WOJSKOWA AKADEMIA TECHNICZNA
BIULETYN
INSTYTUTU SYSTEMÓW INFORMATYCZNYCH
WARSZAWA
NR 11/2013
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH
KOLEGIUM REDAKCYJNE
prof. dr hab. inż. Andrzej Ameljańczyk
dr hab. inż. Ryszard Antkiewicz
prof. dr hab. inż. Marian Chudy (redaktor naczelny)
dr Lucjan Kowalski (redaktor statystyczny)
dr hab. inż. Andrzej Najgebauer
dr hab. inż. Tadeusz Nowicki
dr hab. inż. Bolesław Szafrański
dr hab. inż. Zbigniew Tarapata (redaktor tematyczny)
prof. dr hab. inż. Andrzej Walczak (redaktor tematyczny)
dr hab. inż. Kazimierz Worwa
ADRES REDAKCJI
Redakcja Biuletynu Instytutu Systemów Informatycznych
Wydział Cybernetyki Wojskowej Akademii Technicznej
00-908 Warszawa, ul. S. Kaliskiego 2
e-mail: biuletynisi@wat.edu.pl
tel.: (22)683-95-04, fax: (22)683-78-58
http://biuletynisi.wcy.wat.edu.pl
Biuletyn ISI jest czasopismem indeksowanym w bazach:
http://baztech.icm.edu.pl/
http://indexcopernicus.com/
Opracowanie stylistyczne w j. polskim: Jolanta Karaś
Redakcja techniczna i projekt graficzny okładki: Barbara Fedyna
Wydawca: Instytut Systemów Informatycznych Wydziału Cybernetyki WAT
ISSN 1508-4183
Wersją pierwotną (referencyjną) czasopisma jest wydanie papierowe.
Druk: Remigraf Sp. z o.o., ul. Dźwigowa 61, 01-376 Warszawa
SPIS TREŚCI
1.
R. Kasprzyk, M. Cieślewicz, K. Krajewski, M. Perka, A. Stachurski
SAVE – State of the Art and Visionary Energetics ……………………………………
2.
1
R. Kasprzyk, M. Zabielski, P. Kowalski, G. Oksiuta, K. Rzempołucha
GUARDIAN – Emergency Response System with Incremental Information
Delivery Model ..………………..………………………………………………….…
3.
7
J. Koszela, T. Drozdowski, M. Niedziela, H. Ostap, R. Wantoch-Rekowski
Zaawansowane metody przygotowania danych terenowych do symulatora
szczebla taktycznego VBS2 …………………………………….……………………
4.
15
T. Rzeźniczak
Applying the Concept of Figural Goodness for Automatic Design to Dataset
Visualization …………………………………….……………….……………….….
5.
23
J. Szymonik
Sztuczne sieci neuronowe o radialnych funkcjach bazowych do śledzenia obiektów
w obrazach wideo ……………………………………………………………………
33
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 1−6 (2013)
SAVE − State of the Art and Visionary Energetics
R. KASPRZYK, M. CIEŚLEWICZ, K. KRAJEWSKI, M. PERKA, A. STACHURSKI
rkasprzyk@wat.edu.pl
Institute of Computer and Information Systems
Faculty of Cybernetics, Military University of Technology
Kaliskiego Str. 2, 00-908 Warsaw
The paper focuses on the attempt to improve the process of modeling the electrical grid infrastructure, designed
within project SAVE (State of the Art and Visionary Energetics). The system, which is a response to a still
increasing demand for electricity, will enable optimizing and planning the development of the existing energy
transmission grid on the basis of the Smart Grid concept. Such an approach may support the process of setting
up new companies interested in building renewable power plants and will encourage potential ”prosumers”
to share their surplus of energy. SAVE may also show how to wisely use the energy and how expensive energy
wasting can be.
Keywords: energetics, grid, network system, optimization.
1. Introduction
Every day we use many appliances powered by
electricity. These are everywhere, designed to
support our daily duties and to provide various
forms of entertainment. Besides, most of the
produced electricity is consumed by modern
sectors of industry. This proves that our
civilization, high standard of living and
economic development is heavily dependent on
energy.
According to recent surveys, the demand
for electricity is still increasing. It is expected
that energy consumption only in the EU will
grow up by 15% in the next ten years. Even
though the waste of electricity during its
transmission is inevitable, for many countries
around the world this becomes a huge national
problem. It is estimated that Poland wastes about
12% of the produced electricity (about a half
more than average in EU) [4], which, apart from
a significant economic loss, seriously affects our
natural environment. To avoid it we should pay
attention to the technical conditions of the
electrical grid infrastructure. Experts have also
estimated, that between 71% and 90% of the
existing energy transmission lines should be
replaced in Poland [4], otherwise we will suffer
a sharp increase in energy prices.
Another key issue, associated with the use
of energy, is the emission of greenhouse gases
into the atmosphere. The reason is that energy
production in many countries is dependent on
fossil fuels [1]. Global trends, however, seek to
overcome this conventional approach because it
has bad influence on the environment and leads
to climate changes. To achieve this, we must
replace traditional energy production with CO2 −
free sources or optimize the existing electricity
infrastructure. At the same time, increased
popularity and lower costs of building renewable
power generators begin to encourage individuals
to produce their own energy. However, it is very
expensive to store the energy and the way of its
generating from natural resources is strongly
dependent on climate conditions (wind, sunlight
etc.). As a result, it may be difficult to precisely
estimate the amount of produced energy.
The main goal of the paper is to propose
a solution showing a possible way of managing
and developing optimal infrastructure of the
electrical grid, called SAVE.
2. The SAVE project
The main idea of SAVE (State of the Art and
Visionary Energetics) is to design an efficient
power distribution infrastructure enabling to
simulate its real features. It seems to be an
innovative approach because at the moment
there is no system working in a Smart Grid
technology dedicated for commercial use [3].
SAVE boosts a great chance to promote the idea
of ”the prosumer” [2]. In order to conduct the
project, we solved a series of optimization
problems attached to electrical grids. These
included minimization of transmission losses for
the existing grid infrastructure as well as
increasing the security of the whole power
system. Relying on latest scientific researches,
1
R. Kasprrzyk, M. Cieśllewicz, K. Kraajewski, M. Perka, A. Stachhowski, SAVE
E…
SAVE perfforms the analysis
a
of the complexx
exploring
networks
topology,
its
keyy
characteristics.
Moreovver, withinn a Smart Grid everyy
consumer of
o energy can
c
becomee a produceer
through thee spread of reenewable energy sourcess.
In this case SAVE may answer a quuestion of the
location off new powerr generatorss and energyy
distribution to make thhe grid mosst secure andd
efficient. As
A a result, SAVE maay affect the
environmennt by reduccing energyy losses andd
hence reduccing the am
mount of CO2 from fossiil
fuels combbustion. In the
t
long terrm this mayy
lower enerrgy prices and also increase the
reliability of the grid.
The syystem’s perfoormance cann be regardedd
as effectivve because, with relaatively smalll
expenses, itt may bring rational
r
beneefits resultingg
from the reduction
r
o energy looss and the
of
optimal exppansion of the existing grrid.
3. SAVE
E’s architeecture and
d used
techn
nologies
The SAVE system is a web applicaation workingg
in an n-tierr architecturee which proovides a highh
level of sccalability annd extensibility for the
system. It is dividedd into folllowing tierrs
(Figure 1):
Fig. 1. Architeecture overview
w
2
•
nteract
Client tier – to enable thhe user to in
with software (via a web bbrowser)
nerate
• Prresentation tier – desiigned to gen
a user-friendly
u
y GUI
• Lo
ogic tier – responnsible for data
prrocessing; coontains implementation of
o the
algorithms
• In
ntegration tier – taskedd to separatee data
prrocessing froom data storaage
• Resources
R
tieer – to collect and store data.
d
Th
he SAVE system coonsists of three
independent modulles listed below:
• Optimization
O
n module (using APII and
QuickGraph algorithms
a
foor deep analy
ysis of
neetwork system
ms)
• Communicatiion modulee for ”prosumers”
(u
using the exissting social nnetworking API)
A
• Ed
ducational module.
m
QuickGraph is
i a portablee library, su
uitable
for .N
Net, Silverllight and Windows Phone
P
environ
nments. It provides commonly used
directeed and undireected graph ddata structurees and
a varieety of netwoork algorithm
ms such as depth
first search,
s
breaath first seaarch, A* search,
shortesst path etc.
Within
W
the SA
AVE system
m, the QuickG
Graph
library
y is mainly used to evvaluate the most
cruciall characteristtics, for exaample the sh
hortest
path or
o maximum
m flow [5]. It has also been
extend
ded by algorrithms that enable centrality
measurres calculatioon.
In
n order to create our prooject we have also
used Prefuse,
P
that is a set of software too
ols for
creatin
ng rich intteractive daata visualizzation.
Prefusee supports an extensiive collectio
on of
featurees for data modelling, visualization
n and
interacction. It provvides optimizzed data structures
for tab
bles, graphs, and trees,, visual enccoding
techniq
ques, supporrt for animattion and dattabase
connecctivity [6]. Prefuse
P
is oriiginally writtten in
Java, therefore
t
it was necessaary to rewritte the
source code for thee .NET platfoorm.
In
n the SAVE system, Preffuse is responsible
for visu
ualization off the created network top
pology
or onee that was read
r
from thhe GraphML
ML file
formatt. In additionn, the edgess of the grap
ph are
describ
bed, showinng key charracteristics of
o the
grid (capacity, costt of lines or eenergy loss during
d
its tran
nsmission).
Th
here is a buuilt-in comm
munication ch
hannel
betweeen Prefusee and Q
QuickGraph for
transfeerring data. All in all, Quickg
kgraph
perform
ms all of the operations, while algoriithmic
and callculated resuults are illustrrated by Preffuse.
BIU
ULETYN INSTYTUTU SY
YSTEMÓW IN
NFORMATYCZNYCH 11 1−6 (2013)
Figurre 2 presentts a packet--based struccture of
tiers and layers which
w
showss what technnologies
were used to perform the creeated functioonalities
of thee SAVE systtem.
Fig. 2. Paacket-based sttructure of layyers
4. Graphical
G
l user interrface
The intuitive
i
inteerface allowss the user too model
the sttructure of any
a electricall grid. With the use
of thhe editor, thhe system ennables entering the
graphh nodes: eneergy producers (power plants),
transfformers andd end-users,, combiningg them
with the edges. In additioon, users caan add
param
meters to eacch edge deterrmining the amount
of poower production, capacityy, the cost off energy
transm
mission, eneergy loss, maximum
m
looad and
energgy consumptiion (Figure 3).
3
Fig. 3. GUI overview
3
R. Kasprrzyk, M. Cieśllewicz, K. Kraajewski, M. Perka, A. Stachhowski, SAVE
E…
We havve also conssidered terraiin conditionss,
while buildiing the grid infrastructure
i
e. In order too
tackle it, wee used backgground mapss provided byy
Bing (shownn in Figure 4).
4
After building a dedicated network
n
it is
i
possible to simulate itts real featuures, evaluate
the maximuum flow, the minimum cost
c
flow, the
minimum cost
c
fixed floow in the prroposed gridd.
This is exttremely useful when uppgrading the
existing grid
g
or com
mparing neew buildingg
solutions.
Fig. 4.
4 SAVE Systtem with back
kground map
5. Scenaarios
When the grid managger plans too modify itts
infrastructure, it has to be decided what
w
to do too
achieve a siignificant im
mprovement at
a a minimum
m
cost. Figuree 5 presents a use-case diiagram of the
system SAV
VE.
Fig. 5. SAV
VE use cases
4
AVE is a well-develop
w
ped tool ussed to
SA
build a model of the
t grid topoology. Our system
allows to perform
m a deep analysis of
o the
examin
ned grid, supported
s
bby graph theory
t
algorith
hms, showinng exactly its vulnerab
bilities
and bad behaviorrs. SAVE may answeer the
on of how to expand thhe grid, indiccating
questio
the pottential locatiion of new ppower station
ns and
storagee batteries where
w
the transmission losses
would be at their loowest.
Apart from thhat, building renewable power
p
generaators for perssonal use reqquires a variety of
resourcces such as
a the apprropriate loccation,
money
y and knowlledge. Withoout any of those,
we aree doomed to failure. To prevent it, SAVE
S
offers a communnication plattform that helps
nd a co-invvestor whoo might prrovide
to fin
the miissing resourrces. With thhis platform
m, it is
possiblle to easily share or ssell the produced
surpluss of energy.
Th
hese days, in fact, an ordinary person
p
cannott even imaginne how stronng the compeetition
among
g manufactuurers can bee, while bu
uilding
energy
y-efficient and
a
eco-frieendly appliaances.
There is a rich vaariety of eleectrical equip
pment
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 1−6 (2013)
to choose, at different prices, so we included
a graphic energy calculator, which shows how
long it will take to receive money spent on
buying new appliances and then make it
profitable, by saving the energy.
6. Development opportunities
Due to a total lack of systems working in the
Smart Grid technology SAVE is an innovative
solution. It is designed for a wide range of
clients including companies from the energy
industry, green organizations and individuals.
The target customer group is dependent on the
dedicated functional module.
The SAVE system is able to reduce
financial losses associated with electricity
transmission waste and plan the optimum
expansion of the existing grid infrastructure.
This approach may support the process of setting
up new companies interested in building
renewable power plants and will encourage
”prosumers” to share their surplus of energy.
Capital resources for further development
of the project will be provided by academic
grants and partly by a company responsible for
distributing energy. Clients will be supplied with
software in two separate ways. Currently, it is
possible to implement the system directly on
their PCs, however, in the near future SAVE will
be spread within a Windows Azure cloud.
At present, the SAVE project is in the final
stage of prototype development (Technology
Readiness Level 6). In the near future we plan to
enter cooperation with a company responsible
for distributing energy. We count on a fruitful
cooperation in a win-win environment: the
company receives free-of-charge a prototype of
our system, while SAVE developers get valuable
feedback on important changes and new
functional modules needed.
Currently, the SAVE optimization module
performs simulation on the segment of the grid
topology, however, it will be dedicated for
a larger area. This will result in a significant
increase in the need for computing power.
Therefore, we plan to use cloud computing
models
(Windows Azure)
for
further
calculations.
It is also planned to extend the educational
module with a strategy game, showing overall
benefits derived from wise use of energy. This
will also prove an overwhelming advantage of
renewable energy resources over conventional
ones for the environment in the future.
7. Summary
As we can see, a still increasing demand for
electricity determines not only the production
growth, but also enforces the search for new and
more effective solutions enabling to save it.
Currently a large amount of energy is wasted
during its transmission from the power plant to
the end user. Of course, it is not possible to
completely eliminate the problem, however,
system that was described in the article is an
attempt to make energy system more economical
and efficient. It was developed on the basis of
the SMART GRID concept and the theory of
graphs and networks. With the use of
optimization complex algorithms the system
allows to assess energy transmission losses and
additionally, proposes a sensible and planned
energy production process, including the
prosumer market share. This solution will
certainly help to reduce energy costs and the
energy from the alternative sources would
become
more
environmentally
friendly.
