В итоге эти методы здесь не интересуют
.
Дополнительная сложность, связанная с этой группой методов
, заключается в том, что они работают только в статической среде, потому что
любое зафиксированное движение приводит к ошибкам в гомографии и результатах калибровки
. Эта трудность является весьма ценным ограничением вариантов использования.
% PDF-1.6 % 2 0 obj > endobj 522 0 объект > поток 2012-11-12T22: 00: 48-05: 00 Вывод TeX 2012.11.12: 22002012-11-12T22: 50: 09-05: 002012-11-12T22: 50: 09-05: 00dvipdfm 0.13.2d, Авторское право © 1998, Марк А. Викс. Приложение / pdfuuid: e6f74d92-3240-4ae2-8480-c979fc8b4dd9uuid: c3b48eb7-7a63-44be-805b-c376280dda23 конечный поток endobj 520 0 объект > endobj 518 0 объект > endobj 3 0 obj > endobj 519 0 объект ноль endobj 514 0 объект > endobj 515 0 объект > endobj 516 0 объект > endobj 517 0 объект > endobj 322 0 объект > / ProcSet [/ PDF / Text] / XObject >>> / Type / Page >> endobj 379 0 объект > / ProcSet [/ PDF / Text] / XObject >>> / Type / Page >> endobj 414 0 объект > / ProcSet [/ PDF / Text] / XObject >>> / Type / Page >> endobj 495 0 объект > / ProcSet [/ PDF / Text] / XObject >>> / Type / Page >> endobj 526 0 объект > поток BT / T1_0 6.
97 Тс 1.0003 0 0 1.0003 48.9636 756.8603 тм (IEEE) Tj 1.0003 0 0 1.0003 72 720 тм -5,215 36,85 тд [(TRANSA) 29 (CTIONS) -277 (ON) -278 (P) 119 (A) 120 (TTERN) -277 (ANAL) 139 (YSIS) -277 (AND) -278 (MA) 29 (CHINE) — 277 (ИНТЕЛЛЕКТ) — 278 (НЕТ) 49 (VEMBER) -277 (2012)] TJ 488,221 0 тд (14) Tj / T1_1 9,96 Тс -506,036 -29,95 тд [(было) -468 (pur) 17 (ely) -468 (r) 17 (otating,) — 469 (in) -469 (практика) -469 (the) -469 (ef) 17 (fects) -468 ( из) -469 (возможно)] TJ 0 -11,95 TD [(перевод) -454 (из) -454 (в) -455 (камера) -455 (в центре) -454 (не может) -455 (быть) -455 (игнорировать) 17 (ред.) — 453 (как)] TJ Т * [(наблюдается) -584 (by) -585 (несколько) -585 (r) 17 (esear) 18 (chers) -584 ([9],) — 585 ([10].) -585 (Наконец) 110 (,) — 584 (ср)] TJ Т * [(наблюдается) -268 (это) -270 (то) -269 (автофокус) -270 (из) -269 (то) -269 (камера) -270 (имеет) -269 (а) -269 (не -)] TJ Т * [(незначительно) -364 (in \ 003uence) -365 (on) -365 (its) -365 (internal) -365 (parameters.) — 365 (W) 91 (e) -364 (plan)] TJ Т * [(к) -339 (исследовать) -340 (все) -340 (эти) -340 (проблемы,) — 340 (дюйм) -340 (или) 17 (дер) -339 (к) -340 (изготовитель) — 340 (PTZ) -340 (PTZ)] TJ 0 -11,96 TD [(камера) -349 (модель) -350 (мор) 17 (е) -349 (точная) -350 (и) -350 (компр) 17 (всесторонне)] TJ 9,96 -12,06 тд [(W) 92 (e) -616 (наблюдается) -618 (это) -617 (the) -618 (алгоритм) -617 (может) -618 (неудача) -617 (когда) -617 (a)] TJ -9.
96 -11,95 тд [(lar) 18 (ge) -409 (компонент) -411 (in) -410 (the) -411 (сцена) -410 (был) -410 (перемещен) -411 (или) -410 (когда) -410 (the)] TJ 0 -11,95 TD [(фон) 18 (ound) -430 (есть) -431 (движется) -431 (медленно) 110 (.) — 430 (С) -431 (the) -430 (сцена) -431 (featur) 17 (es )] TJ Т * [(май) -264 (изменить) -265 (фр) 17 (равно) -264 (для) -265 (некоторые) -265 (приложения,) — 265 (ср) -265 (план) -265 (в)] TJ Т * [(исследовать) -262 (приблизительно) 17 (oaches) -262 (для) -263 (сохранение) -263 (the) -263 (featur) 17 (e) -262 (библиотека) -262 (вверх)] TJ 0 -11,96 TD [(к) -235 (дата) -235 (в) -236 (динамический) -235 (сцены.) -236 (наконец) 110 (,) — 235 (нас) -235 (план) -236 (к) -235 (включить)] TJ 0 -11,95 TD [(the) -634 (pr) 17 (oposed) -635 (модель) -635 (и) -635 (алгоритмы) -636 (в) -635 (r) 17 (eal) -634 (видео)] TJ Т * [(наблюдение) -477 (заявки,) — 478 (в) -479 (показы) 17 (ов) -477 (оба) -478 (2D) -478 (и) -478 (3D)] TJ Т * [(отслеживание) -349 (и) -350 (локализация) -350 (производительность.
)] TJ / T1_2 11,95 Тс 0,29 -29,15 тд (R) Tj / T1_2 9,56 Тс 9.23 0 тд [(E) -61 (F) -62 (E) -62 (R) -61 (E) -62 (N) -62 (C) -62 (E) -61 (S)] TJ / T1_1 7,97 Тс -9,52 -15,56 тд [([1]) — 1124 (N.) -514 (Ашраф) -515 (и) -515 (H.) — 514 (Для) 17 (oosh.) — 986 (Надежный) -515 (автокалибровка) -514 (из) -515 (a) — 515 (PTZ)] TJ 18,25 -8,97 тд [(камера) -343 (с) -344 (без перекрытия) -344 (FOV.) — 450 (In)] TJ / T1_3 7,97 Тс 141,37 0 Тд [(Международный) -343 (Confer) 17 (ence) -343 (on)] TJ -141,37 -8,96 тд [(Узор) -350 (Распознавание)] TJ / T1_1 7,97 Тс 65,79 0 тд [(,) — 350 (дек.) — 350 (2008г.)] TJ -84,04 -7,97 тд [([2]) — 1124 (H.) — 543 (Bay) 110 (,) — 541 (A.) — 543 (Ess,) — 543 (T) 73 (.) — 542 (T) 89 (uytelaars ») ,) — 542 (а) -543 (л.) — 543 (в) 91 (ан) -542 (гол.) — 1078 (ускорение)] TJ 18.25 -8,96 тд [(r) 17 (obust) -328 (featur) 17 (es) -329 (\ (SURF \).)] TJ / T1_3 7,97 Тс 86.69 0 Тд [(Компьютер) -329 (V) 73 (ision) -329 (и) -329 (Изображение) -330 (понимание)] TJ / T1_1 7,97 Тс 144.
05 0 Тд (,) Tj -230,74 -8,97 тд [(110 \ (3 \): 346 \ 226359,) — 350 (2008.)] Т.Дж. -18,25 -7,96 тд [([3]) — 1124 (R.) — 601 (T) 73 (.) — 600 (Коллинз) -602 (и) -601 (Y) 110 (.) — 600 (T) 89 (sin.) » -1263 (калибровка) -602 (из) -601 (an) -601 (вне помещения) -602 (активный)] TJ 18,25 -8,97 тд [(камера) -315 (систем.) — 406 (В)] ТДж / T1_3 7,97 Тс 67,72 0 тд [(IEEE) -315 (Confer) 17 (ence) -315 (on) -316 (Computer) -315 (V) 73 (ision) -315 (and) -316 (Pattern)] TJ -67.72 -8,96 тд (Признание) Tj / T1_1 7,97 Тс 38,66 0 тд [(,) — 350 (1999.)] TJ -56,91 -7,97 тд [([4]) — 1124 (Дж.) — 535 (Дэвис) -535 (и) -535 (X.) — 536 (Чен.) — 1053 (Калибровка) -535 (Pan-T) 54 (ilt) -534 (камеры) -536 (дюйм) -535 (широкий -)] TJ 18,25 -8,96 тд [(ar) 17 (ea) -478 (наблюдение) -480 (сети.) — 875 (In)] TJ / T1_3 7,97 Тс 118,13 0 тд [(IEEE) -479 (Международный) -479 (Конференция) 17 (ence) -479 (on)] TJ -118,13 -8,97 тд [(Компьютер) -350 (В) 73 (изион)] ТДж / T1_1 7,97 Тс 55,77 0 Тд [(,) — 349 (2003.)] Т.Дж. -74,02 -7,97 тд [([5]) — 1124 (л.
) — 348 (де) -349 (Агапито,) — 349 (р.) -348 (Хартли) 110 (,) — 348 (и) -349 (E.) — 348 (Хейман) — 458 (линейный) -349 (калибровка) -349 (из)] TJ 18,25 -8,96 тд [(a) -431 (вращение) -431 (и) -431 (масштабирование) -431 (камера.) — 719 (In)] TJ / T1_3 7,97 Тс 139.98 0 Тд [(Международный) -431 (Конференция) 17 (ence) -430 (on)] TJ -139,98 -8,96 тд [(Компьютер) -350 (В) 73 (ision) -349 (и) -350 (Образец) -350 (Распознавание)] TJ / T1_1 7,97 Тс 139.09 0 Тд [(,) — 349 (1999.)] Т.Дж. -157,34 -7,97 тд [([6]) — 1124 (L.) — 598 (de) -599 (Agapito,) — 598 (E.) — 599 (Hayman,) — 598 (и) -599 (I.) — 598 (Reid .) — 1255 (Самокалибровка) -599 (из)] TJ 18.25 -8,96 тд [(Вращение) -328 (и) -329 (масштабирование) -329 (камеры.)] TJ / T1_3 7,97 Тс 120,41 0 Тд [(Международный) -328 (Журнал) -329 (из) -329 (Компьютер)] TJ -120,41 -8,97 тд [(V) 73 (ision)] TJ / T1_1 7,97 Тс 20.66 0 Тд [(,) — 350 (45 \ (2 \): 107 \ 226127,) — 350 (ноя) 110 (.) — 349 (2001.)] TJ -38,91 -7,97 тд [([7]) — 1124 (A.) — 411 (Fitzgibbon.
) — 657 (Одновременная) -411 (линейная) -412 (оценка) -411 (из) -411 (множественная) -412 (просмотр)] TJ 18,25 -8,96 тд [(геометрия) -490 (и) -491 (линза) -491 (искажение.) — 910 (В)] TJ / T1_3 7,97 Тс 128.04 0 Тд [(IEEE) -490 (Confer) 17 (ence) -489 (on) -491 (Computer)] TJ -128.04 -8.96 тд [(V) 73 (ision) -349 (и) -350 (Pattern) -350 (Recognition)] TJ / T1_1 7,97 Тс 103.98 0 Тд [(,) — 350 (2001.)] TJ -122,23 -7,97 тд [([8]) — 1124 (R.) — 309 (Hartley) -309 (и) -309 (A.) — 309 (Zisserman.)] TJ / T1_3 7,97 Тс 126.18 0 Тд [(Несколько) -308 (В) 73 (ракурс) -309 (Геометрия) -309 (дюйм) -309 (Компьютер)] TJ -107,93 -8,97 тд [(V) 73 (ision)] TJ / T1_1 7,97 Тс 20.66 0 Тд [(.) — 460 (Кембридж) -350 (Университет) -350 (Pr) 17 (ess,) — 349 (второй) -350 (издание,) — 350 (2004.)] TJ -38,91 -7,96 тд [([9]) — 1124 (R.) — 309 (I.) — 310 (Hartley) 110 (.) — 396 (Самокалибровка) -310 (из) -310 (Стационарный) -309 (Камеры.)] TJ / T1_3 7,97 Тс 208,49 0 тд (Международный) Tj -190,24 -8,97 тд [(Журнал) -350 (из) -350 (Компьютер) -350 (В) 73 (изион)] TJ / T1_1 7,97 Тс 91 0 Тд [(,) — 350 (22 \ (1 \): 5 \ 22623,) — 350 (фев.
) — 350 (1997.)] TJ -109,25 -7,97 тд [([10]) — 624 (E.) — 541 (Hayman) -542 (and) -541 (D.) — 542 (Murray) 110 (.) — 1072 (The) -542 (ef) 17 (fects ) -541 (из) -541 (переводной) -542 (неверно -)] TJ 18,25 -8,96 тд [(выравнивание) -446 (когда) -446 (самокалибровка) -446 (r) 17 (отклонение) -445 (и) -447 (масштабирование) -446 (камеры.)] TJ / T1_3 7,97 Тс 0-8,96 TD [(IEEE) -621 (T) 110 (транзакции) -620 (on) -621 (Pattern) -622 (Analysis) -621 (and) -622 (Machine) -621 (Intelligence)] TJ / T1_1 7.97 Тс 230,74 0 тд (,) Tj -230,74 -8,97 тд [(25 \ (8 \): 1015 \ 2261020,) — 350 (авг.) — 350 (2003 г.)] TJ -18,25 -7,97 тд [([11]) — 624 (B.) — 286 (He) -286 (и) -286 (Y) 110 (.) — 286 (Li.) — 359 (Камера) -286 (калибровка) -287 ( с) -286 (линза) -286 (искажение) -287 (и) -286 (фр) 17 (ом)] TJ 18,25 -8,96 тд [(исчезает) -350 (очков)] TJ / T1_3 7,97 Тс 65,36 0 тд [(Оптический) -350 (Инженерный)] TJ / T1_1 7,97 Тс 66.69 0 Тд [(,) — 350 (48 \ (1 \): 013603,) — 350 (янв.) — 350 (2009.)] TJ -150,3 -7,97 тд [([12]) — 624 (З.
) — 441 (Кукелова) -442 (а) -441 (Т) 73 (.) — 441 (Пайдла.) -753 (A) -441 (минимальное) -442 (решение) -442 (to) -441 (радиальное) -442 (Dis -)] TJ 18,25 -8,96 тд [(торс) -351 (Автокалибровка.)] TJ / T1_3 7,97 Тс 88.03 0 Тд [(IEEE) -351 (T) 110 (транзакции) -350 (on) -351 (Pattern) -351 (Analysis) -351 (and)] TJ -88,03 -8,97 тд [(Машина) -350 (Интеллект)] TJ / T1_1 7,97 Тс 68,16 0 тд [(,) — 349 (33 \ (12 \): 2410 \ 2262422,) — 350 (апр) 73 (.) — 349 (2011.)] TJ -86,41 -7,96 тд [([13]) — 624 (R.) — 320 (Lenz) -320 (и) -320 (R.) — 320 (T) 89 (сай.) — 412 (T) 91 (echniques) -319 ( для) -320 (калибровка) -320 (из) -321 (шкала) -320 (шкала) -320 (коэффициент)] TJ 18.25 -8,97 тд [(и) -265 (изображение) -265 (центр) -265 (для) -266 (высокое) -265 (точность) -265 (3D) -265 (машина) -266 (зрение) -265 (метр) 17 (ology.)] TJ Т * (В) Tj / T1_3 7,97 Тс 10.11 0 Тд [(IEEE) -350 (международный) -350 (конференция) 17 (ence) -349 (on) -350 (робототехника) -350 (и) -350 (автоматизация)] TJ / T1_1 7,97 Тс 198.
07 0 Тд [(,) — 349 (1987.)] Т.Дж. -226,43 -7,97 тд [([14]) — 624 (M.) — 561 (Li) -561 (и) -562 (J.-M.) — 561 (Lavest.) — 1137 (Некоторые) -561 (аспекты) -562 ( из) -561 (зум) -561 (объектив) -562 (камера)] TJ 18,25 -8,96 тд (калибровка.) Tj / T1_3 7,97 Тс 48.13 0 Тд [(IEEE) -540 (T) 110 (транзакции) -540 (on) -541 (Pattern) -540 (Analysis) -541 (и) -541 (Machine)] TJ -48.13 -8,97 тд (Интеллект) Tj / T1_1 7,97 Тс 37,34 0 тд [(,) — 349 (18 \ (11 \): 1105 \ 2261110,) — 350 (1996.)] TJ -55,59 -7,96 тд [([15]) — 624 (S.-N.) — 547 (Lim,) — 548 (A.) — 548 (Elgammal,) — 548 (и) -548 (L.) — 548 (Davis.) -1094 (на основе изображений) -548 (панорамирование-наклон)] TJ 18,25 -8,97 тд [(камера) -440 (контроль) 17 (ол) -439 (в) -440 (а) -441 (многокамерная) -440 (наблюдение) -440 (окружающая среда) 17 (онмент.) — 748 (в) ] TJ / T1_3 7,97 Тс Т * [(Международный) -350 (Конференция) 17 (ence) -349 (on) -350 (Мультимедиа) -350 (и) -350 (Экспо)] TJ / T1_1 7,97 Тс 166,22 0 Тд [(,) — 350 (2003.)] TJ -184.47 -7,97 тд [([16]) — 624 (D.