Moreover, a well-planned modernization of the
existing energy infrastructure, and the
construction of smart grids will definitely
improve the energy security of the country.
It is also worth noting that the system,
which provides a layered architecture, is flexible
and its functionalities can be easily updated and
customized for the needs of the particular
customer.
8. Bibliography
[1] EREC, ”Renewable Energy Technology
Roadmap up to 2020”, http://www.erec.org/
fileadmin/erec_docs/Documents/Publication
s/EREC-Technoloy_Roadmap_def1.pdf.
[2] KIGEiT, ”Prosumer w ’Smart Grid’, czyli
energetyka obywatelska oparta na źródłach
energii odnawialnej, wysokoefektywnej kogeneracji, racjonalizacji zużycia, redukcji
strat przemysłowych”, www.kigeit.org.pl.
[3] IEC,
”Smart
Grid
Standarization
Roadmap”,
http://www.iec.ch/smartgrid/
downloads/sg3_roadmap.pdf.
[4] http://www.rp.pl/artykul/649811.html.
[5] http://quickgraph.codeplex.com/.
[6] http://prefuse.org.
5
R. Kasprzyk, M. Cieślewicz, K. Krajewski, M. Perka, A. Stachowski, SAVE…
SAVE – Energetyka przyszłości
R. KASPRZYK, M. CIEŚLEWICZ, K. KRAJEWSKI, M. PERKA, A. STACHURSKI
Artykuł ma na celu zademonstrowanie możliwości wykorzystania systemu SAVE w procesie optymalizacji
istniejących sieci energetycznych, a także modelowania nowych. System ten jest odpowiedzią na wciąż
rosnące zapotrzebowanie na energię elektryczną i brak nowoczesnych technologii w przemyśle
energetycznym. System realizuje postawione mu zadania w oparciu o wkraczającą na światowy rynek
koncepcję Smart Grid. Takie podejście pozwoli wesprzeć proces tworzenia nowych przedsiębiorstw,
zainteresowanych budową elektrowni odnawialnych, i będzie zachęcać potencjalnych „prosumentów”,
by przekazywali swoje nadwyżki energii. System SAVE może pokazać również, jak odpowiedzialnie
korzystać z energii i jak kosztowne mogą być jej straty.
Słowa kluczowe: energetyka, sieć elektryczna, systemy sieciowe, optymalizacja.
6
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 7−13 (2013)
GUARDIAN – Emergency Response System
with Incremental Information Delivery Model
R. KASPRZYK, M. ZABIELSKI, P. KOWALSKI, G. OKSIUTA, K. RZEMPOŁUCH
rkasprzyk@wat.edu.pl
Institute of Computer and Information Systems
Faculty of Cybernetics, Military University of Technology
Kaliskiego Str. 2, 00-908 Warsaw
The main goal of this article is to show concepts of developing Emergency Response Systems (ERS), which
withstands to the modern way of thinking about threat notification. It is also showed an idea of an incremental
information delivery model – the new way of thinking about emergency actions management. The last issue
considered are guidelines to develop Emergency Response Systems.
Keywords: emergency response system, Safety-Oriented Society, incremental information delivery model.
1. Introduction
In the modern world, people have to face many
dangerous situations: from robberies, rapes and
fires to car accidents or murders. Most of the
crimes included in the police statistics could be
detected on the spot, if the emergency services
could react early enough. The response time is
one of the main factors in any rescue operation
in order to maximize the chance of saving
a human’s life.
There exist a number of solutions to
presented issue ([3], [11], [12], [15]). The most
promising are IT Emergency Response Systems
(ERS) and IT Rapid Emergency Response
Systems (RERS), which seem to have the
shortest response time. The domain of ERS
systems is still dynamically developed and many
new solutions appear ([23], [24]). However, they
are still imperfect, mainly because of their
approach to reporting threats and delivering
information about accident during rescue
procedures [7].
The goal of this paper is the presentation of
GUARDIAN – Emergency Response System
developed at the Warsaw Military University of
Technology. The article also describes an
incremental information delivery model and the
idea of Safety-Oriented Society. The last section
presents guidelines which technologies are the
best to implement the new model of information
delivering and its utilization during rescue
procedures.
The article does not describe in detail the
organization of rescue action management.
More information about this problem can be
obtained in [14] and [16].
The remainder of this paper is organized as
follows. Section 2 introduces the GUARDIAN
project and shortly describes its essential
features. In Section 3, the GUARDIAN’s
architecture is discussed. Section 4 shows the
basic execution path of considered Emergency
Response System. In Section 5, the Incremental
information delivery model is showed, which is
used in GUARDIAN project. Section 6
compares GUARDIAN with the other IT ERS
solutions. Section 7 describes realization
capabilities of IT Emergency Response Systems.
In Section 8, we discuss problems and
development opportunities of GUARDIAN.
Section 9 shows short summary of our
conclusions
resulting
from
work
on
GUARDIAN system.
2. The GUARDIAN project
GUARDIAN is a new type of Emergency
Response System, which is it considered as
a RERS system [25]. It has been developed for
rapid response to the occurrence of any kinds of
threats. Using a mobile technology, including
GPS and smartphones, GUARDIAN allows to
instantly call for help in just a few seconds. With
use of GUARDIAN installed on the phone it is
possible to quickly notify the nearby emergency
services with just one click about the danger.
Therefore, it provides an effective solution,
where protecting the health and life of a human
is important.
7
R. Kasprzykk, M. Zabielskki, P. Kowalskki, G. Oksiuta,, K. Rzempołuuch, GUARDIIAN…
Researrch shows that
t
the cuurrently usedd
informationn systems devveloped to report
r
threadds
are highly ineffective [6].
[
For exam
mple, callingg
the emergenncy number in Poland, itt is necessaryy
to spend upp to six minnutes to repoort a threat too
the operatorr. This is unddoubtedly too long takingg
into accounnt that, for exxample, hum
man brain cann
withstand without oxyygen for appproximatelyy
four minuttes. Describbed problem
m is mainlyy
caused by complexityy of reporrting threatts
procedure. Despite thhe fact, thaat mentionedd
process is constantly
c
im
mproving, it still
s needs tooo
much of huuman interaaction. This leads to the
conclusion that the bottleneck of rescue
procedures is the humaan reaction both on one
and the other
o
side of the coommunicationn
channel. With
W
that in mind, our team
m
implementeed GUARD
DIAN – a system thaat
provides thhree essentiaal features in managingg
rescue proceedures:
• the auttomation of the process of notifyingg
about the
t threat – only one cliick is neededd
to startt a rescue acttion
• the suppport of the communicaation betweenn
emergency
the
services
and
the
headquuarters
• the prrovision of up to date informationn
about the
t rescue acction status.
3. GUAR
RDIAN's architectu
ure
GUARDIAN
N’s archittecture is shown onn
Figure 1. Thhe system haas a three main
m
parts: the
Reporter Client, the Em
mergency Client and the
Central Servver.
Th
he Reporter Client is a ppart of the system
deploy
yed on a Smaartphone, whhich means that it
is a mobile
m
appliccation. Usingg a GPS Module
M
and a specially deesigned widget, it allow
ws the
user to
o send a notiffication with basic inform
mation
such as the positioon, basic perrsonal inform
mation
(entereed during the instaallation off the
GUAR
RDIAN mobile application on the phone)
p
and essential inform
mation abouut the inciden
nt e.g.
its typ
pe. The appplication prrovides a set
s of
additio
onal forms which
w
can be filled in aftter the
primarry notificatiion about the threat. This
approaach enables emergency
e
seervices to staart the
rescue action withh a minimum
m of inform
mation
which is necessaryy to launch it. All addiitional
inform
mation can bee delivered during the rescue
r
action avoiding thhe situation, in which waiting
w
for a whole infoormation aboout accidentt will
delay the
t rescue opperation.
Another com
mponent of the GUARD
DIAN
system
m is the Cenntral Server. Its main taask is
receiviing notificatiions and asssigning the closest
c
emergeency units to
t them. Too achieve this the
applicaation on thhe Central Server usees the
Googlee Maps APII and a speccialized grap
ph and
networrk algorithm to find the shortest or fastest
f
path. The
T data aboout all the reescue action
ns that
have taaken place so far are stoored in the Central
C
Databaase. In this way the Central Dattabase
provides data for post-incident analysis (wh
hich is
called AAR – the After Action Review prrocess
[22]) in order to developp better rescue
r
proced
dures for anyy kind of futture incidentts and
threats.
he third part
p
of thee system is
i an
Th
Emergency Client. Using a m
mobile appliccation
on the Smartphonee, it allows emergency un
nits to
receivee notificatioons about tthe accidentt that
occurs near them
m and provvide services to
commu
unicate withh every unit that has been
assigneed to threat and
a the headqquarters.
Eaach part off GUARDIA
AN can be wired
through
h a Wi-Fi or GPRS connection using
XML-R
RPC protoccol [8], w
which allow
ws to
commu
unicate with other parts oof the system
m even
if onee of the communicaation chann
nel is
unavailable. It meeets one of thhe most imp
portant
requireements of thhe ERS systtem i.e. a seeveral
commu
unication chaannels.
4. Basic
B
execu
ution path
To ex
xplain the way GUAR
RDIAN op
perates
during rescue procedures, an activity diaagram
on Figu
ure 2 is preseented.
Fig. 1. The architecture of
o the GUARD
DIAN system
8
BIU
ULETYN INST
TYTUTU SYSTEMÓW IN
NFORMATYC
CZNYCH 11 77−13 (2013)
well
w
as thhe basic exxecution paath of thee
GUARDIAN
G
N system.
5.
5 Increm
mental info
formation delivery
modell
Fig. 2. Activity diiagram for bassic execution path
p of
the GUARDIAN
G
system
I the first step is sent ann alarm by clicking
In
c
on the
t
widget installed on the Appplicant
smarttphone. Afteer that, the engagementt of the
persoon calling for
f help is finished, which
w
is
consiistent with the idea thhat human activity
shoulld be minimiized.
N
Next,
the Central Server receives
r
a nottification about the danger and reads data
from it. The basicc message contains inforrmation
aboutt the applicaant's positioon, his/her personal
p
inform
mation and the
t type of the
t threat. Baased on
this, GUARDIA
AN searchess for the nearest
emerggency units and sends ann alert to dessignated
rescuue services ussing XML-R
RPC protocoll.
M
Meanwhile
t applicantt has an oppoortunity
the
to sennd additionaal data aboutt the incidentt, but it
is com
mpletely opttional. This kind
k
of inforrmation
delivery model will
w be descriibed in detaiil in the
next section.
s
D
During
that time, the Emergency Client
retrieeves notificattion sent by the Central Server,
whichh contains informationn needed to
t start
a resscue action: the place of
o accident and
a the
type of the threaat. Moreoveer, emergenccy units
are notified
n
abouut changes inn situation thhat take
placee during thee rescue acttion in endaangered
area. This featuure helps to
t respond to the
dynam
mically channging situatioon during thee rescue
actionn. Additionnally, the Emergency Client
allow
ws emergencyy services too inform the Central
Serveer about the state
s
of the rescue
r
actionn. When
a unnit notifies about the end
e
of the rescue
operaation, the whhole proceduure is terminnated as
During
D
anallysis of the execution path of thee
GUARDIAN
G
N system w
we can seee that afterr
notifying
n
thee Central Seerver about the
t incident,,
the
t
activity of the appplicant can be
b finished..
However,
H
duuring a resccue action th
he applicantt
has
h
an opportunity
o
to send additionall
about the iincident. This model off
information
i
for
th
information
i
delivery,
he
projectt
GUARDIAN
G
N purposes, is called incrementall
delivery moddel.
information
i
The ideea of mentiooned model, included inn
GUARDIAN
G
N system, iss showed on Figure 3..
The
T informaation about an incident is deliveredd
incrementall
i
ly. Firstly onnly basic dataa is sent andd
they
t
includee: personal innformation of
o applicant,,
his
h GPS cooordinates, w
which allow
ws to detectt
endangered
e
p
place
and typpe of emergency servicee
to
t summon. Even thouggh the inform
mation from
m
the
t primary message is quite modesst, it is goodd
enough
e
to sttart a rescue action. Usin
ng them, it iss
possible
p
to send appropriiate emergen
ncy unit withh
required
r
equuipment into right place. Then, if thee
situation
s
givves an opporrtunity, an ap
pplicant cann
send
s
additionnal data, which contains for instancee
a photo from
m the endanggered place, filled
f
speciall
forms
f
or deliver
d
moree informatio
on using ann
automatic
a
tellephone servvice.
Fig. 3. Diagrram of incremental informa
ation delivery
model on thhe example off the GUARDIIAN system
9
R. Kasprzyk, M. Zabielski, P. Kowalski, G. Oksiuta, K. Rzempołuch, GUARDIAN…
To sum up, the incremental information
delivery model assumes that:
1) there is one type of notification, which is
obligatory to start a rescue action;
2) other steps of information delivery are
optional and they are used to extend the
knowledge about the situation at the
endangered place all the time during the
rescue action.
The presented idea is an approach, which is
adequate to the dynamics of situation at the
endangered area. This lead to conclusion, that
the idea of the incremental information delivery
model should be implemented in every ERS
currently developed, which allows applications
to improve the time of reaction to the reported
threats.
6. Comparison with other systems
GUARDIAN with his incremental information
delivery model is not the only way to respond to
the dynamically nature of rescue actions. For
example, some of modern rapid response ERS
systems use other types of handling the dynamic
nature of threats, which is reflected in computer
simulation or predictive models.
One of solution from that domain is
framework, developed by J. Sanjay and
Ch. McLean [4]. It allows modeling and
simulation for emergency response, which is
especially useful in rescue action process
developing. Using provided models of reaction
for appropriately threat, it gives us opportunity
to predict human behavior during danger
situation. However, it does not implement any
mechanisms to inform about the threats, but only
to analyze rescue action.
Another solution, which is connected with
RERS systems is FireFly [2]. Using danger
prediction model, including fire zone model [5],
and evacuation path finder, it informs about the
threat and simultaneously determines the best
evacuation path. This approach fits well in
complex buildings and areas seems to be
a complete technology for saving human life.
Unfortunately, for best work it requires a set of
sensors situated in analyzed place, which is
expensive and limits mobility of system.
Apart from those system mentioned earlier,
there are more other solutions. Some models
used to monitoring threats like radiation or
contamination are presented in ([13], [17]).
Simulation models of diseases spreading can be
found in ([19], [21]). Predictive models has
been applied in another system developed at
Military University of Technology named CARE
10
and FireFly, mentioned earlier. More
information about this solution can be found in
([2], [18], [20]).
7. Realization capabilities
The idea of the incremental information delivery
model and modern technology, like wireless
connection and GPS, make possible to create
very effective RERS systems. Based on the
experience gained during the development of the
GUARDIAN it can be said, that some of the
technologies are the best matches to develop
effective emergency response systems. These
technologies include dedicated electronic
devices, Web Services and mobile platforms.