) — 546 (G.) — 547 (Lowe.) — 1090 (Отличительный) -547 (Image) -547 (Featur) 17 (es) -546 (fr) 17 ( om) -546 (масштабно-инвариантный)] TJ 18,25 -8,96 тд (Ключевые моменты.) Tj / T1_3 7,97 Тс 43,62 0 тд [(Международный) -422 (Журнал) -423 (из) -423 (Компьютер) -423 (В) 73 (ision)] TJ / T1_1 7,97 Тс 138,61 0 тд [(,) — 422 (60 \ (2 \): 91 \ 226110,)] TJ -182,23 -8,97 тд [(Ноя) 110 (.) — 349 (2004)] TJ -18,25 -7,97 тд [([17]) — 624 (Дж.) — 276 (Луо) -276 (и) -276 (О.) — 276 (Гвун.) — 343 (А) -276 (сравнение) -276 (из) — 276 (SIFT) 73 (,) — 276 (PCA-SIFT) -276 (и) -276 (SURF.)] TJ / T1_3 7,97 Тс 18,25 -8,96 тд [(Международный) -350 (Журнал) -350 (из) -350 (Изображение) -350 (Pr) 17 (в процессе)] TJ / T1_1 7,97 Тс 137.31 0 Тд [(,) — 349 (3 \ (4 \): 143,) — 350 (октябрь) — 350 (2009.)] TJ -155,56 -7,97 тд [([18]) — 624 (R.) — 357 (Nevatia.) — 484 (Камера) -358 (калибровка) -357 (fr) 17 (om) -357 (видео) -357 (of) -358 ( а) -357 (ходьба) -358 (человек)] TJ / T1_3 7,97 Тс 18,25 -8,96 тд [(IEEE) -621 (T) 110 (транзакции) -620 (on) -621 (Pattern) -622 (Analysis) -621 (and) -622 (Machine) -621 (Intelligence)] TJ / T1_1 7,97 Тс 230,74 0 тд (,) Tj -230,74 -8.
97 тд [(28 \ (9 \): 1513 \ 2261518,) — 350 (сентябрь) — 350 (2006 г.)] TJ -18,25 -7,96 тд [([19]) — 624 (E.) — 495 (Rosten) -495 (и) -495 (R.) — 495 (Loveland.) — 924 (Camera) -495 (искажение) -495 (самокалибровка) )] TJ 18,25 -8,97 тд [(используя) -557 (the) -558 (отвес) -558 (ограничение) -558 (и) -557 (минимальное значение) -558 (Hough) -558 (entr) 17 (opy) 111 (.)] TJ / T1_3 7,97 Тс Т * [(Machine) -350 (V) 73 (ision) -349 (and) -350 (Applications)] TJ / T1_1 7,97 Тс 109,88 0 Тд [(,) — 349 (22 \ (1 \): 77 \ 22685,) — 350 (апр) 73 (.) — 349 (2009.)] TJ 134,81 681,25 тд [([20]) — 624 (М.) — 445 (Саркис,) — 446 (К.) -446 (Senft,) — 446 (и) -446 (K.) — 446 (Diepold.) — 766 (калибровка) -446 (an) -446 (автоматический)] TJ 18,25 -8,96 тд [(Zoom) -370 (Camera) -370 (W) 54 (iith) -370 (Moving) -370 (Least) -371 (Squar) 17 (es.)] TJ / T1_3 7,97 Тс 160,74 0 тд [(IEEE) -370 (T) 110 (транзакции) -369 (on)] TJ -160,74 -8,96 тд [(Автоматизация) -350 (Наука) -350 (и) -350 (Инженерное дело)] TJ / T1_1 7,97 Тс 122,88 0 тд [(,) — 350 (6 \ (3 \): 492 \ 226503,) — 350 (июль) -350 (2009.
)] TJ -141,13 -7,97 тд [([21]) — 624 (T) 73 (.) — 303 (Schoep \ 003in) -304 (и) -304 (D.) — 304 (Dailey) 110 (.) — 386 (Dynamic) -304 ( камера) -304 (калибровка) -304 (из) -304 (r) 17 (oad -)] TJ 18.25 -8,96 тд [(сторона) -504 (траф) 17 (\ 002c) -502 (управление) -504 (камеры) -504 (для) -504 (транспортное средство) -504 (скорость) -504 (оценка.)] TJ / T1_3 7,97 Тс 0-8,97 TD [(IEEE) -256 (T) 110 (rans.) — 256 (Intelligent) -256 (T) 110 (ransportation) -256 (Systems)] TJ / T1_1 7,97 Тс 153,59 0 Тд [(,) — 256 (4 \ (2 \): 90 \ 22698,) — 257 (июнь) -257 (2003.)] TJ -171,84 -7,97 тд [([22]) — 624 (S.) — 432 (N.) — 432 (Sinha) -433 (и) -432 (M.) — 433 (Pollefeys.) — 723 (Pan-tilt-zoom) — 433 (камера) -432 (калибровка)] TJ 18,25 -8,96 тд [(и) -281 (высокий-r) 17 (esolution) -281 (мозаика) -281 (поколение.)] TJ / T1_3 7,97 Тс 141,6 0 тд [(Компьютер) -282 (V) 73 (ision) -280 (и) -281 (Изображение)] TJ -141,6 -8,96 тд (Понимание) Tj / T1_1 7,97 Тс 49.15 0 Тд [(,) — 349 (103 \ (3 \): 170 \ 226183,) — 350 (сентябрь) — 350 (2006.
)] TJ -67,4 -7,97 тд [([23]) — 624 (K.-T) 73 (.) — 425 (Song) -425 (и) -426 (J.-C.) — 426 (T) 91 (ai.) — 702 ( Динамический) -426 (калибровка) -426 (из) -426 (Pan-T) 54 (ilt-Zoom)] TJ 18,25 -8,97 тд [(камеры) -291 (для) -291 (трафик) 17 (\ 002c) -290 (мониторинг.)] TJ / T1_3 7,97 Тс 111,33 0 тд [(IEEE) -290 (T) 110 (транзакции) -290 (on) -291 (Systems,) — 292 (Man,)] TJ -111.33 -8,96 тд [(и) -350 (Кибернетика.) — 350 (Часть) -350 (B,) — 350 (Кибернетика)] TJ / T1_1 7,97 Тс 121.97 0 Тд [(,) — 350 (36 \ (5 \): 1091 \ 226103,) — 350 (октябрь) — 350 (2006.)] TJ -140,22 -7,97 тд [([24]) — 624 (R.) — 617 (Стил,) — 616 (C.) — 617 (Джейнс,) — 617 (A.) — 617 (Леонар) 17 (дис,) — 616 (H .) — 617 (Бишоф,) — 617 (и) -617 (А.) — 617 (Пинц.)] TJ 18,25 -8,96 тд [(Больше) 17 (ограничено) -343 (линейно) -345 (оценка) -344 (из) -345 (радиально) -344 (искажение) -344 (и) -345 (мульти-)] TJ Т * [(просмотр) -350 (геометрия) 110 (.) — 459 (В)] TJ / T1_3 7,97 Тс 68.58 0 Тд [(Eur) 17 (opean) -349 (Confer) 17 (ence) -349 (on) -350 (Computer) -350 (V) 73 (ision)] TJ / T1_1 7.
97 Тс 138,37 0 тд [(,) — 349 (2006.)] TJ -225,2 -7,96 тд [([25]) — 624 (B.) — 337 (T) 91 (или) 18 (DOF) 18 (f) -336 (и) -337 (D.) — 337 (Murray) 110 (.) — 438 (The) -337 (удар) -337 (of) -337 (радиальный) -337 (искажение) -337 (on) -337 (the)] TJ 18,25 -8,97 тд [(самокалибровка) -482 (из) -483 (р) 17 (отатинг) -481 (камеры.)] TJ / T1_3 7,97 Тс 136,8 0 тд [(Компьютер) -482 (V) 73 (ision) -481 (и) -483 (Изображение)] TJ -136,8 -8,96 тд (Понимание) Tj / T1_1 7,97 Тс 49.15 0 Тд [(,) — 349 (96 \ (1 \): 17 \ 22634,) — 350 (октябрь) — 350 (2004)] TJ -67,4 -7,97 тд [([26]) — 624 (Z.) — 410 (Вт) 49 (u) -410 (и) -410 (R.) -411 (J.) — 410 (Radke.) — 654 (Использование) -411 (сцена) -410 (featur) 17 (es) -410 (to) -410 (impr) 17 (ove) -410 (широкий -)] TJ 18,25 -8,96 тд [(ar) 17 (ea) -285 (видео) -286 (наблюдение.) — 359 (In)] TJ / T1_3 7,97 Тс 96.24 0 Тд [(IEEE) -286 (W) 19 (orkshop) -286 (on) -286 (Camera) -286 (Networks) -286 (and)] TJ -96,24 -8,97 тд [(W) 19 (ide) -349 (Ar) 17 (ea) -349 (Scene) -350 (Analysis)] TJ / T1_1 7,97 Тс 87.
01 0 Тд [(,) — 349 (2012.)] TJ -105,26 -7,97 тд [([27]) — 624 (Z.) — 601 (Zhang.) — 1265 (A) -601 (\ 003exible) -602 (новый) -601 (техника) -602 (для) -601 (камера) — 602 (калибровка.)] TJ / T1_3 7,97 Тс 18,25 -8,96 тд [(IEEE) -621 (T) 110 (транзакции) -620 (on) -621 (Pattern) -622 (Analysis) -621 (and) -622 (Machine) -621 (Intelligence)] TJ / T1_1 7,97 Тс 230,74 0 тд (,) Tj -230,74 -8,96 тд [(22 \ (11 \): 1330 \ 2261334,) — 350 (2000.)] TJ ET q 0,9863041 0 0 0,9857169 311,9771748 374,7233496 см / Fm0 Do Q BT / T1_2 7,97 Тс 1.0003 0 0 1.0003 394.0501 458.8369 тм (Ziy) Tj 1.0003 0 0 1.0003 72 720 тм 333,246 -261,09 тд [(an) -247 (W) 44 (u)] TJ / T1_0 7,97 Тс 25.274 0 Тд [(Ziy) 19 (ан) -247 (W) 29 (u) -248 (is) -248 (в настоящее время) -248 (w) 9 (или) -14 (король) -248 (to) 14 (w) 15 (ards)] TJ -36.56 -8,96 тд [(a) -412 (Ph.D) 69 (.) — 411 (deg) 9 (ree) -412 (in) -412 (Computer) -412 (and) -412 (Systems) -413 (En-) ] TJ Т * [(gineer) -15 (ing) -336 (in) -336 (the) -335 (Depar) -40 (tment) -336 (of) -336 (Electr) -15 (ical,) — 336 (Com- )] TJ 0-8,96 TD [(puter) 49 (,) — 389 (и) -390 (Systems) -390 (Engineer) -15 (ing) -391 (at) -390 (Rensselaer)] TJ Т * [(P) 49 (olytechnic) -304 (Institute) 14 (.
) — 305 (He) -305 (Receiv) 24 (ed) -305 (a) -305 (B) 19 (.S) 20 (.) -305 (град) 9 (ree)] TJ 0-8,97 TD [(in) -254 (Electr) -15 (ical) -255 (Engineer) -15 (ing) -254 (and) -254 (A) 29 (utomation) -253 (and) -255 (an)] TJ 0-8.96 TD [(MS) 19 (.) — 490 (град) 9 (ree) -490 (дюйм) -491 (измерение) -491 (T) 119 (технология) -490 (и)] TJ 0-8,97 TD [(Instr) -15 (uments) 14 (,) — 588 (оба) -588 (from) -589 (Beihang) -588 (Univ) 24 (ersity) -588 (in)] TJ 0-8,96 TD [(Пекин) — 244 (Китай) -244 (в) -243 (2006) -244 (и) -244 (2009) -244 (соответственно) 24 (ely) 100 (.) — 243 (He)] TJ Т * [(прием) 24 (ред) -316 (а) -316 (Хон) 19 (лв) 10 (эл) -316 (Инно) 14 (в) 25 (аторс) -315 (А) 39 (ш) 15 ( ard) -316 (in) -317 (2008)] TJ 0-8,97 TD [(и) -328 (w) 9 (или) -14 (k) 19 (ed) -327 (as) -328 (a) -328 (system) -328 (инженер) -328 (in) -328 ( Hone) 19 (yw) 10 (ell)] TJ -82.05 -8,96 тд [(T) 120 (технология) -273 (Решение) -274 (Лаборатория) -274 (дюйм) -274 (Шанхай,) — 274 (Китай) -274 (дюйм) -274 (2009 г.) — 274 (Он) -274 (is) -274 (a) -274 (g) 9 (r) 10 (aduate)] TJ Т * [(студент) -519 (af \ 002liated) -520 (с) -521 (the) -520 (DHS) -520 (Center) -520 (of) -520 (Excellence) -520 (on) -520 (Explosiv) ) 24 (es)] TJ 0-8,96 TD [(Обнаружение,) — 470 (Смягчение) -472 (и) -471 (Ответ) -471 (\ (ALER) 29 (T \).
) — 471 (Его) -471 (исследование) -471 (интересы)] TJ Т * [(включить) -260 (камера) 9 (а) -260 (калибр) 9 (атион,) — 260 (м) 9 (ульти-объект) -260 (тр) 9 (ас) 20 (король,) — 260 (аномалия) -261 (обнаружение) -261 (и)] TJ 0-8.97 TD [(человек) -277 (повторная идентификация) -278 (с) -278 (камера) 9 (а) -277 (нетто) 9 (или) -14 (кс) 14 (.)] TJ ET q 0,9863041 0 0 0,9857169 311,9771748 173,396994 см / Fm1 Do Q BT / T1_2 7,97 Тс 1.0003 0 0 1.0003 394.0501 257.5205 тм (Ric) Tj 1.0003 0 0 1.0003 72 720 тм 334,29 -462,35 тд [(har) 20 (d) -367 (J) 19 (.) — 366 (Radke)] TJ / T1_0 7,97 Тс 56.28 0 Тд [(Ричард) -367 (J) 29 (.) — 367 (Radk) 19 (e) -366 (присоединился) -368 (the)] TJ -68,61 -8,97 тд [(Electr) -15 (ical,) — 345 (Computer) 49 (,) — 345 (and) -345 (Systems) -346 (Engineer) -15 (ing)] TJ 0-8.96 TD [(depar) -40 (tment) -412 (at) -412 (Rensselaer) -412 (P) 49 (olytechnic) -411 (Institute)] TJ Т * [(in) -363 (2001,) — 363 (где) -364 (he) -363 (is) -363 (no) 14 (w) -362 (an) -363 (Associate) -364 (Prof) 29 (es -)] TJ 0-8,97 TD [(сор) 49 (.
) — 318 (He) -319 (имеет) -319 (B) 19 (.A.) — 318 (и) -319 (MA) -319 (град) 9 (rees) -318 (in) -319 (computa -)] TJ 0-8,96 TD [(tional) -403 (и) -403 (прикладной) -403 (математика) -403 (от) -404 (Rice) -403 (Uni -)] TJ 0-8,97 TD [(v) 24 (ersity) 100 (,) — 284 (и) -285 (MA) -285 (и) -285 (Ph.D) 69 (.) — 285 (deg) 9 (rees) -284 ( in) -285 (электр) -15 (ical)] ТДж 0-8.96 TD [(инженер) -15 (ing) -403 (от) -403 (Pr) -15 (inceton) -403 (Univ) 24 (ersity) 100 (.) — 402 (His) -403 (cur -)] TJ Т * [(аренда) -384 (исследования) -383 (интересы) -384 (включая) -383 (компьютер) -384 (зрение)] TJ 0-8,97 TD [(проблема) 19 (лемы) -379 (связанные) -381 (к) -380 (моделирование) -380 (3D) -381 (ru) 19 (среды)] TJ 0-8,96 TD [(с) -490 (визуальный) -490 (и) -490 (r) 9 (англ.) -489 (тепловизор) -30 (y) 99 (,) — 490 (проектирование) -490 (и)] TJ -82,05 -8,96 тд [(анализ) -399 (большой) -401 (камера) 9 (a) -399 (netw) 9 (или) -14 (ks) 14 (,) — 399 (и) -401 (машина) -400 (обучающийся ) -25 (нинг) -400 (проб) 19 (лемс) -399 (ж) 29 (или)] TJ 0-8.