One of the solutions, which should be
considered, is implementing Emergency
Response System using dedicated electronic
devices. The architecture of this approach is
similar to the one used on the mobile platform
except that mobile devices are replaced by
specially designed electronic devices. This
approach gives us promising possibilities. In this
case, we can use a wireless connection or a GPS
module, but also any kind of sensors that can
monitor the environment (including a person’s
health) and automatically notify emergency
services about any threats. Thanks to that, it is
possible to receive profit from both the mobile
platform and web services with additional
features, provided with more electronic
elements. But there are also some disadvantages
of this solution. Using dedicated electronic
devices, the targeted market is narrower (due to
cost of the solution). This results in a smaller
group that can be saved using the system.
Web Services is another valuable
technology to develop the modern emergency
response system. Using Web Services we can
provide a notification service, deployed on
a server that can be obtained from every device
which is connected to the Internet. This solution
seems to be quite attractive because there is no
need to use any dedicated devices. However,
there are also disadvantages that significantly
reduce the effectiveness of the Web Services.
First of all, we have restricted precision to
determine the accurate position of the
endangered person, because described approach
do not include a GPS module. Detecting the
position through Wi-Fi or Internet Service
Provider data is not adequate enough in many
real situation due to large approximation of these
technologies. In this way it is worth to use
mobile platforms with a GPS module, which are
installed in most modern mobile devices.
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 7−13 (2013)
In our opinion, the best way to develop
an Emergency Response System that suits
current needs is the mobile platform, with use of
GPS system and programs, like widget,
developed on mobile operating system. That is
the reason for creating GUARDIAN in the
presented way, using Android and Windows
Phone operating system and mobile devices
equipped with GPS module. This approach
assumes that users have a mobile device such as
a smartphone or tablet with the mobile
application, which allows user to send
notifications to the Central Server. Mobile
platforms provide some crucial services during
a rescue action, for instance a wireless
connection and a GPS module ([9], [10]).
Fortunately, the current situation on the mobile
device market suggests that the amount of
mobile device users will grow year by year.
In conjunction with high precision in detecting
endangered place, the mobile platform is one
of the most adapted technology intended to
develop rapid response ERS systems.
These considerations show a classic
problem of balancing costs and capabilities.
The presented approaches are different taking
into account usability, features and costliness.
Moreover, the field of the RERS systems is still
young and dynamically developed, so looking
for one best solution is unfounded.
8. Problems and development
opportunities
Despite the fact, that GUARDIAN implements
most of features connected with modern RERS
systems, there are still some problems that are
not completely solved, for example:
When an applicant informs the Central Server
about the danger the basic message can give
us fast information about the place of the
danger only in the case when the applicant
is
in
the
endangered
place.
To solve this, we have provided a special
form to fill, but this results in violating the
incremental information delivery model.
So the main problem is to provide
a solution which is consistent with the
model;
If an applicant sends a notification and his
mobile devices is stolen, the thief can
cancel the alarm. The solution is to create
an authorization and authentication
mechanism, but this results in additional
delay in the process of threat notification.
Although the functionality of the
GUARDIAN system seems to be sufficient,
there are some ways to extend its capabilities,
which includes for example:
1) Patient card − After installing the Reporter
Client, the application will be asking for
basic information about user's health.
The answer to the questions will be
optional, but they will allow to provide the
best medical help in case of a danger;
2) Crime maps − Using data gained during
rescue operations, the GUARDIAN system
will be able to create crime maps, which
will show the most dangerous areas, sorted
by the type of a threat. This feature will be
useful especially for the police and other
emergency services;
3) Visualization of rescue operations −
Another idea is to provide a management
panel in the system with basic statistics and
information
about
ongoing
rescue
operations. This could help decision makers
in the headquarters to choose the best
solution. We are convinced that this way of
data visualization is very important,
especially when we are talking about
a system which is crucial for a human life;
4) Analytical tools to explore and mining data
from the Central Database, particularly
in the context of danger notification
procedure optimization.
The data gained by the GUARDIAN system
will allow to do some research into the
effectiveness of rescue actions and used
procedures. It will also be helpful to do postaccident analysis, which could even be evidence
in some sort of cases. Using data mining
methods, we could be able to search for some
patterns in incidents and thanks to that we could
develop a method, for instance, to predict
the execution of rescue operation. This kind of
knowledge is invaluable when human life is
paramount.
9. Summary
Because domain of Emergency Response
System is relatively new branch of IT systems,
we suppose that many of innovative approaches
will appear soon. One of the solutions, presented
in this paper, is the GUARDIAN system, which
fulfils the principles of creating modern ERS
systems defined in the article. Additionally,
we have identified some rules to create that kind
of systems and technologies useful to satisfy all
the presented requirements. In one of the
sections were presented some of best practices,
suggested to implement for every innovative
Emergency Response System.
11
R. Kasprzyk, M. Zabielski, P. Kowalski, G. Oksiuta, K. Rzempołuch, GUARDIAN…
To provide the best system for rapid
response to threats, we have to replace operators
in headquarters and standard methods with new
solutions. The GUARDIAN system gives
an opportunity to create an innovative ERS
system and allows to take the first steps
in implementing the guidelines described earlier.
10. Bibliography
[1] http://www.statystyka.policja.pl/portal/st/91
8/Wybrane_statystyki.html − Selected
police statistics, 2011.
[2] M. Kapałka, J. Przychodzeń, M. Zabielski,
„Koncepcja systemu wspomagającego
ewakuację z wykorzystaniem modeli
prognozowania zagrożenia”, Kwartalnik
Polskiego Towarzystwa Symulacji
Komputerowej, Vol. 3 (2011).
[3] http://ec.europa.eu/echo/policies/disaster_re
sponse/mechanism_en.htm −
The Community mechanism of civil
protection, European Commission.
[4] J. Sanjay, and Ch. McLean. ”Simulation for
emergency response: a framework for
modeling and simulation for emergency
response”, Proceedings of the 35th
Conference on Winter Simulation: Driving
Innovation. Winter Simulation Conference,
2003.
[5] A. Karp, Sz. Łukasik, „Symulacja pożaru
budynku”, engineering work, promoter
dr inż. Jarosław Wąs, Akademia Górniczo-Hutnicza w Krakowie, 2011.
[6] http://www.straz.gov.pl/data/binaries/pdf/sp
r_opis.pdf − „Założenia do organizacji
i funkcjonowania systemu powiadamiania
ratunkowego na obszarze województwa”,
National Headquarters of the State Fire
Service of Poland.
[7] K. Ficoń, „Jakościowy model identyfikacyjny systemu reagowania kryzysowego”,
Zeszyty naukowe Akademii Marynarki
Wojennej, XLVIII, Nr 4 (2007).
[8] http://www.xmlrpc.com – XML-RPC
standard webpage, UserLand Software.
[9] E. Burnette, ”Hello, Android.
Programowanie na platformę Google dla
urządzeń mobilnych”, IIIrd edition, Helion,
2011.
[10] http://wazniak.mimuw.edu.pl/index.php?
title=Systemy_mobilne − Materials
connected with mobile systems by Mikołaj
Sobczak.
[11] http://isok.imgw.pl/home − Informatyczny
System Osłony Kraju, Ministry of Regional
Development.
12
[12] http://rcb.gov.pl/?page_id=12 − The Daily
Reports System, Krajowe Centrum
Zarządzania Kryzysowego.
[13] R. Kalinowski, Monitorowanie zagrożeń,
UPH Publishing, Siedlce, 2003.
[14] M. Żuber, Katastrofy naturalne
i cywilizacyjne: zagrożenia i reagowanie
kryzysowe, Wyższa Szkoła Oficerska Wojsk
Lądowych im. gen. Tadeusza Kościuszki,
Wrocław, 2006.
[15] http://www.projektproteus.pl/index.php −
„Zintegrowany mobilny system
wspomagający działania antyterrorystyczne
i antykryzysowe” − Proteus Project,
Industrial Research Institute for Automation
and Measurements.
[16] E. Kołodziński, „Zagrożenia bezpieczeństwa i organizacja przeciwdziałania ich
skutkom”, Infokart S.A., 2005.
[17] Z. Mierczyk, „Zaawansowane technologie
monitorowania zagrożeń bezpieczeństwa”,
VI Międzynarodowa Konferencja Naukowa
Zarządzanie Kryzysowe, Olsztyn, 2008.
[18] R. Kasprzyk, B. Lipiński, K. Wilkos,
C. Bartosiak, ”CARE − Creative
Application to Remedy Epidemics”,
Biuletyn Instytutu Systemów Informatycznych, Nr 3, 45−52, (2009).
[19] R. Kasprzyk, A. Najgebauer, D. Pierzchała,
”Modelling and Simulation of Infection
Disease in Social Networks”,
Computational Collective Intelligence,
LNAI 6922, 388−398 (2011).
[20] R. Kasprzyk, C. Bartosiak, K. Szkółka,
P. Giętkowski, ”CARE2 – Creative
Application to Remedy Epidemics”,
in: Technologie podwójnego zastosowania,
65−75, WAT, Warszawa, 2012.
[21] R. Kasprzyk, ”Diffusion in Networks”,
Journal of Telecommunications and
Information Technology, Nr 2, 99−106,
(2012).
[22] http://www.au.af.mil/au/awc/awcgate/army/
tc_25-20/tc25-20.pdf − ”A Leader’s Guide
to After-Action Reviews” (TC25-20),
US Army.
[23] X. Li and P. Fu, ”A spatial diffusion model
for police emergency response system”,
International Conference on Remote
Sensing, Environment and Transportation
Engineering (RSETE), 2011.
[24] A. Fruhling, „STATPack™ An Emergency
Response System for Microbiology
Laboratory Diagnostics and Consultation”,
Advances in Management Information
Systems, Vol. 16, 123−149 (2010).
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 7−13 (2013)
[25] R. Chen, R. Sharman, H. R. Rao,
S. J. Upadhyaya, ”Coordination in
emergency response management”,
Communications of the ACM, Vol. 51,
66−73 (2008).
GUARDIAN − system reagowania na zagrożenia z przyrostowym modelem
dostarczania informacji
R. KASPRZYK, M. ZABIELSKI, P. KOWALSKI, G. OKSIUTA, K. RZEMPOŁUCH
Głównym celem artykułu jest przedstawienie współczesnych koncepcji dotyczących systemów reagowania na
zagrożenia oraz idei społeczeństwa zorientowanego na bezpieczeństwo. Zaprezentowany został również
pomysł przyrostowego modelu dostarczania informacji – podejścia, które w sposób istotny zmienia sposób
myślenia o kwestii zarządzania akcją ratunkową. Ponadto omówiono możliwości rozwoju współczesnych
systemów reagowania na zagrożenia na przykładzie systemu GUARDIAN wytworzonego i rozwijanego
w Wojskowej Akademii Technicznej.
Słowa kluczowe: społeczeństwo zorientowane na bezpieczeństwo, system reagowania na zagrożenia,
przyrostowy model dostarczania informacji.
13
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 15–22 (2013)
Zaawansowane metody przygotowania danych terenowych do symulatora
szczebla taktycznego VBS2
J. KOSZELA, T. DROZDOWSKI, M. NIEDZIELA, H. OSTAP,
R. WANTOCH-REKOWSKI
jkoszela@wat.edu.pl
Wojskowa Akademia Techniczna, Wydział Cybernetyki,
ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa
Artykuł zawiera opis procesu wytwarzania danych terenowych dla szczebla taktycznego VBS2.
Zaprezentowano model terenu wykorzystywany w tym symulatorze oraz formaty danych terenowych, na
podstawie których generowany może być wskazany teren. Następnie przedstawiono technologie i środowiska
wykorzystane do generacji terenu ze wskazaniem najważniejszych właściwości. Zarówno w przypadku
formatów danych (SHP, GDB, VPF, TDED), jak i narzędzi szczególną uwagę zwrócono na aspekt dostępności
do specyfikacji dostępnych formatów danych. Artykuł kończy opis procesu generacji danych terenowych dla
wybranego obszaru rzeczywistego na potrzeby VBS2.
Słowa kluczowe: VBS2, symulacja, dane terenowe.
1. Wprowadzenie
Jednym z aspektów przygotowania ćwiczeń
wspomaganych
komputerowo,
także
z wykorzystaniem symulatora VBS2, jest
przygotowanie
odpowiednich
danych
terenowych. Aspekt ten jest szczególnie ważny
w przypadku symulatora VBS2, który znajduje
zastosowanie na bardzo niskim szczeblu
z
wymaganiem
na
dużą
dokładność
zobrazowania obiektów (rysunek 1).
Rys. 1. Przykład zobrazowania w symulatorze VBS2
2. Podstawowe właściwości
symulatora VBS2
Symulator VBS2 umożliwia symulację działań
pojedynczego żołnierza i pojazdu. VBS2 należy
do klasy symulatorów wirtualnych z krokowym
upływem czasu. Pozwala także na symulację
większych
grup:
plutonów,
kompanii.
Ograniczenia w zakresie maksymalnego
szczebla symulowanych wojsk wynikają jedynie
z ilości dostępnych zasobów dla symulatora, w
szczególności pamięci operacyjnej. Symulacja
wyglądem przypomina grę typu FPS (ang. Firstperson shooter), jednakże we wnętrzu tkwi
zaawan-sowany silnik symulacyjny. Na wyniki
symulacji mają między innymi wpływ takie
aspekty jak pogoda, rodzaj użytej broni
i amunicji, zmęczenie, wyszkolenie, morale,
rozpoznanie. Symulator VBS2 umożliwia
równoległy udział w symulacji wielu graczy,
zarówno współdziałających ze sobą, jak
i działających po przeciwnych stronach
konfliktu. W trakcie trwania symulacji administrator może na bieżąco modyfikować
scenariusz, dostosowując go do potrzeb
szkoleniowych. Rozbudowane moduły edytora
misji oraz analizy posymulacyjnej dopełniają
funkcjonalność niezbędną do użycia VBS2
w szkoleniu. Dodatkowo VBS2 umożliwia
rozbudowę swojej funkcjonalności poprzez
dostępne API i bardzo elastyczny język
skryptowy.
3. Podstawowe elementy modelu
terenu symulatora VBS2
Symulator VBS2 generuje trójwymiarowe
zobrazowanie symulacji, co wymaga od formatu
zapisu terenu w nim wykorzystywanego
niezwykłej szczegółowości, co docelowo ma
zapewnić pozytywne wrażenia użytkowników
symulatora. Teren w symulatorze VBS2
przechowywany jest w skompresowanych
15
J. Koszela, T. Drozdowski, M. Niedziela, H. Ostap, R. Wantoch-Rekowski, Zaawansowane metody…
plikach (.pbo). Zawartość pliku (.pbo) stanowią:
plik z ukształtowaniem terenu (.wrp), tekstury
(.png), pliki z opisem materiałów (.rvmat),
modele 3D obiektów występujących na mapie
(.p3d), skrypty i pliki konfiguracyjne (.lbt),
(.cpp). Model terenu w VBS2 ma strukturę
warstwową. Największą objętościowo i najważniejszą warstwą jest warstwa ukształtowania terenu, zawierająca siatkę punktów
wysokościowych. Punkty siatki rozmieszczone
są równomiernie, a odległość pomiędzy nimi
określa dokładność odwzorowania terenu i determinuje wielkość zajętej pamięci w komputerze.