97 TD [(r) 10 (adiother) 10 (ap) 30 (y) -260 (приложения) 14 (.) — 260 (Dr) 49 (.) — 260 (Radk) 19 (e) -259 (is) -261 (af \ 002liated) -261 (with) -261 (the) -261 (NSF) -260 (Engineer -)] TJ 0-8,96 TD [(ing) -443 (Исследования) -443 (Центры) -444 (f) 29 (или) -443 (Subsurf) 29 (ace) -442 (Зондирование) -444 (и) -444 (Визуализация) -443 ( Системы)] TJ 0-8,97 TD [(\ (CenSSIS \)) — 244 (и) -245 (Smar) -40 (t) -245 (Освещение,) — 245 (the) -245 (DHS) -245 (Центр) -245 (из) — 245 (Excellence) -244 (on) -245 (Explo -)] TJ 0-8,96 TD [(siv) 25 (es) -418 (обнаружение,) — 419 (смягчение) -420 (и) -419 (ответ) -419 (\ (ALER) 29 (T \),) — 418 (и) -419 (Rensselaers)] TJ Т * [(Exper) -14 (imental) -278 (Media) -278 (и) -278 (P) 49 (erf) 30 (или) -24 (ming) -278 (Ar) -40 (ts) -278 ( Центр) -278 (\ (EMP) 119 (A) 30 (C \).) -276 (He) -278 (получено) 24 (ed)] TJ 0-8,97 TD [(an) -489 (NSF) -489 (CAREER) -490 (a) 19 (w) 15 (ard) -488 (in) -490 (March) -489 (2003) -490 (and) -490 ( w) 14 (as) -488 (a) -490 (член) -490 (of) -489 (the)] TJ 0-8,96 TD [(2007) -414 (D) 39 (ARP) 120 (A) -413 (Computer) -414 (Science) -415 (Study) -414 (Group) 34 (.
) — 414 (Dr) 49 (.) -413 (Radk) 19 (e) -414 (is) -414 (a) -414 (Senior)] TJ 0-8,97 TD [(Член) -343 (из) -344 (в) -344 (IEEE) -344 (и) -344 (в) -344 (Ассоциированный член) -344 (Редактор) -344 (из)] TJ / T1_4 7,97 Тс 173.91 0 Тд [(IEEE) -344 (T) 119 (r) 10 (ответы) -343 (on)] TJ -173.91 -8,96 тд [(Изображение) -278 (Обработка)] TJ / T1_0 7,97 Тс 63,77 0 Тд [(.) — 279 (His) -279 (te) 29 (xtbook)] TJ / T1_4 7,97 Тс 50.27 0 Тд [(Компьютер) -279 (зрение) -279 (ж) 29 (или) -278 (зрение) -279 (эффект) 29 (и т. Д.)] TJ / T1_0 7,97 Тс 122.9 0 Тд [(w) 15 (as)] TJ -236,94 -8,96 тд [(pub) 20 (lished) -277 (b) 19 (y) -277 (Cambr) -15 (idge) -278 (Univ) 24 (ersity) -277 (Press) -278 (in) -278 (2012) .)] TJ ET конечный поток endobj 497 0 объект >>> / Подтип / Форма / Тип / XObject >> поток H; A {Ny
PTZ-камера Logitech Rally Ultra HD для конференц-залов
PTZ-камера Logitech Rally Ultra HD для конференц-залов IE8 / IE9 / IE10 больше не поддерживается.Пожалуйста, используйте более современный браузер для просмотра нашего сайта.
{{{title}}}
{{{description}}}
{{/каждый}} {{/ grouped_each}}Результатов не найдено
Ничего не найдено: «»
Повторите попытку
PTZ-камера премиум-класса с системой обработки изображений Ultra-HD и автоматическим управлением камерой
- Технология RightSense ™ автоматизирует лучший пользовательский опыт
- Усовершенствованная оптика с удивительной четкостью кадрирует каждого участника
- Элегантный промышленный дизайн для любого профессионального конференц-зала
Бесподобная производительность.
Исключительная универсальность.Благодаря первоклассному промышленному дизайну и системе обработки изображений Ultra-HD, Rally Camera возглавляет линейку автономных видеокамер от Logitech ® . Камера Rally Camera, оснащенная передовой оптикой и передовыми технологиями, обеспечивает превосходную производительность в профессиональных конференц-залах любых форм и размеров. Благодаря бесшумной механике панорамирования / наклона / масштабирования, невероятно четкого 15-кратного увеличения HD, обширного поля обзора по диагонали 90 ° и мощного датчика 4K камера Rally Camera захватывает каждого человека в комнате с поистине феноменальным качеством видео.
Основные характеристики
Видео студийного качества
Благодаря системе обработки изображений Ultra-HD камера Rally Camera обеспечивает великолепно четкое видео, выдающиеся цвета и исключительную оптическую точность при разрешении до 4K.Технология Logitech RightLight ™ оптимизирует баланс света для выделения лиц и передачи естественных оттенков кожи даже в условиях недостаточной освещенности или контрового света.
Представляем Rally Camera
Элегантный промышленный дизайн
КамераRally Camera оснащена оптикой мирового класса Logitech и сенсором 4K в превосходном промышленном дизайне, подходящем для любых профессиональных условий.Камера Rally Camera, элегантно оформленная в матовом черном цвете с металлической отделкой серого цвета, может быть установлена на столе, установлена на штатив или прикреплена к стене с помощью прилагаемого оборудования. При установке на потолке камера определяет, когда она перевернута, и автоматически корректирует ориентацию изображения и элементы управления камерой.
Увидеть всех в идеальном обрамлении
Управление камерой Logitech RightSight ™ автоматически перемещает и регулирует объектив для удобного кадрирования участников собрания в помещениях любой формы и размера.
Доступно для Windows 10 и macOS
ПРОВЕРИТЬ НАЛИЧИЕ
Улучшенное взаимодействие с пользователем
Logitech RightSense ™ — это набор проактивных технологий, встроенных в камеру Rally Camera, которые автоматизируют взаимодействие с пользователем.RightSight ™ автоматизирует управление камерой, чтобы идеально кадрировать участников, независимо от их расстояния до объектива. RightLight ™ оптимизирует световой баланс и отдает предпочтение лицам над объектами и поверхностями для передачи естественных оттенков кожи. Кроме того, Rally Camera сразу после установки совместима практически с любым приложением для видеоконференцсвязи.
Обеспечение конфиденциальности
Когда Rally Camera не используется, объектив по умолчанию устанавливается в припаркованное положение, при котором объектив направлен прямо вниз.
Это обеспечивает визуальное подтверждение того, что камера не может «видеть» что-либо в помещении для собраний в режиме ожидания. Объектив поднимается в предустановленное положение при присоединении к совещанию и автоматически парковается, когда совещание заканчивается. Кроме того, всякий раз, когда видео отключается во время встречи, индикатор состояния загорается красным, чтобы подтвердить визуальную конфиденциальность.
Это обеспечивает визуальное подтверждение того, что камера не может «видеть» что-либо в помещении для собраний в режиме ожидания. Объектив поднимается в предустановленное положение при присоединении к совещанию и автоматически парковается, когда совещание заканчивается. Кроме того, всякий раз, когда видео отключается во время встречи, индикатор состояния загорается красным, чтобы подтвердить визуальную конфиденциальность.Автоматическое управление камерой
Технология управления камерой Logitech RightSight автоматически перемещает и регулирует объектив для удобного кадрирования участников собрания в помещениях любой формы и размера.Наслаждайтесь удобством громкой связи или используйте ручное управление: участники всегда на виду и оптимально отображаются на экране.
Доступно для Windows 10 и macOS
ПОЛУЧИТЬ ПРАВО
Оптимизация света / цвета
Технология Logitech RightLight с широким динамическим диапазоном (WDR) отдает предпочтение лицам над объектами и поверхностями, оптимизирует световой баланс и точно настраивает цвет и насыщенность для получения естественных результатов для всех оттенков кожи.
В результате получается сбалансированное изображение, на котором участники демонстрируются при ярком свете с уменьшенным количеством бликов и более мягкими тенями даже в условиях недостаточной освещенности или контрового света.
Адаптивное панорамирование, наклон и масштабирование
Бесшумный механический мотор PTZ регулирует скорость панорамирования и наклона в зависимости от степени увеличения.Результат: более быстрое движение камеры при уменьшении для быстрого кадрирования и более медленное движение камеры при увеличении для большего контроля.
Несколько вариантов установки
Установите камеру Rally на стол, настенное крепление с помощью прилагаемого оборудования или прикрепите к VESA-совместимому дисплею с помощью дополнительного крепления для телевизора для MeetUp.При потолочной установке Rally Camera определяет, когда она перевернута, и автоматически корректирует ориентацию изображения и элементы управления камерой.
Rally Camera также включает стандартную резьбу для штатива для дополнительной гибкости.
Запись и потоковое воспроизведение в формате 4K
КамераRally Camera снимает видео в формате 4K со скоростью до 30 кадров в секунду, что идеально для записи и потоковой передачи в формате Ultra HD.Усовершенствованная система обработки изображений 4K обеспечивает потрясающее качество при всех разрешениях HD и Ultra HD, исключительную четкость видео, выдающуюся цветопередачу и исключительную оптическую точность.
История за объективом
Plug-and-Play Easy
Просто подключитесь к источнику питания (региональные вилки включены) и к ПК, устройствам Mac и Chrome ™ через USB.Камера Rally Camera UVC / plug-and-play совместима практически с любым приложением для видеоконференций, записи и вещания, которое поддерживает USB-камеры.
Размеры
- Высота x ширина x глубина:
- 182. 5 мм x 152 мм x 152 мм
- Высота x ширина x глубина:
- 21,4 мм x 81 мм x 60,5 мм
- Высота x ширина x глубина:
- 88 мм x 110 мм x 170 мм
Rally Camera
Разветвитель мощности камеры Rally
Монтажный кронштейн камеры Rally
Системные требования
Технические характеристики
КАМЕРА
- Система обработки изображений Ultra-HD поддерживает:
- 4K, 1440p, 1080p, 900p, 720p и SD при 30 кадрах в секунду
- 1080p, 720p при 30 и 60 кадрах в секунду
- Плавное моторизованное панорамирование, наклон и масштабирование
- Поле зрения:
- Диагональ: 90 °
- По горизонтали: 82. 1 °
- По вертикали: 52,2 °
- Светодиодный индикатор включения / выключения видео
ПРАВОЗАЩИТНЫЕ ТЕХНОЛОГИИ
- RightLight с широким динамическим диапазоном (WDR)
- Автоматическое управление камерой RightSight
ПУЛЬТ ДИСТАНЦИОННОГО УПРАВЛЕНИЯ
- Радиочастотный пульт дистанционного управления (прямая видимость не требуется)
- Батарея CR2032 (в комплекте)
КАБЕЛИ / ПИТАНИЕ
- Адаптер переменного тока с региональными вилками
- Кабель питания (9.8 футов / 3 м)
ПОДВЕСКА
- Инвертируемое настенное крепление с отсеком для разветвителя питания и кабельной разводкой
СОВМЕСТИМОСТЬ И СЕРТИФИКАЦИЯ
- Plug-and-play USB-подключение
- Совместимость с Google Hangouts Meet, BlueJeans, BroadSoft, GoToMeeting, Vidyo и другими приложениями для видеоконференцсвязи, записи и вещания, поддерживающими USB-камеры
- Система обработки изображений Ultra-HD поддерживает:
Содержимое упаковки
- Rally Camera
Пульт дистанционного управления
USB 3. 0 Кабель типа C
Адаптер питания с региональными вилками
Разветвитель питания и чехол
Крепление для камеры с крепежными приспособлениями
Документация
Информация о гарантии
2-летняя ограниченная гарантия на оборудование
Номер детали
- Rally Camera
5 мм x 152 мм x 152 мм
0 Кабель типа C Найдите продукты, которые подходят именно вам
Rally CameraPTZ-камера премиум-класса с системой обработки изображений Ultra-HD и автоматическим управлением камерой 1399 евро. 00 | PTZ PRO 2Видеокамера HD 1080p с улучшенными функциями панорамирования / наклона и масштабирования 849 евро.00 | |
Диагональное поле зрения | 90 ° | 90 ° |
Автоматическое кадрирование RightSight | да | — |
Видео Full HD (1080p30) | да | да |
Видео Ultra HD (4K) | да | — |
Широкий динамический диапазон (WDR) | да | — |
HD зум | 15x | 10x |
Кастрюля | Наклон | ± 90 ° | + 50 ° / -90 ° | ± 90 ° | + 35 ° / -45 ° |
Движение объектива (скорость) | По горизонтали, вертикали и диагонали (70 ° / сек, адаптивно) | Горизонтально, Вертикально (15 ° / сек) |
Обратимое крепление | да | — |
Спасибо, что обратились к нам.
Вскоре с вами свяжется эксперт по продукту.
Сброс формаPTZ-камера премиум-класса с системой обработки изображений Ultra-HD и автоматическим управлением камерой
PTZ-камера премиум-класса с системой обработки изображений Ultra-HD и автоматическим управлением камерой
1399 евро.00
Бесплатная доставка при заказе от 39 евро.
Как интегрировать камеры PTZ в вашу интерактивную настройку
PTZ означает «панорамирование / наклон / масштабирование» и обозначает роботизированные камеры, которые обычно (хотя и не всегда) имеют встроенные двигатели поворота / наклона и зум-объективы.Камеры Sony серии EVI — популярные примеры. Камеры с панорамированием / наклоном / масштабированием могут выглядеть как негабаритные камеры наблюдения и во многом на них походить. Они предназначены для постоянной установки и могут быть заключены в купольные кожухи для защиты или эстетики.
Однако преимущества PTZ-камер состоят в том, что один оператор может управлять несколькими камерами, тогда как для не роботизированных камер требуется отдельный оператор для каждой камеры; и они могут достигать углов камеры, недоступных при использовании обычных штатива.
обычно используются в учебных аудиториях и молитвенных домах. Иногда они используются для видеоконференцсвязи, где требуется управление камерой или несколько углов камеры. PTZ-камеры также являются отличным вариантом для живых мероприятий в местах, где камеры могут быть установлены постоянно или где есть места для монтажа. Этот последний фактор будет предметом нашего внимания.
Прямая трансляция
Функционирование PTZ-камер, используемых в среде видеопроизводства, можно разделить на две части: управление камерой и переключение видео.
Управление камерой
Хотя камеры PTZ считаются «роботизированными», они не являются автономными — они (пока) не могут отслеживать объект самостоятельно.
Вам понадобится контроллер, а также возможность контролировать видео с каждой камеры. В разных системах камер используются разные протоколы управления, хотя VISCA — один из самых распространенных. Это последовательный протокол, который обычно передается через интерфейс RS-232 или RS-422. Многие системы камер допускают «шлейфовое соединение», так что требуется только одно «домашнее» подключение к контроллеру.В качестве альтернативы можно следовать так называемому «звездному образцу», когда каждая камера независимо связана с контроллером. Гирляндное соединение позволяет подключать больше камер к одному контроллеру, но может привести или не привести к упрощению кабельной разводки в зависимости от относительного размещения камер.
Сам контроллер имеет джойстик для панорамирования и наклона, а также в некотором роде переключатель масштабирования. Кроме того, там, где это поддерживается, другие параметры камеры, такие как фокус и экспозиция, можно регулировать удаленно, на лету.
Некоторые системы даже предлагают элементы управления настройкой камеры в стиле CCU, чтобы упростить калибровку всех камер.
Имейте в виду, что камеры PTZ — это не приспособления для управления движением. Возможно, вам не удастся добиться изящества растушевки или точности управления, которое обеспечивает хороший штатив с подвижной головкой, поэтому лучше всего выровнять снимок, прежде чем переходить к этой камере, и держать камеру «заблокированной», пока она активна.