Mapa VBS2 o rozmiarach 10 km x 10 km, z dokładnością 10 m, zajmuje około 50 MB pamięci.
Rys. 2. Fragment terenu w VBS2 z zaznaczonym
podziałem na komórki
Na rysunku 2 widać punkty tworzące siatkę
punktów wysokościowych, rozmieszczonych co
10 m. Na teren nałożona jest tekstura na
podstawie zdjęcia satelitarnego, które przy takiej
dokładności mapy ma dokładność 1 texel/1 m.
Na siatce punktów wysokościowych zbudowane
są komórki terenu, które pełnią kluczową rolę
w symulatorze, gdyż są wykorzystywane do
wyznaczania dróg dla przemieszczających się
obiektów. Służą również w procesie wyznaczania kolizji pomiędzy obiektami. Komórki
te mogą mieć także przypisane dodatkowe
atrybuty, jak np. muzyka tła.
Kolejną warstwą jest tekstura nałożona
na cały teren. Wykorzystuje się ją głównie
w sytuacji, kiedy obserwator znajduje się
w dużej odległości, np. obserwator jest na
pokładzie samolotu. Następna warstwa związana
jest z pokryciem terenu. Określa ona, na jakich
obszarach znajdują się jakie rodzaje podłoża.
Ma to znaczenie przy przemieszczaniu się
pododdziałów i przy wyświetlaniu terenu, gdyż
rodzaj podłoża determinuje użycie konkretnej
tekstury. Kolejną warstwą jest warstwa dróg,
która podobnie jak pokrycie terenu tworzona jest
na podstawie maski, najczęściej tworzonej na
bazie zdjęć satelitarnych. Warstwa dróg przed
16
wyświetleniem na ekranie podlega jeszcze
dodatkowej obróbce, zakręty są zaokrąglane,
tworzone są skrzyżowania itp. Ostatnią warstwę
tworzą obiekty terenowe, dla których oprócz
położenia i orientacji w przestrzeni potrzebne są
modele 3D. Symulator sam ostatecznie dokonuje
umiejscowienia obiektu w terenie, dzięki czemu
np. drzewa nie wiszą w powietrzu albo nie rosną
pod ziemią (rysunek 3). Obiekty takie jak
budynki mogą posiadać modele wnętrz.
Dodatkowo możliwe jest definiowanie interakcji
z elementami obiektów, co pozwala np. otwierać
drzwi czy okna. Aktualnie VBS2 jest zdolny do
obsługi terenu o wielkości 150 km x 150 km.
Docelowo wielkość terenu ma przestać być
ograniczona, ze względu na wprowadzany
mechanizm stronicowania (multi-map). Aktualnie głównym ograniczeniem dla wielkości terenu
są zasoby komputera, na którym ma być
prowadzona
symulacja,
oraz
32-bitowa
architektura symulatora. W planie jest
również wydanie wersji VBS2 w 64-bitowej
architekturze. Bardzo ważnym aspektem
wpływającym na wielkość terenu, jaką
zdolny jest obsłużyć symulator, jest sposób
umieszczenia obiektów w terenie. Umieszczenie
ich na stałe w terenie zmniejszy znacznie
maksymalną
wielkość
terenu,
ponieważ
symulator na starcie ładuje cały teren do
pamięci, dlatego też obiekty i drogi umieszcza
się w plikach skryptowych, które ładowane są
dynamicznie przez symulator w razie konieczności, dzięki czemu oszczędzamy zasoby
komputera.
Rys. 3. Fragment widoku 3D terenu w VBS2
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 15–22 (2013)
4. Opis podstawowych formatów
danych terenowych w kontekście
ich wykorzystania w VBS2
SHP
Format zapisu danych wektorowych, który
został wprowadzony do użytkowania przez firmę
ESRI na początku lat 90. ubiegłego wieku.
Pierwotnie format zamknięty, dziś jego
specyfikacja
jest
dostępna
publicznie.
Umożliwia przechowywanie kształtów, to jest:
punktów, zbiorów punktów, linii, łamanych,
zbiorów
łamanych,
wieloboków
umiejscowionych w przestrzeni, wraz z opisującymi je
atrybutami.
Jeden
„shapefile”
może
przechowywać kształty tylko jednego rodzaju,
podobnie wszystkie kształty w „shapefile”
opisują te same atrybuty, dlatego też jeden
„shapefile” przechowuje zazwyczaj dane
o podobnych obiektach, np. o jeziorach,
natomiast dane o sieci drogowej będą
umieszczone w kolejnym „shapefile”. Pracując
z wieloma „shapefile”, najczęściej każdy z nich
traktuje się jako osobną warstwę na mapie
(rysunek 4). Na każdy „shapefile” składają się
co najmniej trzy pliki. Plik (.shp) przechowujący
dane o kształtach, plik (.shx) zawierający indeks
przestrzenny, którego wykorzystanie znacznie
przyśpiesza proces wyszukiwania kształtów
w (.shp), oraz plik (.dbf) zawierający dane
o atrybutach kształtów, będący de facto bazą
danych w formacie dBase IV. Format ten
jest
powszechnie
wykorzystywany
do
przechowywania informacji w systemach GIS,
dzięki czemu istnieje cała gama narzędzi open
source i komercyjnych używających tego
formatu. Dostępne są również API w wielu
językach programowania (C++, C#, Java,
Python) umożliwiające przygotowanie aplikacji
wykorzystujących ten format.
VPF
VPF to format zapisu danych wektorowych
powszechnie
stosowany
w
wojskowych
i publicznych systemach GIS. Został on
szczegółowo opisany w dokumencie MIL-STD-2407 wydanym przez Ministerstwo Obrony
USA w 1996 roku, który jest udostępniony
publicznie. Podobnie jak format SHP, VPF służy
do przechowywania danych o kształtach, choć tu
mówi się raczej o obiektach i klasach,
umiejscowionych w przestrzeni, z tą jednak
różnicą, że cała mapa zawiera się w jednym
„pliku” VPF, co z kolei wymagałoby wielu
„plików” SHP. Sam model terenu zastosowany
w formacie VPF przypomina geodatabazę;
każdy obiekt powiązany może być z kształtem,
a pomiędzy obiektami mogą występować
relacje.
Informacje
geolokacyjne
mogą
w ramach plików VPF być dzielone na macierze,
co ma zwiększyć szybkość dostępu do danych
i szybkość wyszukiwania obiektów. Bezpośrednio z tych cech formatu wynika jego
skomplikowana struktura. Dane na temat
obiektów z podobnych klas przechowywane są
w tych samych folderach, np. dane na temat
hydrologii, na które będą składały się dane
jezior, rzek, oczek wodnych itp. VPF jest
formatem dużo mniej popularnym niż SHP
i dużo mniej narzędzi potrafi poprawnie
obsługiwać ten format (rysunek 5). Dostępne są
API (Java) pozwalające wykorzystać ten format
we własnych aplikacjach.
Rys. 5. Przykładowe dane hydrologiczne
(rzeki i bagna) zapisane w formacie VPF,
prezentowane w narzędziu ArcMap
GDB
Rys. 4. Przykładowy „plik” SHP zawierający dane
na temat strumieni i rzek zobrazowany
w programie ArcCatalog
GDB to format bazy danych geograficznych
wykorzystywany przez oprogramowanie firmy
ESRI. Łączy on w sobie możliwości
przechowywania informacji geoprzestrzennych
oraz typowo bazodanowych. Format ten został
wykorzystany w trakcie przygotowania danych
do VBS2, aby ułatwić pracę z wieloma plikami
17
J. Koszela, T. Drozdowski, M. Niedziela, H. Ostap, R. Wantoch-Rekowski, Zaawansowane metody…
SHP, VPF i DTED. Przy wykorzystaniu API od
firmy ESRI pozwoliło toujednolicić i uprościć
proponowane rozwiązanie, które korzystało
jedynie z zasobów geobazy danych. Jedna
geobaza danych jest katalogiem, w którym
umieszczone są wszystkie jej zasoby. Format
zapisu danych w GDB jest własnością firmy
ESRI i nie jest udostępniony publicznie, stąd
decydując się na ten format, należy korzystać
z oprogramowania tej firmy bądź z API przez
nią udostępnianych (C++, Java, C#, Python).
Odpowiednie API można pozyskać ze strony
producenta.
DTED
DTED to siatkowy format zapisu danych
wysokościowych
powszechnie
stosowany
w wojskowych systemach GIS. Format ten
został szczegółowo opisany w dokumencie
MIL-PRF-89020B wydanym przez Departament
Obrony USA, który finalną postać uzyskał
w 2000 roku. Podobnie jak w przypadku
poprzednich formatów opracowanych przez
Departament Obrony USA jego specyfikacja
jest dostępna publicznie. Dane wysokościowe
zapisane w tym formacie przechowywane są
w postaci tablic danych wysokościowych,
a podane są w metrach nad poziomem morza.
Tabela 1. Gęstość punktów wysokościowych
dla różnych poziomów DTED
Poziom DTED
Odległość pomiędzy sąsiednimi punktami
wysokościowymi
0
1
2
3
4
5
~1 km
~100 m
~30 m
~10 m
~3 m
~1 m
W zależności od szerokości geograficznej
odległość pomiędzy punktami wyrażona
w stopniach zmienia się, i tak np. dla DTED2
w okolicach równika wynosi ona jedną sekundę
kątową, a w pobliżu bieguna 6 sekund kątowych.
W zależności od poziomu struktura plików
zapisu danych wysokościowych w formacie
DTED różni się, jednak same dane
wysokościowe zapisywane są w postaci tabel.
Jedna tabela z danymi ma szerokość i wysokość
jednego stopnia kątowego. Taka komórka
zapisana jest w jednym pliku i może zawierać
dane 3601 punktów wysokościowych, dla
DTED2, a dla DTED1 1201 punktów. Dane
wysokościowe punktów brzegowych każdej
z komórek powtarzane są w sąsiednich
komórkach. W jednej tabeli dane wysokościowe
zapisane są wierszami, a wiersze ułożone są
zgodnie z szerokością geograficzną im
odpowiadającą, w kolejności od najmniejszej do
największej.
Dokładność danych wysokościowych dla
poziomu DTED2 odpowiada szczegółowości
konturów na mapie w skali 1:50000 (rysunek 6),
natomiast DTED1 odpowiada szczegółowością
mapa w skali 1:250000.
5. Generowanie terenu
z wykorzystaniem różnych
zasobów informacyjnych
Rys. 6. Przykładowe zobrazowanie danych
wysokościowych zapisanych w formacie DTED,
poziom 2
Format DTED przewiduje trzy poziomy
szczegółowości: 0, 1, 2. Choć w ostatnim czasie
zostały zaproponowane trzy kolejne, to nie
doczekały się one standaryzacji. Tabela 1
przedstawia odległość pomiędzy punktami
wysokościowymi oferowaną przez poszczególne
poziomy.
18
Ze względu na bardzo dużą popularność
symulatora VBS2 w zastosowaniach wojskowych na całym świecie dostępne są dla niego
narzędzia i środowiska służące do wspomagania
wytwarzania danych terenowych, takie jak
TerraTools firmy TerraSim. Są to jednak
rozwiązania komercyjne i zawierają pewne
ograniczenia.
Producent
VBS2
udostępnia
wraz
z symulatorem zestaw narzędzi pomocnych
przy generacji map, które z dodatkowym
wspomaganiem
w
postaci
własnego
oprogramowania
umożliwiają
budowanie
zaawansowanych map. Rysunek 7 przedstawia
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 15–22 (2013)
proponowany sposób przygotowania danych
terenowych
dla
symulatora
VBS2
z wykorzystaniem różnych źródeł danych
mapowych oraz własnych i dostarczanych przez
producenta narzędzi [7].
Rys. 7. Schemat procesu generacji danych
terenowych dla symulatora VBS2
W przypadku generacji terenu dla VBS2 na
niektórych etapach istnieje potrzeba ręcznej
weryfikacji. Wynika to z faktu, że teren musi
być dość szczegółowo odwzorowany, a dane
geograficzne często pozbawione są wielu
istotnych z punktu widzenia VBS2 elementów,
np. takich jak: orientacja budynków, rozkład
wnętrz budynków, tekstury obiektów itp.
Na wstępie użytkownik musi zdefiniować
obszar, dla jakiego generowany będzie teren.
Korzystając z aplikacji wytworzonej na WAT,
użytkownik na mapie zaznacza interesujący go
teren, podaje również rozmiar mapy i jej poziom
szczegółowości (rysunek 8).
Rys. 9. Diagram klas opisujący pełną strukturę pliku
w formacie POSEW60 [1]
Następnie
na
podstawie
warstwy
wysokościowej bazującej na danych w formacie
DTED aplikacja tworzy mapę wysokościową
i zapisuje ją bezpośrednio do pliku z terenem.
Na tym etapie może zajść konieczność
wykonania przez aplikację interpolacji danych
wysokościowych, zwłaszcza w sytuacji kiedy
dane wysokościowe będą miały zbyt małą
rozdzielczość w stosunku do tej wybranej przez
użytkownika. W tym momencie można
zastosować
interpolację
bilinearną
lub
najbliższego sąsiada.
Rys. 10. Sposób zapisu wartości punktów
wysokościowych w tablicy pliku mapy formatu
8WVR [1]
Rys. 8. Przykładowe umiejscowienie terenu
do generacji mapy dla VBS2
Aplikacja dokonuje wszystkich niezbędnych obliczeń oraz tworzy plik projektu terenu
w formacie POSEW60 (rysunek 9) wraz
z niezbędnymi plikami konfiguracyjnymi, który
w efekcie końcowym jest przekształcany do
formatu 8WVR używanego przez silnik gry
VBS2 – Virtual Reality (rysunek 10).
W kolejnym kroku na podstawie wybranej
warstwy z danymi mapowymi, np. w formacie
CADRG, generowana jest tekstura terenu,
ustalenie rozmiaru odbywa się automatycznie.