Комплект для управления движением VariZoom CinemaPro «Talon» MasterМониторинг
Коммутаторы видео Live часто обеспечивают выход на четыре или несколько окон, разделенный на несколько окон, так что вы можете просматривать все источники видео на одном мониторе.Один из вариантов мониторинга — позволить оператору PTZ коснуться этого канала. Поскольку могут быть включены источники, не относящиеся к PTZ, это может быть неоптимальным для более крупных производств. Может быть предпочтительным специальный мультиэкран для объединения изображений PTZ.
В дополнение к мультиэкрану вам может потребоваться полноэкранный предварительный просмотр одной камеры. Для этой цели может оказаться все, что вам нужно, — это недорогой коммутатор с жестким вырезом. Однако с таким переключателем будет мгновенная потеря сигнала, поэтому его не следует использовать там, где требуется быстрое переключение на лету.Это особенно верно для сигналов HDMI.
Для оптимальной практики убедитесь, что сигнал, поступающий на этот коммутатор, поступает в нисходящий поток от любых устройств, таких как коммутатор прямой трансляции, которые могут транслировать прямое видео. С SDI, лучшим выбором сигнала для прямой трансляции, видеосигнал легко разделить или направить, поэтому лучший план — разделить потоки с камеры до того, как они попадут либо на пульт видеомикшера, либо на пульт контроллера камеры. Таким образом, неисправность на стороне видеомикшера не испортит работу оператора камеры, а неисправность на стороне оператора не испортит прямую трансляцию.
Коммутация видео
Поскольку камеры PTZ обычно имеют стандартные видеовыходы, которые могут включать SDI, HDMI / DVI или устаревшее композитное видео, они будут подключаться к коммутатору видео в реальном времени так же, как и обычная камера. SDI — ваш лучший выбор. Камеры PTZ на основе HDMI / DVI часто имеют меньшую стоимость, чем их эквиваленты SDI, при сохранении того же качества видео. К сожалению, HDMI не подходит для длинных кабелей. Кроме того, процедура установления связи HDMI требует увеличения задержки при ее использовании в контексте коммутации в реальном времени.Аналоговый интерфейс удобен для длинных кабелей (при условии, что вы используете балуны, обсуждаемые ниже) и может похвастаться низкой задержкой, поскольку в конвейере нет квитирования или другой цифровой обработки, но качество ниже, и в наши дни мало коммутаторов предлагают аналоговые входы, хотя и мини-преобразователи доступны.
Аналоговый преобразователь Blackmagic Design в SDI Выбор видеомикшера для прямой трансляции будет зависеть от сигнала камеры, а также других факторов; PTZ-камера — это такой же источник видео, как и любой другой.
Вам нужно будет подумать о количестве камер, а также о других видеоисточниках, таких как компьютерная графика, которые вы, возможно, захотите интегрировать в программу. Кроме того, в камерах PTZ редко есть микрофоны или даже возможность передавать звук, поэтому вам понадобится отдельный источник звука, например, отвод от системы громкой связи на месте, чтобы включить звуковой элемент в вашу программу.
Установка и кабели
Одно из главных достоинств поворотных камер — гибкость в установке.Для базовой установки требуется плоское настенное крепление. Многие модели можно перевернуть для «перевернутого» потолочного монтажа непосредственно в распределительную коробку. (Убедитесь, что при установке камеры установлен правильный режим, так как доступ к ней позже для «переворота» изображения может быть затруднительным.) Кроме того, существует широкий выбор кронштейнов, куполов и других способов крепления. Некоторые крепятся даже на резьбу на стандартной 1,5-дюймовой трубе NPT, что позволяет устанавливать проектор и AV-крепления.
Для наружного использования доступны утепленные кожухи или даже утепленные камеры.
Кроме крепления, придется подумать о разводке кабелей. Как правило, будет отдельное соединение для видео, управления и питания.
Из-за больших расстояний может потребоваться нечто большее, чем простой кабель для передачи видео и / или управляющего сигнала от A к B. Кабели действуют как антенны; чем больше радиопомех они улавливают, тем больше шума вводится в сигнал. С аналоговыми сигналами качество просто ухудшается, но с цифровыми вы будете испытывать гораздо менее терпимые пропадания и, наконец, полную потерю сигнала.Самое популярное средство — балун. Балуны по сути представляют собой кабельные адаптеры, которые преобразуют несимметричный кабель, например RG-6, для использования в качестве сбалансированного кабеля, обычно Ethernet / CAT5 (для некоторых систем требуется CAT6 или CAT7). Балуны доступны практически для всех типов видеосигналов, а также для последовательных сигналов управления, таких как RS-232 и RS-422. Поскольку цифровое видео, особенно HD и цифровое видео с высоким разрешением, требует большой полосы пропускания, альтернативой использованию там, где балуны обеспечивают недостаточную длину, является оптоволокно.
В то время как балуны заботятся о видео и управлении, остается вопрос питания. Если поблизости есть розетка переменного тока, вы можете найти лучший вариант — подключить камеру напрямую с помощью адаптера переменного тока. Однако во многих случаях вам понадобится электрик, который также проложит нестандартную проводку для питания. Некоторые системы камер, особенно те, которые управляются сетью, поддерживают POE (Power over Ethernet), и в этом случае управление и питание будут использовать одно и то же соединение.
Кстати, PTZ-камеру можно также разместить на штативе в качестве временного решения, позволяющего дистанционно управлять камерой.
Угол обзора
Важным фактором, который следует учитывать при выборе камеры, являются характеристики объектива.
Подобно тому, как видеопроекторы имеют разное проекционное отношение, объективы PTZ имеют разные углы обзора. Большинство PTZ-камер имеют фиксированный объектив, а это значит, что вам придется использовать тот объектив, который идет в комплекте с камерой. В зависимости от того, где будет размещена камера, убедитесь, что объектив достаточно широкий, чтобы обеспечить достаточный охват при уменьшении, а телефото — достаточно, чтобы получить желаемые крупные планы при полном увеличении.Существует множество доступных приложений-калькуляторов линз, которые помогут вам сделать это определение.
Один парадокс, с которым вы столкнетесь, заключается в том, что камеры более высокого класса, как правило, имеют больший диапазон масштабирования. Это связано с тем, что более дешевые камеры имеют меньшие датчики изображения. При этом увеличение более чем в 10 раз раздвигает пределы того, что вам, вероятно, сойдет с рук. Любые вибрации или дефекты в серводвигателях поворота / наклона камеры будут очень заметны при таком увеличении.
Также будет очень сложно отслеживать движущуюся цель с большой вероятностью.Если возможно, выберите более близкое расположение камеры, а не большее увеличение, чтобы получить более плотные снимки.
МФУ
Чтобы упростить сложность системы PTZ, можно рассмотреть вариант серии WallVIEW от Vaddio. WallVIEW, построенный на базе проверенных PTZ-камер, таких как серия Sony EVI, добавляет модификации, которые адаптируют питание, видео и управление для использования кабелей Ethernet, что значительно снижает головную боль при установке. Кроме того, система опционально добавляет управление CCU. Базовые блоки, монтируемые в стойку, обеспечивают точки подключения для всех кабелей, работы CCU, входа контроллера, а также видеовыхода.
PTZ-камера Vaddio WallVIEW 70 PTZ Некоторые видеомикшеры для производства живого видео, такие как Sony Anycast, поддерживают управление PTZ. Anycast работает с камерами протокола VISCA, как и его собственная серия EVI. Это отличный вариант для небольших постановок с ограниченной командой.
Альтернативы
Камеры видеонаблюденияочень похожи на камеры PTZ и могут показаться привлекательной недорогой альтернативой. К сожалению, камеры наблюдения, вероятно, не будут работать. Как правило, это автономные системы, которые не поддерживают подключение к стороннему видеооборудованию.Кроме того, они часто имеют низкую частоту кадров, что снижает пропускную способность и объем памяти. Все, что вам нужно для идентификации воровского магазина, — это стоп-кадр, но он не подходит для видео в реальном времени.
Моторизованные наклонно-поворотные головки могут быть способом приспособить обычную видеокамеру для удаленного управления. Это может быть рассмотрено, если вам нужна настоящая производительность вещания или вы ищете более гибкое решение, чем выделенная камера PTZ. Если вы планируете пойти по этому пути, убедитесь, что необходимыми функциями камеры можно управлять удаленно, а разъемы управления и видео можно закрепить, чтобы они не отсоединились во время производства.
Заключение
PTZ-камерыотлично подходят для таких объектов, как концертные залы, лекционные залы или молельные дома, потому что их можно установить практически в любом месте, не мешая при этом. Видеоконтент с камер PTZ можно интегрировать в прямую трансляцию, как и любой другой источник видео. Поскольку они являются роботизированными, если камеру не оставить полностью неподвижной, вам понадобится контроллер камеры и оператор для удаленного совмещения снимков.Как и в случае с другим AV-оборудованием, вам нужно будет продумать логистику подключения камер. Во многих случаях балуны и кабели Ethernet могут использоваться для обеспечения расширяемого кабельного решения и увеличения длины кабеля по сравнению с обычными видео- и последовательными кабелями.
Понимание разницы между EPTZ и PTZ
Рынок камер PTZ (панорамирование, наклон, масштабирование) имеет существующую новую технологию под названием ePTZ, что означает электронное панорамирование, наклон и масштабирование.
Мир панорамирования, наклона и масштабирования видео постоянно развивается, как и инструменты, которые позволяют пользователям улучшать качество своих видеоконференций в цифровом формате.Хотя функции ePTZ и PTZ различаются, у каждой есть свои плюсы и минусы. Таким образом, важно узнать, чем отличаются эти две технологии, чтобы вы могли выбрать лучшие камеры, соответствующие вашим потребностям.
HuddleCamHD EPTZ
Как работает EPTZ
Обычную камеру PTZ также можно описать как камеру с дистанционным управлением или камеру PTZ с роботом. Вы можете панорамировать (перемещать камеру влево и вправо), наклонять (вращать камеру вверх или вниз) или масштабировать (увеличивать или уменьшать видео) с помощью ИК-пульта дистанционного управления или приложения PTZ.Встроенные двигатели PTZ-камеры отвечают за физическое движение типичной PTZ-камеры, в которой используются различные способы вождения. Если вы хотите настроить объектив, вы можете использовать операции увеличения и фокусировки с компьютера, интеллектуального устройства (например, смартфона или планшета) или даже с помощью ИК-пульта дистанционного управления.
Когда дело доходит до ePTZ, панорамирование, наклон и масштабирование обрабатываются совершенно иначе. Хотя камера может наклоняться, панорамировать или масштабировать, операции не связаны с движением механических частей.Камера остается неподвижной, поскольку наклон, панорамирование или масштабирование выполняется посредством цифрового моделирования внутри датчика высокого разрешения. Эта концепция может быть знакома некоторым пользователям камеры. Цифровое масштабирование с помощью программного моделирования — это технология, которая существует уже некоторое время. Вместо настоящего зум-объектива в большинстве смартфонов используется имитация цифрового зума. Многие веб-камеры также могут работать с цифровым масштабированием. Когда задействована функция цифрового масштабирования веб-камеры, пользователь может наклонять, панорамировать или перемещаться внутри увеличенного изображения.
Недостаток прежних фиксированных объективов с цифровым зумом
В стандартных камерах Full-HD и HD цифровой зум традиционно не использовался, поскольку изображение быстро пикселизируется.
В прошлом цифровой зум и связанные с ним панорамирование и наклон не были особенно эффективны для профессиональных пользователей, которым требовалось поддерживать качество 1080 или 720 пикселей. Однако все изменилось с появлением новейших камер HuddleCamHD ePTZ со встроенными видеодатчиками 4K. HuddleCamHD уже много лет является лидером в производстве USB-камер для видеоконференцсвязи с реальным оптическим зум-объективом.Эти PTZ-камеры сохраняют качество изображения даже при изменении фокусного расстояния с помощью оптического увеличения. Например, если сенсор камеры имеет графическое разрешение в пять мегапикселей, он всегда будет захватывать пятимегапиксельное изображение независимо от того, насколько оно увеличено, потому что свет, попадающий на датчик, изменяется оптически, а не цифровым образом. С другой стороны, когда изображение снимается с помощью фиксированных объективов с цифровым масштабированием, его качество снижается с увеличением увеличения (масштабирования). С каждым уровнем увеличения изображение выглядит более растянутым, а его разрешение уменьшается.
Например, при цифровом увеличении 5-мегапиксельного датчика в 2 раза полученное изображение будет иметь разрешение 2,5 мегапикселя. При масштабировании изображения могут быстро выглядеть пиксельными и размытыми.
В следующей таблице описаны эффекты цифрового масштабирования для разрешения изображения, поля обзора и диапазонов поворота / наклона для веб-камер HuddleCamHD EPTZ.
| HC-EPTZ-USB и HC-EPTZ-NDI | ||||||
| Уровень масштабирования | Ширина пикселя | ET Диапазон наклона | ||||
| 1x | 3840 | 2160 | 108 | 0 | 0 | |
| 2x | 1920 | 1080 | 54 | 30,375 | ± 27 | ± 15 |
| 3x | ± 36 | ± 20 | ||||
| 4x | 960 | 540 | 27 | ± 41 | ± 23 | |
| 5x | 12,15 | ± 43 | ± 24 | |||
| 6x | 640 | 360 | 18 | 10,125 | ± 45 | ± 25 | ± 45 | ± 25 | 91691215,4 | 8,7 | ± 46 | ± 26 |
| 8x | 480 | 270 | 7,6 | ± 47 | ± 27 | |
75}»> 60.75
1875}»> 15.1875
4}»>
5}»> 13,5
Таким образом, камера может охватывать довольно большую площадь комнаты. Напротив, поле зрения камеры ePTZ ограничено реальным объективом, поэтому оно довольно уже по сравнению с PTZ. Для этого новые камеры ePTZ от HuddleCamHD включают широкое поле обзора 108 градусов.
Кроме того, в поворотных камерах используется расширенное программное обеспечение для приема и исполнения управляющих сигналов, отправляемых с пульта дистанционного управления или управляющего компьютера. И наоборот, камерам ePTZ они не нужны. Их базовая конструкция включает только линзу и сенсор.Как таковые, они намного меньше, и именно здесь они представляют размер как второе преимущество. Из-за своего небольшого размера камеры ePTZ подходят для установки в областях, где нецелесообразно устанавливать или использовать более крупные поворотные камеры.
Камера ePTZ статична, и это может сделать ее изменение положения потенциально мгновенным.
Вестерн-блоттинг ( 2a ) цитохрома-c в первичных культивируемых нейрональных клетках гиппокампа на GD 17,5 из модели PTZ-индуцированных приступов во время беременности. Клетки обрабатывали в течение 20 мин нормальной средой в качестве контроля (C), среды, содержащей 100 мМ этанола (E), среды, содержащей 10 мМ пентилентетразола (PTZ), среды, содержащей 1 мкМ каиновой кислоты (KA), среды, содержащей PTZ и этанол (E + PTZ), среды содержат этанол плюс баклофен плюс факлофен (E + B + P), среды содержат 50 мкМ баклофена (B), а среды содержат 100 мкМ факлофен (P) соответственно.β-актин принимается в качестве контроля нагрузки в каждом случае. A : Иммуноблоты цитохрома-c нейрональных клеток гиппокампа при различных условиях лечения. Иммуноблоты метили антителом против цитохрома-с. B : Представлены значения плотности как среднее ± SEM ( n = 4, в среднем четыре крысы на группу) соответствующего белка цитохрома-c. Значения плотности на (ось Y) выражены в произвольных единицах (AU).
* P <0,05 и ** P <0.01 по сравнению с контрольной группой. (b) Визуализация высвобождения митохондриального цитохрома с и экспрессии каспазы-3 в одних и тех же нейрональных клетках . Анализ высвобождения цитохрома-с и экспрессии каспазы-3 in situ проводили иммунофлуоресцентным методом при воздействии этанола и PTZ в культуре нейрональных клеток гиппокампа. Первичная культура нейрональных клеток пренатальных крыс, подвергшихся воздействию PTZ и этанола в течение 20 мин. Подробно процедуры описаны в разделе «Материалы и методы». Иммунофлуоресценция клеток гиппокампа, дважды окрашенных на цитохром-с (меченное FITC антитело к цитохрому-с, зеленый цвет) и каспазу-3 (меченное TRITC, красный цвет).Желтый цвет (зеленый + красный; объединенное изображение) указывает на высвобождение цитохрома-с из митохондрий в цитозоль и каспазу-3 в одних и тех же нейрональных клетках, как обнаружено с помощью конфокальной микроскопии. Стрелка указывает мертвую клетку с высвобождением цитохрома-с и экспрессией caspse-3.