Tekstura w pierwszej kolejności zapisywana jest
do pliku (.png), a później ładowana
przez użytkownika do pliku projektu terenu
za pomocą aplikacji VBS2 Visitor3. Następnie,
wykorzystując
dane
zapisane
rastrowe
w formatach CADRG, MrSID, GeoTiff oraz
dane wektorowe w formatach SHP i VPF,
tworzony jest przez użytkownika plik maski
19
J. Koszela, T. Drozdowski, M. Niedziela, H. Ostap, R. Wantoch-Rekowski, Zaawansowane metody…
terenu (rysunek 11). Można w tym celu
wykorzystać program Global Mapper, który
standardowo dołączany jest do VBS2. Wraz
z plikiem maski tworzony jest plik legendy
oraz uzupełniane są wpisy w plikach
konfiguracyjnych dotyczące terenu i jego
właściwości mających wpływ na symulację, np.
trudność pokonywania, zapiaszczenie, tekstura,
jaka ma zostać użyta. Użytkownik musi przed
przystąpieniem do tego etapu przygotować
zestaw danych terenowych, które znajdą
odniesienie w tworzonym pliku maski.
są pojedyncze obiekty, które losowo zapełniają
wskazany obszar. Ważnym elementem na tym
etapie jest również biblioteka modeli obiektów,
gdyż każdemu dodawanemu obiektowi musi
zostać przyporządkowany model 3D. Biblioteka
obiektów musi zostać przygotowana przez
użytkownika, który powinien na tym etapie
uwzględnić charakter terenu, np. występowanie
określonych gatunków drzew czy też typową dla
rejonu zabudowę (rysunek 12).
W tym momencie niezbędna jest ingerencja
użytkownika w zawartość bazy danych w celu
poprawienia danych zawartych w bazie. Krok
ten jest konieczny ze względu na losowanie
w poprzednim kroku pewnych parametrów
obiektów, co często może prowadzić do niewłaściwych rezultatów, np. budynki tworzące
osiedle będą zorientowane każdy w inną stronę.
Dokonanie niezbędnych modyfikacji ułatwia
generowany podgląd terenu.
Rys. 11. Przykładowy plik maski terenu
z zaznaczonymi rodzajami terenu
i podziałem mapy na segmenty [2]
Po utworzeniu pliku maski tworzona jest
baza danych o obiektach terenowych. Zawartość
bazy danych zostaje wygenerowana na
podstawie danych w formatach SHP i VPF.
Sama baza danych została tak zaprojektowana,
aby nie było konieczności wykonywania
kolejnych konwersji i jej schemat odpowiada
formatowi plików (.lbt), za pomocą których
obiekty będą dołączane do danych terenowych
dla symulatora. Użycie tych plików skutkuje
możliwością dodania do terenu dużo większej
liczby obiektów, w stosunku do dodania ich
bezpośrednio do danych terenowych, dzięki
temu, że dane w nich zawarte będą mogły być
przez VBS2 ładowane dynamicznie, kiedy będą
potrzebne. Ze względu na różny zakres danych
informacyjnych przechowywanych w formatach
SHP, VPF i (.lbt) niezbędne jest na tym etapie
uzupełnienie zawartości bazy danych. Dane
geoprzestrzenne nie zawierają standardowo
takich informacji jak orientacja obiektów
w przestrzeni czy też ich wielkość, natomiast
takie dane wymagane są przez symulator
do poprawnego renderowania obiektów.
W opisywanym rozwiązaniu brakujące dane
generowane były losowo w oparciu o cechy
charakterystyczne dla wybranego obszaru.
Należy również dodać, że na tym etapie dla
danych obszarowych, np. dla lasów, generowane
20
Rys. 12. Podgląd terenu w trakcie edycji zawartości
bazy danych o obiektach terenowych [1]
Kolejny krok jest opcjonalny. Istnieje
możliwość uzupełnienia obiektów pozyskanych
z plików SHP i VPF. Można w tym celu
posłużyć się szeregiem programów. Jednym
z nich jest program opracowany na WAT
umożliwiający generowanie losowych terenów
zabudowanych (rysunek 13).
Rys. 13. Przykład dodania do terenu dla VBS2
obszaru zabudowanego przy wykorzystaniu
generatora opracowanego w WAT [3]
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 15–22 (2013)
Po wykonaniu poprawek i uzupełnieniu
zawartości bazy danych na jej podstawie
generowane są pliki (.lbt).
Na tym etapie użytkownik, korzystając
z programu Visitor3 (lub nowszego Visitor4),
scala wszystkie elementy wytworzone w trakcie
realizacji procesu. Ma w tym miejscu również
możliwość dokonania niezbędnych korekt.
Ostatnim
krokiem
jest
spakowanie
dołączonym do VBS2 narzędziem plików
terenowych i zapisanie ich w formacie (.pbo).
6. Wnioski
W
opracowaniu
przedstawiono
sposób
przygotowania danych terenowych na potrzeby
wysokorozdzielczej symulacji działań taktycznych realizowanych w środowisku symulatora
wirtualnego VBS2. Na potrzeby tego rodzaju
symulacji wymagane jest bardzo szczegółowe
odwzorowanie terenu działań na podstawie map
cyfrowych standardu GIS (m.in.: VPF, DTED,
SHP, CADRG, MrSID, GeoTiff). Efektywność
procesu przekształcania danych terenowych
zapisanych w formatach standardu GIS w dużej
mierze zależy od jakości, szczegółowości
i poprawności tych danych. Dokładność
odwzorowania dla symulacji wysokorozdzielczej
jest bardzo istotna dla realizacji symulacji
na poziomie taktycznym, a w szczególności
dla działań asymetrycznych i w terenie
zabudowanym. Przedstawione w opracowaniu
rozwiązanie zostało praktycznie wykonane
i zastosowane do symulacji wielorozdzielczej
działań konfliktowych i kryzysowych.
[5] R. Antkiewicz, W. Kulas, A. Najgebauer,
D. Pierzchała, J. Rulka, Z. Tarapata,
R. Wantoch-Rekowski, ”Some aspects of
designing and using deterministic and
stochastic simulators for military trainings
and CAX'es”, Proceedings of the Military
Communications and Information Systems
Conference MCC’2008, September 2008,
Cracow, Poland.
[6] R. Antkiewicz, W. Kulas, A. Najgebauer,
D. Pierzchała, J. Rulka, Z. Tarapata,
R. Wantoch-Rekowski, M. Chmielewski,
R. Kasprzyk, J. Koszela, „Symulacyjny
model działań bojowych szczebla
operacyjnego i taktycznego”, w: Badania
operacyjne i systemowe a zagadnienia
społeczeństwa informacyjnego,
bezpieczeństwa i walki, str. 253–266,
IBS PAN, Warszawa, 2008.
[7] J. Koszela, M. Mańko, M. Niedziela,
H. Ostap, T. Tarnawski, ”Preparation of
terrain data for the needs of multi-resolution
battle space simulation system”,
in: Concepts and Implementations for
Innovative Military Communications and
Information Technologies, Warszawa, 2010.
7. Bibliografia
[1] M. Niedziela, praca dyplomowa
pt. Mechanizm generacji danych
o ukształtowaniu terenu na potrzeby
symulacji działań militarnych wysokiej
rozdzielczości, Warszawa, WAT, 2011.
[2] http://community.bistudio.com
[3] T. Szczepański, praca dyplomowa
pt. Projekt generatora elementów
infrastruktury urbanistycznej w środowisku
VBS2, Warszawa, WAT, 2011.
[4] R. Antkiewicz, W. Kulas, A. Najgebauer,
D. Pierzchała, J. Rulka, Z. Tarapata,
R. Wantoch-Rekowski, ”Modelling and
simulation of C2 processes based on cases
in the operational simulation system
for CAX”, 1st Military Communication
and Information System Conference
MCC’2006, Gdynia, 2006.
21
J. Koszela, T. Drozdowski, M. Niedziela, H. Ostap, R. Wantoch-Rekowski, Zaawansowane metody…
Advanced methods of terrain data preparation
for VBS2 simulator
J. KOSZELA, T. DROZDOWSKI, M. NIEDZIELA, H. OSTAP,
R. WANTOCH-REKOWSKI
The paper contains a description of the terrain data preparation for the virtual simulator VBS2. A model of
terrain use in the simulator was presented. The technology and the software used to generate terrain data with
the most important properties was presented. The specification of the main data formats was presented (SHP,
GDB, VPF, TDED). The article concludes with a description of the process of generation of terrain data for
the selected area.
Keywords: VBS2, simulation, terrain data.
22
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 23−31 (2013)
Applying the Concept of Figural Goodness for Automatic Design
of Dataset Visualization
T. RZEŹNICZAK
tomek.rzezniczak@gmail.com
Institute of Computer and Information Systems
Faculty of Cybernetics, Military University of Technology
Kaliskiego Str. 2, 00-908 Warsaw, Poland
Many approaches to automatic design of graphical presentation are focused on creating graphical presentation
for a given data type, often without considering actual instances of data. This is due to the fact that they aim to
be general purpose solutions. In this study a method which draws attention to characteristics of the actual data
to be presented is adopted. Knowing characteristics of data that will be shown to the observer in advance,
allows much more customized approach and better performance of constructed visualization. Visualisation
performance in this case is understood as an ability to identify and recognize presented objects quickly and
easily. Construction of the method relies heavily on research in the area of data visualization and perceptual
psychology – with special emphasis on figural goodness.
Keywords: data visualization, graphical languages, structural information theory, figural goodness.
1. Introduction
Data visualization is nowadays a common way
to represent and analyze information. There are
many well-known benefits of data visualization,
among others: human natural ability to quickly
process visual patterns, large amount of
information represented in a single image,
understanding of complex data is assisted. All of
these results in great interest in the subject, so
there is nothing surprising in many works being
carried out on automatic design of graphical
presentations [20, 23]. Their most common
goal is to build a framework which creates
a presentation method for a given data type.
In their assumptions the data type is unrestricted.
That means these are general purpose solutions
that can present any kind of information. This
gives great flexibility, but on the other hand
surely there must be better solutions in some
cases.
In this paper the space of data types for
which a presentation is constructed is narrowed,
this results in the ability to use more informed
design. The data considered here is a set of
objects, each with limited set of attributes (more
precise definition will be provided later). Other
narrowing assumption is that a presentation is
constructed for well-defined purpose. The goal
in this case is to identify and recognize presented
object among others in the set. This is a very
common human task, especially for diagnostic
processes, where a number of characteristics
describing an actual state of some entity exist.
These characteristics enable to recognize a cause
of the entity's condition. A real-world example
is medical diagnosis: referring to the process
of identifying a possible disease based on
symptoms [1, 2]. Here, the visualized objects
correspond to the condition being diagnosed and
the presentation goal is to support this process.
In the next section an attempt to outline the
problem of constructing visual presentation to
achieve the above goal will be undertaken.
But in the beginning, in order to set some
theoretical background, areas of: graphical
languages, Gestalt psychology and Structural
Information Theory, will be introduced [9, 11,
20, 21, 23, 27] .
2. Graphical languages
A graphical language can be considered as
a description of how a graphic corresponds to
represented information. According to pioneers
in the area of automatic design of graphical
presentations, graphical languages are similar to
other formal languages through defining precise
semantic and syntactic of constructed sentences
[20]. Therefore, presentations can be seen as
sentences in a graphical language. In context of
an input data set, the main characteristics of
a graphical language are its: expressiveness and
effectiveness.
23
T. Rzeźniczzak, Applyingg the Concept of Figural Go
oodness for Auutomatic Desiign…
The exxpressiveness criteria caan be clearlyy
specified for each graphicall languagee.
A graphicaal language satisfies exxpressivenesss
criteria wheen it is possiible to generrate sentencees
that expresss all the factss representedd by the inpuut
data. The issue here is that thhe generatedd
sentences may
m introducce additionall facts whichh
are not correct.
c
Theerefore, a language is
i
expressive when
w
it reprresents all thhe input factts
and these faacts only.
The effectivenesss criteria is more
complicatedd to evaluaate, since it can base
on many different faactors, like accuracy of
o
interpretatioon, its speedd, presentatioon simplicityy
or any othher characteeristic relateed to humann
perception. For examplee, Mackinalyy in his workk
on automatting presentation designn focuses onn
accuracy of interpretattion [20]. He
H based hiis
study on thhe fact that a person haas to perform
m
perceptual task when interpreting a graphicaal
presentationn. The taskk strongly depends onn
a graphicall technique used to construct
c
the
presentationn. Determininng a positionn of graphicaal
object, its length, collor, size, etc.,
e
may be
an example of suchh task. Siince humann
perception is
i equipped for
f some taskks better thann
the other, Mackinaly measured effectivenesss
comparing perceptual task requiredd by differennt
graphical languages. For thiis purposee,
Mackinaly prepared a ranking (Table 1) of
o
perceptual tasks’ efficiiency depennding on the
type of graaphical codinng. Mackinllay’s rankingg
includes quuantitative, nominal
n
and ordinal data
types [7, 200, 25].
Tab. 1. Mackinlay’s
M
rannking of perceeptual tasks
efficiency − from the most to the least efficient [20]
Quantitativve
Position
Length
Angle
Ordinaal
Positionn
Intensitty/Value
Colour
(saturattion)
Slope
Colour (hue)
Area (Size))
Texturee
Volume
Connecction
Intensity/Vaalue Containnment
Colour
(saturation))
Colour (huee)
Texture
Connectionn
Containmennt
Shape
Noominal
Poosition
Coolour (hue)
Teexture
Lengthh
Coonnection
Coontainment
Inttensity/Value
Coolour
(saaturation)
Shhape
Angle
Slope
Area (S
Size)
Volumee
Shape
Leength
Anngle
Sloope
Arrea (Size)
Voolume
Lookinng for optim
mal languagee to represennt
given set of
o data, it is necessaryy to identify
fy
24
a spaace of posssible grapphical langu
uages.
Mackin
naly limitedd the space to a set of welldefined
d primitive languages
l
likke: line charrt, bar
chart, tree, verticaal/horizontal axis, color,, size,
shape, etc. The prim
mitive languages are classsified
by theiir encoding techniques,
t
ffor instance: single
positio
on languagge (vertical//horizontal axis)
encodees informatioon by its poosition, retinal list
langua
ages (color, size, shappe, etc.) encode
inform
mation using six retinal pproperties deefined
by Bertin [4, 5]. Since the uusage of a single
primitiive languagee may be nott enough for many
possiblle presentaations’ neeeds, Mack
kinaly
introdu
uced compoosition algebbra. The allgebra
consistts of primitivve languagess and compo
osition
operato
ors which allow prodducing altern
native
languaages based onn primitive ones.
Fig. 1. Modell of graphical presentation
undderstanding [223]
osition
Despite the fact that, the compo
algebraa extends capabilities of Mackin
naly’s
solutio
on, it is still limited
l
becauuse of small set of
primitiive techniquues. First-priinciple frameework
constru
ucted by Micchael Shiff, rrepresents an
nother
approaach to the toppic of autom
mating presen
ntation
design [23]. Deepp decomposiition of grap
phical
languaages design space and lleveraging human
h
visual perception process ffor selectio
on of
optimaal presentattion methodd is the main
charactteristic of first-principple. Schiff used
perception model similar to thhose presentted by
Pinker’s theory of
o graph unnderstanding
g and
Lohse’’s model off extracting information from
graphs [17, 18, 22]. First-princciple bases on
o the
assump
ption that two steps: perception
n and
interprretation, takee place indeppendently. Firstly,
F
human
n perceptionn decodes ggiven presen
ntation
and su
ubsequently interpretatiion of percceived
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 23−31 (2013)
information occurs. The presentation can be seen
as a graphical description composed of graphical
objects which are identified by perception and
based on it a perceptual description is built.
The perceptual description is then interpreted
and transformed to a cognitive level. Cognitive
description is a mental representation of
information incorporated in a graphical
presentation. The basic model of perceptual
processing and information extraction is shown
in Figure 1.
Coming back to the size of design space,
in Schiff’s approach, graphical description
is more fine-grained than Mackinaly’s set of
primitive languages. Graphical objects that make
up the graphical description are instances of
graphical primitives. Possible primitives can be:
lines, arrows, circles, rectangles. Each primitive
has its fixed set of parameters, like: color, size,
position, which altogether give large design
space. To cope with this and handle construction
of graphical language, Schiff defines two
types of principles: logical principles and
psychological principles [23]. Logical principles
are a kind of filters which determine if
a language is able to represent input data.
Psychological principles perform further
selection based on how suitable the language is,
considering people accuracy and speed in correct
understanding of encoding convention (encoding
convention is elaborated in next sections). This
is necessary since first-principle may have
to deal with previously unknown graphical
languages, contrary to Mackinaly’s approach
[20].
Psychological principles are subsequently
divided into interpretive principles and
perceptual principles. Interpretive principles are
most difficult to specify objectively, because
they describe characteristics that make
a presentation easy to understand without any
confusion. On the other hand, the perceptual
principles determine how effective a graphical
language is for a given data, where effectiveness
is measured by speed and accuracy of perceptual
distinction made by observer of a graphical
presentation.
Comparing
to
interpretive
principles, this area is far more explored by
researches and has better theoretical foundations.
Summarizing, a set of principles is used for
the purpose of filtering and selecting of
an optimal graphical language for input data
type. The finally selected language in terms of
first-principle approach is composed of:
• a set of graphical primitives that will be
used in the presentation
•
•
a specification of correspondence between
domains of each data tuple and some
properties of the graphical primitives
a specification of relationship between
graphical primitives required to encode data
relation, when multiple primitives encode
single data relation.
3. Selecting encoding convention
Now, let's focus on how to build a graphical
language and eventually transform information
into its graphical representation. As mentioned
earlier, a graphical presentation can be described
at several levels. The method of transition from
one level to another is called encoding
convention [23] – starting from the cognitive
description, through the perceptual description
down to the graphical description. Some
examples of entities used at different levels are
presented in Tab. 2. It is evident that encoding
convention must specify a systematic method
of mapping between subsequent description
levels for a certain type of data set. Selected
method should allow constructing a graphical
presentation for any data set instance of given
type. Automating the selection process is
a critical area for the domain of automatic
presentation design. In this article the area will
be narrowed, so the encoding convention is
partially predefined in a manual process, at the
same time the focus is aimed at particular data
type and detailed characteristics of the selected
encoding convention.
Tab. 2. Examples of entities for different levels
of description [23]
Level
Entitites/Components and examples
Cognitive objects/tuples/relations (e.g. <attrib1,
attrib2, ...>)
domains (set of possible attributes)
Perceptual Perceptual objects (e.g. circle,
rectangle)
Properties (e.g. size, postion)
Graphical Graphic objects (e.g. circle, point)
Parameters (e.g. x, y, radius)
The
task
of
creating
graphical
representation is naturally divided into two
subtasks which rely on the introduced
description levels. The first one is to transform
from the given data set (which is actually
a cognitive description) to perceptual model.
The main issue here is to choose data
representation which allows an observer to note
25
T. Rzeźniczzak, Applyingg the Concept of Figural Go
oodness for Auutomatic Desiign…
all semanttically relevvant attributtes in suchh
a way, thatt information can be exxtracted. The
second subtask is to consider
c
how
w the chosenn
perceptual description
d
should be insstantiated intoo
graphical objects with their layout andd
properties, so as to enssure that thee recipient is
i
able to extrract certain perceptual
p
properties andd
perceptual relations effectively.. Describedd
subtasks were
w
called by Shiff respectivelyy:
representatiion and layout.
Beforee explainingg a proposeed encodingg
convention, it is necessaary to introduuce data type
which will be exploreed and the goal of the
graphical prresentation. The data typpe is definedd
as a set off objects; eaach object has
h a set of
o
attributes where
w
all attrributes belonng to a single
domain. Thhe domain type
t
is nom
minal and the
number of attributes foor particular object is noot
explicitly deefined but deepends on thhe instance of
o
the data set.
s
Followiing this deefinition, the
instance off informationn to be preseented can be
modelled as
a a set of objects O and
a
a set of
o
possible domain attribuutes A, wheree each objecct
x∈ O is defined as x⊆ A. The maiin purpose of
o
the presenttation is to enable the observer too
identify inndividual object
o
x and extracct
informationn about its characteristiics. In otheer
words, enncoding coonvention must
m
allow
w
a graphicall representaation and differentiation
d
n
of each objeect from the set O.
It musst be noted,, that selectted encodingg
convention is being prrepared for one specific
data type (aand even forr a particulaar instance of
o
data) – noot for any data
d
type, therefore
t
the
representatiion stage cann be construccted once andd
it can be done
d
manuaally, taking into accounnt
human percceptual capabbilities. The layout task is
i
treated diffferently annd engagess automatedd
processes for
fo solving thhe problem, what will be
elaborated further
f
in thee article.
On thhe basis of earlier deffinitions, the
proposed enncoding convvention can be describedd
as follows:
• cognitiive level description – a set of objectts
O, a set
s of possibble domain attributes A,
A
each obbject x∈ O iss defined as x⊆
x A
• percepttual level description
d
– perceptuaal
objectss are: points and
a lines
• mappinng between cognitive annd perceptuaal
level – each attribuute of the coggnitive objecct
x is reppresented by a single poinnt on a planee,
all poiints that beelong to one object are
conneccted by linees, so the whole
w
objecct
createss a closed pollygon
• graphiccal level description – a point on gridd
of n equal cells, where
w
n is a number of
o
differennt attributes in the set A. Each celll
26
ot can
reepresents a diifferent attribbute and a do
bee placed onlyy inside a celll
• mapping
m
betw
ween percepttual and grap
phical
lev
vel – each point
p
of the pperceptual leevel is
reepresented byy a single dot on the grid
d, each
lin
ne is repressented by ssingle line drawn
d
beetween dots.
Examp
ple presentaation usingg this enccoding
conven
ntion can bee found in F
Figure 2. Having
H
above definition, the
t key probblem to solvee here
is layo
out – how to place points and lines on
o the
grid in
n such a mannner that coggnitive objeccts are
effectiv
vely extracteed, identifiedd and remem
mbered
by an observer.
o
Fig
g. 2. Example presentation
p
– generated wiith
proposedd encoding connvention
he layout taask will bee elaborated later
Th
in this article. Now
w I will focuus on the raational
behind
d this encodding convenntion. There is at
least a couple of reasons
r
which originate from
the datta type characteristics.
Fiirst of all, objects aare describeed by
nomina
al attributes, which means that theey are
only named
n
values. There is no defined order
and no
o arithmetic operations are possiblee [25].
The on
nly thing thaat can be doone over no
ominal
values is comparinng them wiith other no
ominal
values.. This impliees that standdard techniqu
ues of
visualization such as line chartts, bar charts, etc.
are harrd to apply.
Seecondly, loooking at Maackinlay’s raanking
of percceptual tasks efficiency (T
Table 1), it can
c be
noticed
d that determ
mining a possition of grap
phical
object is most effficient for aall the data types
includiing nominall. It is clearr, that the use
u of
space is the most
m
signifficant aspecct of
visualization. Space is treated iin a particulaar way
in relaation to otheer image attrributes – it is the
basis, on which other
o
elemennts are distriibuted
BIUL
LETYN INST
TYTUTU SYS
STEMÓW INF
FORMATYC
CZNYCH 11 223−31 (2013)
[6]. The
T empty sppace of an im
mage is a coontainer
with a metric struucture that can
c be descriibed by
axis. For the nom
minal data typpe axis are covered
c
by reegions divideed into subreegions. Conssidering
the above
a
argum
ments, leverraging the use of
arbitrrary locationn in space to exhibit attribbutes of
an obbject, as it is proposed in
i this study, seems
to be well justifieed.
T
There
is onee more argum
ment that cannnot be
negleected. Such encoding convention allows
introdduction of shhape percepttion. From all
a other
propeerties of a graphical object, shhape is
probaably the mosst important.. This is duee to the
fact that it is thhe most infformative prroperty,
whichh allows to receive a greater num
mber of
facts about the object
o
than anything elsse [21].
As thhe purpose of
o presentatioon specified earlier,
is to identify deppicted objectt, taking advvantage
of obj
bject's figure is strongly leegitimate. Innfluence
of shhape on visuaal perceptionn of figures will be
elaboorated furtherr in the next section.
define
d
any objective
o
meeasure. A sim
mple methodd
would
w
be to analyze a sstructure of a figure, forr
example
e
the number of ssides increases perceivedd
complexity.
c
But even ffor the samee number off
sides,
s
figuree’s complexiity can diffeer (Figure 3))
[21]. It appeaars that the nnumber of co
omponents iss
not
n an adeqquate measuure and the complexityy
must
m
dependd on the w
way the com
mponents aree
assembled
a
together. Whhich comes back to thee
main
m
assumpption of Gesstalt psycholo
ogy – globall
relation
r
of thhe perceivedd componentss is the mostt
important.
i
4. F
From figu
ural goodn
ness to
S
Structural
l Informattion Theorry
A speecial sensitivvity of humaan vision to ’good’
structtures was first
fi
noticed by the authhors of
Gestaalt psycholoogy. They cllaimed that people
tend to organizee visual eleements into groups
[27]. Only global relation, between ellements
formiing an imagee, determinees the key asspect of
perceeption. That is why whenn looking at a set of
dots outlining a rectangle, we
w see a figgure not
just a set of doots. Max Wertheimer
W
a
and
his
co-woorkers form
mulated prinnciples expplaining
perceeptual organiization calledd gestalt law
ws [27].
Anothher achieveement of their
t
work is the
conceept of figuraal goodness [14,
[
21]. It is
i based
on thhe observatioon that som
me sets of ellements
seem
m to be sim
mpler and beetter organizzed, so
calledd good figgures, whereeas other sets
s
of
elemeents are com
mplex and poorly
p
organnized –
bad figures.
f
The figural goodness characcteristic
of an
a object can be well
w
describbed as
a coomposition of regularitty and sim
mplicity.
For some shapes such as a cirrcle, any channge can
only degenerate itts goodness [21].
T interest in good figuures is motivvated by
The
the efficiency
e
off processing.. There is a strong
correlation betweeen performaance of som
me tasks
and human
h
opinioon on the gooodness of thee figure
[8]. Garner foound evideence that people
remem
mber, descrribe, matchh and learnn good
figurees much bettter than bad ones.
o
N
Now
let’s foocus on the method of how to
determ
mine the goodness of a figure.
Unfortunately, gestalt
g
psycchologists did
d
not
Fig. 3. A) Example on hhow the number of sides
inccreases perceivved complexity;
B) Exampple on how reegularity affects figural
goodness, even
e
for the saame number of
o sides [21]
There are
a at least tw
wo approach
hes that takee
into
i
accountt the whole structure off a figure inn
complexityy. First was formulatedd
determining
d
by
b Wendelll Garner [[8]. His Ro
otation andd
Reflection
R
Subset thheory deffines eightt
transformatio
t
ons applicaable to a figure:
f
fourr
rotations
r
(0,, 90, 180, 2270 – degreees) and fourr
reflections
r
(horizontal, vertical, leeft-diagonal,,
al – axes). Inn this approaach goodnesss
right-diagon
r
is
i inverselyy proportionnal to the number off
different
d
figuures generatted by the ap
pplication off
all
a transforrmations too the origiinal figure..
For
F instancee, applying the transforrmations onn
a square givves in all eeight version
ns the samee
square.
s
At thhe same timee, applying it
i to random
m
trapezoid
t
prooduces eightt different vaariants of thee
figure.
f
This simple experriment is con
nsistent withh
the
t
gestalt assumptionss, because a square iss
an
a objectiveely simpler figure then
n trapezoid..
The
T
only problem with transsformationall
approach
a
is that not all cases can be explained..
For
F
variouss figures thhe number of differentt
transformatio
t
ons may be equal, but they
t
are nott
equally
e
’goood’ [21].
Other theories
t
whiich deal weell with thee
previous
p
issuue also existt. They are derived
d
from
m
another
a
maajor gestaltt principle formulatedd
277
T. Rzeźniczzak, Applyingg the Concept of Figural Go
oodness for Auutomatic Desiign…
by Koffka – Law of Pragnanz
P
[115]. The law
w
indicates that
t
human perceptionn is led byy
simplicity. Therefore, a preferred interpretation
i
n
of a shape is
i reflected inn the simplesst descriptionn
of that shappe. The exam
mple in Figuure 4 helps too
understand this dependdency. The Pragnanz
P
law
w
does not speecify how too determine the
t simplicityy
of the shappe. First steeps towardss finding the
method were
w
made thanks too Shannon’s
Informationn Theory [24]].
Fig. 4. Praggnanz law visualization, onne pattern can
have many
m
interpretaations, but thee simplest
is preferreed. In this casee interpretatioon B is more
probable than
t
A [13]
Attneavve and McA
Alister noticed that humann
visual systtems encode shapes optimally
o
byy
leveraging regularities such as: symmetry
s
o
or
repetition [33, 14]. Manyy perceptionss are possiblee,
but the onee actually peerceived hass the shortesst
encoding, because
b
eacch regularityy means lesss
bits of inforrmation needded for the coode. This waas
a first objecctive measurre of simpliccity. But how
w
the code shoould look likke was not sppecified, untiil
Leeuwenberrg introduceed Structurall Informationn
Theory (S
SIT) [16]. Formalizatiion of SIT
T
encoding model
m
startedd from 1D and
a then waas
generalized to 2D pattterns. Accorrding to SIT
T,
the process is composedd of three stepps [12, 13]:
1. 2D vissual pattern is representted by a 1D
D
sequennce of symbols (e.g. chaaracters), the
only restriction
r
i that the 2D patternn
is
is unnambiguouslly reproduucible from
m
the seqquence of sym
mbols.
2. The seequence of symbols is encoded byy
means of encodinng rules, whhich describe
regularrities
am
mong
sym
mbols
andd
subseqquences of syymbols.
3. The seelection of simplest coode is made
using complexity
c
m
metric
calledd Informationn
Load, which musst be in linne with the
discusssed earlier Laaw of Praegnnanz.
28
Tab. 3. Codding rules exam
mples [13]
Rules
Symbool sequ.
Coode
Iteratio
on
aaa...aaa
m**(a)
Symmetry
abcdcbba
S[((a)(b)(c),(d)]
Alternaation abacadd
bacadaa
<(aa)>/<(b)(c)(d))>
<(bb)(c)(d)>/<(a))>
The en
ncoding rules are stronglly connected
d with
visual regularitiess. SIT deveeloped a set
s of
regularrities, whichh then was nnarrowed to three
major so called transparrent hologrraphic
regularrities. Thee holograpphic regulaarities
basicallly cover all the other reggularities (brroader
rationaal is beyondd the scopee of this arrticle),
namely
y: iteration, symmetry, alternation. Rules
represeenting them
m are resppectively: I--form,
S-form
m, A-form, reeferred togetther as ISA--forms
(Table 3).
pplying the rules to thee original sy
ymbol
Ap
sequen
nce and alll the subbsequences gives
combin
natorial expllosion of thee possible miinimal
end co
odes. To seaarch this sppace and evaluate
possiblle coding, one
o needs m
mentioned earlier,
e
information load metric.
m
Sincee SIT comp
plexity
metric is a separatee issue, for tthe purpose of
o this
article number of
o symbols that remaain in
the en
ncoded sequeence can bee a good en
nough
approx
ximation. For examplee, below is
i an
approx
ximated infoormation looad of follo
owing
codes:
• ab
babab ↔ 3*((a)(b)) : innf. load = 2
• ab
bcdcba ↔ S[(a)(b)(c),((d)] : inf. load = 4
• ab
bacad ↔ <(a)>/<(b)(c)
<
)(d)> : inf. lo
oad =3
Summaarizing, SIT passes from theory to prractice
and gives
g
the ability
a
to calculate figural
fi
goodneess. Hence,, comparinng efficienccy of
different figures is also feasiblee.
5. SIIT and Laayout Task
k
SIT do
oes not provide a speccific way ho
ow to
transfo
orm 2D patteern/figure intto 1D sequen
nce of
symbols. The natuural assumptiion is that itt must
be a reversible process.
p
Thhe most com
mmon
converrsion methood is baseed on follo
owing
a figurre contour annd coding itt as a sequen
nce of
sides leength and anngles betweeen them – co
ontour
code. Example
E
forr a trapezoidd is presented on
Figure 5, representting it as a coode, using co
ontour
coding
g, could takke a form oof aebeadcd
d (inf.
load = 8). After appplying ISA-form, its sh
horten
version
n, taking intto account ssymmetries of
o the
trapezo
oid is: S[(a)(ee),(b)]S[(d),((c)](inf. load
d = 5).
BIUL
LETYN INST
TYTUTU SYS
STEMÓW INF
FORMATYC
CZNYCH 11 223−31 (2013)
polygons
p
arre based oon spatially contiguouss
condition,
c
proposed by Tuijl and Leeuwenberg
L
g
[13, 26]. Thhe computational com
mplexity off
a naive algorrithm solvingg this task is O(k!).
Figg. 5. The figuree of trapezoidd with labelledd sides
annd angels. 1D
D sequence couuld be: aebeaddcd,
annd applying IS
SA-forms: S[(aa)(e),(b)]S[(d)),(c)]
U
Using
the discussionn on grraphical
languuages and figural
fi
goodnness, let’s move
m
to
descrribe the layoout task. Reecalling the task in
the figural
fi
goodnness nomencclature, it cooncerns
findinng a methodd of how to arrange the grid of
attribbutes A in such
s
a way that all vissualized
objeccts O form good
g
figuress. So that it allows
and
identifying
effecttive
extrracting,
remem
mbering them
m.
N
Now,
let’s consider hoow to find optimal
o
grid arrangementt. Using meethods presented in
previous sectionss, it is possibble to calcullate the
inform
mation load of a given object for a single
grid arrangemennt. An aggrregated com
mplexity
measure for the given grid can
c be obtaiined by
calcuulating and adding
a
inform
mation loads
ds of all
objeccts from O.. The aggreegated inforrmation
load is then a selection crriteria of thhe grid
arranngements. Thhe lower looad the bettter grid
(the grid optimaality is inveersely propoortional
to thhe load). Grid
G
selectedd this way ’holds
a proomise’ of each object visualisationn being
a goood figure.
this
articcle
rather
A
Although
has
an inntroduction nature and detailed alggorithm
is nott a subject heere, I will tryy to show thee list of
probllems which must be solved
s
in order to
compplete the laayout task. Looking for
f
the
optim
mal grid, com
mputational complexity
c
b
become
very crucial pooint, there are three major
probllems:
blem I – figu
ure constructting
Prob
As it was mentioned
m
earlier durinng the
discuussion on encoding conventionn, the
visuaalized objectss are represeented by poiints and
conneecting them
m lines in such a waay that
altogether they foorm a closed polygon. In theory,
any point
p
can be connected too any line. As
A it can
be obbserved, the number
n
of possible
p
connnections
configuration deppends on thee number off object
attribbutes and it iss of order k!. Not all of thhem are
valid configuratioons since inntersecting liines are
not allowed. Seelection critteria amongg valid
Problem
P
II – minimal ccode
When
W
a figgure is connstructed it is easy too
produce
p
the contour code. The nex
xt step is too
find
f
the minimal code for this co
ontour code..
Basic
B
approoach to this problem may lookk
as
a follows:
1. Searchinng for ISA-fform which can
c describee
some syymbol subseqquences;
2.
2 Replacing the founnded subseq
quence withh
related ISA-forms;
I
3.
3 Continuuing searchhing in th
he resultingg
sequencce.
The
T
search space for minimal code
c
growss
exponentially
e
y with the nuumber of sym
mbols in thee
initial
i
code. The exponential scale of this taskk
has
h two sourrces [10, 12, 13]. In a co
ode of lengthh
N,
N the numbber of differeent length su
ubsequencess
is
i N*(N+1)//2, which ggives polyno
omial searchh
space,
s
but all possiible combiinations off
subsequence
s
es which m
make O(2N) are in ourr
actual
a
intereest. The seecond problem here iss
finding
f
IS
SA-forms
covering
for
eachh
subsequence
s
e, which iis a super-exponentiall
problem
p
O(22NlogN).
Problem
P
IIII – grid selecction
Problem
P
I and
a Problem II are only consideringg
single
s
figuree and single grid, but th
he main taskk
is
i to checkk all possiblle grids. It is easy too
calculate
c
thaat for n attrributes in th
he set A, n!
valid
v
grid arrrangements exist (assum
ming a fixedd
number
n
of rows and ccolumns in the grid –
a square gridd). Manipulaating the ratio of rows too
columns
c
givees completelly new arrang
gements andd
obviously
o
inncreases the number of all possiblee
combination
c
ns. For simpliicity reasonss only squaree
grids
g
will be consideered, even though thee
problem
p
has complexity of O(n!).
Consideering potentiial solutions to the abovee
problems,
p
P
Problem
I caan be repressented usingg
graph
g
theoryy. Assuming that points are vertexess
in
i a complette graph, a seearch for a vaalid polygonn
may
m
be appproximatedd by findin
ng minimall
Hamiltonian
H
n cycle in suuch a graph [13].
[
This iss
a well-know
wn problem ffor which maany heuristicc
algorithms
a
thhat can be appplied exist.
Regardiing Problem
m II, P. van
n der Helm
m
proposed
p
traansparallel pprocessing approach
a
forr
minimal
m
SIT
T code searcch that uses hyperstringg
concept
c
andd achieves accceptable co
omplexity off
O(N
O 3+logN) [110].
299
T. Rzeźniczak, Applying the Concept of Figural Goodness for Automatic Design…
The biggest issue in solving layout task
comes from Problem III – grid selection. It is
evident from the above discussion, that using
naive approaches and checking all potential
grids for a large set of attributes A is not possible
in finite time (e.g. 100 attributes gives around
10157 different grids). This problem does has not
had yet good solution and will be a major topic
of further research.
6. Conclusions
This article aims to outline the problem of data
visualization, where a method of visualization is
built for a specific data, not only for a data type
but also for an instance of data. This allows to
use their characteristics and build otherwise
inaccessible solutions. At this stage the use of
the data instance is not fully leveraged. It is
implicitly covered in the whole presented
method, which expresses in the fact that the data
set is known from the beginning, but still it is
not used directly in a specific algorithm.
For example any particular characteristic of
an object o from O is never considered.
This leaves room which can be explored in grid
selection algorithm. Since the naive solution to
this problem is unacceptable, the work must be
focused on other methods. Heuristic methods
seem to be a good candidate to make use of
the data characteristics. For example dividing
the grid selection problem into smaller
subproblems is one of a potentially possible
approach. The division may be set based on
occurrence frequency of particular attributes in
visualized objects, taking into account similar
groups of attributes shared by different objects
or any other pattern appearing in data. Knowing
such patterns allows to extract them and for
instance to prepare fixed solution (fixed good
figure) for the subset of attributes and objects.
Then, it can be used as a constant element of
the grid, which reduces the number of possible
grid arrangements. This and other heuristics will
be the subject of further research.
7. Bibliography
[1] A. Ameljańczyk, Multiple Optimization,
Warszawa, 1986.
[2] A. Ameljańczyk, ”Properties of the
Algorithm for Determining an Initial
Medical Diagnosis Based on a Two-Criteria
Similarity Model”, Biuletyn Instytutu
Systemów Informatycznych, Nr 8, 9–16,
(2011).
30
[3] F. Attneave, ”Some informational aspects
of visual perception”, Psychological
Review, 61, 183–193 (1954).
[4] J. Bertin, Graphics and Graphic
Information-Processing, Walter de Gruyter,
Berlin, 1981.
[5] J. Bertin, Semiology of Graphics:
Diagrams, Networks, Maps, The University
of Wisconsin Press, Wisconsin, 1983.
[6] S. Card, J. Mackinlay, B. Shneiderman,
Readings in information visualization:
using vision to think, Morgan Kaufmann
Publishers, San Francisco, 1999.
[7] W. Cleveland, R. McGill, ”Graphical
Perception: Theory, Experimentation, and
Application to the Development of
Graphical Methods”, Journal of the
American Statistical Association, 79,
(1984).
[8] W. Garner, The processing of information
and structure, MD: Lawrence Erlbaum
Associates, 1974.
[9] E. Goldmeier, ”Similarity in Visually
Perceived Forms”, International
Universities Press, Inc., 1972.
[10] P. van der Helm, ”Transparallel processing
by hyperstrings”, Proceedings of the
National Academy of Sciences USA,
101 (30), 10862–10867, 2004.
[11] P. van der Helm, E. Leeuwenberg,
”Accessibility: A Criterion for Regularity
and Hierarchy in Visual Pattern Codes”,
Journal of Mathematical Psychology, 35,
151–213 (1991).
[12] P. van der Helm, E. Leeuwenberg,
”Avoiding Explosive Search in Automatic
Selection of Simplest Pattern Codes”,
Pattern Recognition, Vol. 19, No. 2,
181–191 (1986).
[13] P. van der Helm, E. Leeuwenberg,
”Goodness of Visual Regularities:
A Nontransformational Approach”,
Psychological Review, Vol. 103, No. 3,
429–456 (1996).
[14] J. Hochberg, E. McAlister, ”A quantitative
approach to figural goodness”, Journal of
Experimental Psychology, 46, 361–364
(1953).
[15] K. Koffka, Principles of Gestalt
psychology, New York: Harcourt, Brace,
1935.
[16] E. Leeuwenberg, ”A perceptual coding
language for visual and auditory patterns”,
American Journal of Psychology, 84(3),
307–349 (1971).
[17] G. Lohse, A cognitive model for the
perception and understanding of graphs,
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 23−31 (2013)
The University of Michigan dissertation,
1991.
[18] G. Lohse, ”A cognitive model for the
perception and understanding of graphs”,
Human-Computer Interaction, 8(4),
353–388 (1993).
[19] A. MacEachren, How Maps Work,
The Guilford Press, New York, 1995.
[20] J. Mackinlay, ”Automating the Design of
Graphical Presentations of Relational
Information”, ACM Transactions on
Graphics , Vol. 5, Issue 2 (1986).
[21] S. Palmer, Vision Science: Photons to
Phenomenology, MIT Press, 1999.
[22] S. Pinker, ”A theory of graph
comprehension”, Artificial intelligence and
the future of testing, Lawrence Erlbaum
Associates, 1990.
[23] M. Schiff, Designing graphic presentations
from first principles, Doctoral Dissertation,
University of California, Berkeley, 1998.
[24] C. Shannon, W. Weaver, The mathematical
theory of communication, Urbana:
University of Illinois Press, 1949.
[25] S. Stevens, ”On the Theory of Scales of
Measurement”. Science, 103 (2684),
677–680 (1946).
[26] H. van Tuijl, E. Leeuwenberg, ”Perceptual
interpretation of complex line patterns”.
Journal of Experimental Psychology:
Human Perception and Performance, 6,
197–221 (1980).
[27] M. Wertheimer, ”Gestalt theory”,
A sourcebook of Gestalt psychology, 1–11,
New York: The Humanities Press,
1924/1950.
Zastosowanie koncepcji „figural goodness”
do automatycznego projektowania wizualizacji zbioru danych
T. RZEŹNICZAK
Wiele rozwiązań z zakresu automatyzacji konstruowania prezentacji graficznych koncentruje się na
konstruowaniu prezentacji graficznych dla wybranego typu danych, najczęściej bez uwzględniania konkretnej
instancji danych w procesie przygotowania metody prezentacji. Wynika to z faktu, że podejścia te starają się
być rozwiązaniami uniwersalnymi. W pracy zaproponowana jest metoda, która zwraca uwagę na cechy
danych, które faktycznie będą przedstawiane. Znając charakterystykę danych, do zaprezentowania możliwe
jest znacznie lepsze dostosowanie podejścia i poprawa wydajności zbudowanej wizualizacji. Wydajność
wizualizacji w tym przypadku jest rozumiana jako zdolność obserwatora do odnajdywania i rozpoznawania
prezentowanych obiektów w szybki i łatwy sposób. Budowa metody opiera się głównie na badaniach
w obszarze wizualizacji danych i psychologii percepcji – ze szczególnym naciskiem na figural goodness.
Słowa kluczowe: wizualizacja danych, języki graficzne, structural information theory, figural goodness.
31
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 33−39 (2013)
Sztuczne sieci neuronowe o radialnych funkcjach bazowych do śledzenia
obiektów w obrazach wideo
J. SZYMONIK
szymonik.jacek@gmail.com
Instytut Systemów Informatycznych, Wydział Cybernetyki
Wojskowa Akademia Techniczna
ul. Gen. S. Kaliskiego 2, 00-908 Warszawa
W pracy przedstawiono opis sztucznej sieci neuronowej do lokalizacji i śledzenia obiektu w obrazach wideo
z wykorzystaniem środowiska MATLAB oraz wyniki badań odporności algorytmu na mogące wystąpić
zakłócenia. W artykule zaprezentowana została architektura sztucznej sieci neuronowej o radialnych funkcjach
bazowych. Pokazany został zarówno algorytm śledzenia celu z wykorzystaniem powyższej architektury sieci,
jak i metoda modelowania oraz lokalizacji celu. W podsumowaniu przedstawione zostały wyniki
przeprowadzonych symulacji algorytmów śledzących opartych na sztucznych sieciach neuronowych.
Słowa kluczowe: śledzenie obiektów, sztuczne sieci neuronowe, radialne funkcje bazowe.
1. Wprowadzenie
Maszyny widzące i analizujące swoje otoczenie
już istnieją, a ich ciągły rozwój jest przyspieszany poprzez postęp zarówno w dziedzinie
mikroelektroniki, jak i w algorytmach analizy
sygnału wideo. Proces estymacji pozycji
interesującego nas obiektu w czasie, w sekwencji obrazów nazywamy śledzeniem obiektów.
Jedną z fundamentalnych cech urządzeń
przeznaczonych do obserwowania, rozumienia
oraz reagowania na otaczające środowisko jest
ich zdolność do detekcji oraz wcześniej
wspomnianego śledzenia interesujących nas
obiektów.
Główne problemy, które należy wziąć pod
uwagę podczas projektowania trakera, są
związane z podobieństwem wyglądu celu
i innych obiektów otoczenia. Pozostałe
przeszkody stojące na drodze efektywnego
procesu śledzenia związane są ze zmianami
wyglądu samego celu powodowanymi m.in.:
•
zmianami pozycji
•
światłem z otoczenia
•
przesłonięciem celu (częściowym lub
całościowym)
•
szumem wprowadzanym przez urządzenia
pomiarowe, sensory [5].
Wśród wielu podejść naukowych do
problemu śledzenia, detekcji i rozpoznawania
obiektów, ważną rolę odgrywają wielokryterialne algorytmy rozpoznawania wzorców
[2], [3] bazujące na teorii podobieństwa [4],
dynamiczne sieci Bayesa [7] oraz algorytmy
oparte na sztucznych sieciach neuronowych [6].
Niniejszy artykuł jest poświęcony właśnie
metodzie śledzenia adaptacyjnego online
wykorzystującego sieci neuronowe o radialnych
funkcjach bazowych [12].
2. Wybór architektury sztucznej sieci
neuronowej
W przypadku algorytmów bazujących na
sztucznych sieciach neuronowych, metodologia
iteracyjnego szukania jest szeroko stosowana
w celu aktualizacji parametrów sieci. Z tego
powodu proces uczenia sieci jest bardzo
intensywny obliczeniowo i często trenowanie
sieci może zająć od kilku do kilkunastu godzin
[1]. Kolejnym problemem przy korzystaniu
z sieci neuronowych z propagacją wsteczną
jest możliwość jej przetrenowania, co doprowadzi do utraty przez nią możliwości do
generalizowania, czyli dostosowywania się sieci
do nowych sytuacji. Co więcej algorytmy
bazujące na uczeniu są zwykle projektowane
do śledzenia wybranych obiektów, co wymaga
każdorazowo długotrwałego procesu uczenia
sieci offline.
Ze względu na powyższe czynniki
w kolejnym punkcie zaprezentowana zostanie
uniwersalna
metoda
śledzenia
obiektów
opierająca się na sieciach neuronowych o radialnych funkcjach bazowych i wykorzystująca
uczenie sieci online.
Algorytm ten uwzględniać będzie również
adaptację mogącego się zmieniać modelu
obiektu wraz z każdym nowym obrazem
sekwencji wideo.
33
J. Szymonik, Sztuczne sieci neuronowe o radialnych funkcjach bazowych…
3. Radialne funkcje bazowe
4. Opis algorytmu śledzenia
Specjalną
odmianę
sztucznych
sieci
neuronowych stanowią te o radialnej funkcji
bazowej (ang. radial basis function neural
networks – sieci neuronowe typu RBF), w której
neuron ukryty realizuje funkcję zmieniającą się
radialnie wokół wybranego centrum
.
Reprezentuje on hipersferę dokonującą podziału
kołowego wokół punktu centralnego – rysunek 1
[10].
Wiarygodne śledzenie obiektu może zostać
osiągnięte, jeżeli możliwa jest separacja obszaru
zawierającego obiekt od otaczającego tła
w każdej chwili. Pierwszym krokiem będzie
utworzenie
funkcji
gęstości
prawdopodobieństwa (histogramów) dla obiektu ( )
oraz tła ( ). Do określenia, które z pikseli
należą do obiektu, a które nie, wykorzystany
został logarytm wskaźnika wiarygodności:
,
,
,
(4.1)
gdzie:
Rys. 1. Podział przestrzeni danych
przez sieć radialną;
Źródło: [10]
Niech i oznaczają dwa punkty leżące
w przestrzeni
. Punkt
uważany jest za
ustalony i nazywany punktem centrum. Punkt
uważany jest za zmienny.
Radialną funkcją bazową nazywa się
funkcję postaci:
,
,
(3.1)
,
gdzie:
, jest odległością między punktami i .
Centrum
w powyższej definicji gra rolę
parametru funkcji. Funkcje radialne nazywane
bywają czasami jądrami (ang. kernels).
Przy
określaniu
odległości
między
punktami i używa się najczęściej odległości
euklidesowej [5].
,
||
||
/
.
(3.2)
Najczęściej stosowaną funkcją bazową jest
radialna funkcja Gaussa określana wzorem:
, ,
exp
||
||
,
(3.3)
gdzie:
jest wektorem wartości wejściowych,
to
wektor określający centra funkcji bazowych.
Wartość parametru
kontroluje własności
gładkości funkcji interpolującej [6].
34
i
są prawdopodobieństwami
przynależności -tego piksela odpowiednio do
obiektu lub tła; jest małą niezerową wartością
służącą do uniknięcia numerycznej niestabilności. Nieliniowy logarytm wiarygodności
mapuje dystrybucję obiekt/tło jako wartości
pozytywne dla barw związanych z pierwszym
planem oraz jako wartości ujemne dla pikseli
o barwach związanych z tłem [12].
Binaryzacja
obrazu
określona
jest
następującym wzorem:
1
0
ż
ż
,
(4.2)
gdzie:
jest
wartością
progową
decydującą
o przynależności pikseli.
Kolejnym krokiem podczas tworzenia
modelu obiektu zainteresowania jest wybór
odpowiedniej przestrzeni cech. W tym celu dla
każdego piksela określić można wartości
reprezentujące informacje o jego barwie, bazując
na różnych systemach określania barw (RGB,
YCbCr, HSV). Wartością charakteryzującą
piksel była również liczba określająca
przynależność piksela do tła bądź obiektu
(odpowiednio była to wartość −1 oraz +1).
Algorytm klasyfikacji oparty został na
dwóch sieciach typu RBF:
•
zadaniem pierwszej jest maksymalizacja
poprawnej klasyfikacji pikseli należących
do obiektu
•
zadaniem drugiej jest maksymalizacja
poprawnej
klasyfikacji
pikseli
nienależących do obiektu (należących do tła).
Uproszczony schemat sztucznej sieci neuronowej zaprezentowany jest na rysunku 2.
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 33−39 (2013)
pomiędzy neuronami wyjściowymi oraz
neuronami warstwy ukrytej wyznaczane są
, to wartości wag ( )
analitycznie. Jeżeli
obliczane są z wykorzystniem metody najmniejszych kwadratów jako [8]:
,
Rys. 2. Uproszczona architektura
sieci neuronowej typu RBF.
Źródło: [12]
Problem klasyfikacji dwuklasowej może
zostać przedstawiony w sposób następujący:
1,2, … , ( – liczba pikseli)
para , ,
jest
przedstawia parę próbka–etykieta, gdzie
n-wymiarowym wektorem w przestrzeni cech
a jest etykietą jednej z dwóch klas. Zadaniem
procesu klasyfikacji jest przypisanie etykiety
dla nowego wektora w przestrzeni cech,
z odpowiednią dokładnością.
Przy założeniu, że neurony ukryte realizują
funkcję Gaussa o parametrach
(wektor
wartości średnich w przestrzeni cech) oraz
(wariancja), wyjście z sieci można określić
następującym wzorem:
(4.6)
jest pseudogdzie:
odwrotną
macierzą
Moore’a-Penrose’a;
.
przyjmujemy
Projektowanie klasyfikatora opartego na
sieciach typu RBF składa się z dwóch faz.
Postępowanie w pierwszej fazie, tzw. fazie
rozwoju
klasyfikatora,
można
zawrzeć
w następujących krokach:
1. Przypisanie poszczególnym neuronom sieci
typu RBF losowych wartości parametrów
oraz .
2. Obliczenie macierzy wyjściowej warstwy
.
ukrytej
3. Estymacja wartości macierzy
.
4. Obliczenie
dokładności
klasyfikacji
(w procentach) pikseli należących do
obiektu oraz tła według wzorów:
100
(4.7)
ł
100
(4.8)
∑
exp
,
(4.3)
− wartości wag pomiędzy warstwą
gdzie
ukrytą a neuronami wyjściowymi,
– wektor
wartości wejściowych z uwzględnieniem wag
wejściowych. Postać macierzowa (4.3):
,
(4.4)
5.
Zapisanie wartości parametrów neuronów
warstwy ukrytej, dla których
i
osiągnęły maksymalne wartości.
W przypadku fazy drugiej – fazy adaptacji
,
online, dla każdej kolejnej pary
wykonywane są następujące czynności [12]:
1. Obliczony
zostaje
wektor
wartości
wyjściowych warstwy ukrytej:
,
gdzie:
,
,
,
,
…
…
, ,
2.
,
,
,
,
,
…
,
Obliczone zostaje wyjście:
,
,
(4.9)
, (4.5)
− funkcja Gaussa, i-ty wiersz odpowiada
i-temu ukrytemu neuronowi w odniesieniu
, ,…. .
do wartości wejściowych
W praktycznych zastosowaniach liczba neuronów ukrytych jest znacznie mniejsza od ilości
danych wejściowych.
Wartości parametrów funkcji Gaussa
wybierane są losowo, natomiast wagi połączeń
,
3.
Następuje adaptacja wag wyjściowych α,
korzystając z algorytmu najmniejszych
kwadratów (ang. RecursiveLeastSquares).
,
(4.10)
.
(4.11)
35
J. Szymonik, Sztuczne sieci neuronowe o radialnych funkcjach bazowych…
Ze względu na to, iż szybkość działania
algorytmu jest bardzo istotna, należy wybrać
tylko nieliczne piksele z każdej kolejnej ramki
w celu przeprowadzenia adaptacji wag (jedną
z proponowanych metod jest wybranie pikseli
tworzących spiralę Archimedesa).
5. Model obiektu i jego lokalizacja
Klasyfikatory oparte na sztucznych sieciach
neuronowych są w stanie aproksymować
prawdopodobieństwo a posteriori z dowolną
dokładnością [11]. Etykiety dwóch klas
oznaczone są jako +1 lub −1. Prawdopodobieństwo a posteriori piksela
,
otrzymanego z wykorzystaniem klasyfikatora
obiektu:
, ,
|
̂
.
(5.1)
W podobny sposób obliczane jest
,
prawdopodobieństwo a posteriori piksela
otrzymanego z wykorzystaniem klasyfikatora
pikseli nienależących do obiektu.
̂
, ,
|
.
(5.2)
Model celu opracowywany jest przy użyciu
tylko tych pikseli, które zostały sklasyfikowane
poprawnie jako piksele należące do obiektu
przez oba klasyfikatory (np. w klasyfikatorze
obiektu piksele, które posiadają prawdopodobieństwo a posteriori większe niż 0.5, są
zadeklarowane jako należące do klasy obiektu).
W ten sposób otrzymujemy model celu
w postaci:
̂
|
min
̂ , 1.0
̂ .
(5.3)
Lokalizacja celu w poszczególnych ramkach
sekwencji wideo jest osiągana poprzez iteracyjne
poszukiwanie
mody
prawdopodobieństwa
a posteriori estymowanego przez sieć
neuronową typu RBF.
Położenie środka kandydata na cel
w obecnej ramce jest początkowo takie samo jak
to estymowane dla obiektu w poprzedniej ramce.
Rozważmy k-tą iterację lokalizacji obiektu.
Niech
będzie środkiem kandydata na cel,
− zbiorem pikseli kandydata na obiekt,
1, … , , ze środkiem w punkcie
.
W takim wypadku prawdopodobieństwo
a posteriori i-tego piksela
̂
|
otrzymywane jest jako:
36
̂
|
min
| , 1.0
̂
| ).
(5.4)
̂
Prawdopodobieństwo kandydata na cel podczas
k-tej iteracji ( ̂ ) otrzymywane jest poprzez
.
testowanie cech otrzymanych z lokalizacji
Nowa lokalizacja środka obiektu jest
estymowana
jako
środek
ciężkości
prawdopodobieństw a posteriori ̂ ważonych
modelem celu ( ̂ ), co przedstawia równanie
(5.5):
∑
∑
|
|
|
|
.
(5.5)
Operacja
iteracji
zostaje
zakończona
w momencie, gdy zmiana w lokalizacji środka
ciężkości dla dwóch kolejnych iteracji spadnie
poniżej określonej wartości [12].
6. Graficzny interfejs użytkownika
W
celu
przeprowadzania
symulacji
przygotowany został autorski graficzny interfejs
użytkownika
(wykorzystujący
środowisko
programistyczne Matlab®) przedstawiony na
rysunku 3. Poniżej opisane zostały poszczególne
elementy okna oraz ich funkcje:
1. Przycisk Wybierz Film służy do wskazania
ścieżki pliku wideo, z którego użytkownik
będzie korzystał podczas testowania
trakera.
2. Przycisk Odtwórz Film daje możliwość
podglądu wybranego pliku.
3. Przycisk Przygotuj Dane wykonuje operacje oddzielenia wybranego obiektu od tła
oraz przygotowuje odpowiednią macierz
cech w celu zapisania obiektu w przestrzeni
cech.
4. Przycisk Trenowanie Sieci służy do
wytrenowania sztucznej sieci typu RBF.
5. Okienko wyświetlające czas, jaki był
potrzebny
do
wytrenowania
sieci
z
wykorzystaniem
uprzednio
przygotowanych danych w sekundach.
6. Okienko
wyświetlające
poprawność
klasyfikacji pikseli jako należących do celu
(%).
7. Okienko
wyświetlające
poprawność
klasyfikacji pikseli jako należących do tła
(%).
8. Przycisk Rozpocznij Śledzenie uruchamia
proces
śledzenia
wybranego
przez
użytkownika obiektu.
9. Okno wyświetlające efekt działania trakera.
BIUL
LETYN INST
TYTUTU SYS
STEMÓW INF
FORMATYC
CZNYCH 11 333−39 (2013)
1
a)
2
b)
Rys. 4. Przykłady obbiektów do śleedzenia:
a) głłowa robota człekokształtneego;
b) myśliwiec Su-30.
Ź
Źródło:
opracoowanie własnee
9
3
4
5
6
8
7
Rys. 3. Grafficzny interfejss użytkownikaa.
Źródłoo: opracowaniie własne
7. Podsumow
P
wanie
Podczzas
symuulacji
dziaałania
alggorytmu
porów
wnaniu podleegały dwie jeego konfigurracje:
¾ z adaptacją online
o
¾ bez
b adaptacji online.
W obu allgorytmach liczba neuuronów
warsttwy ukryteej sieci jest taka sama
i wyynosi 16. Wartość taa została wybrana
w
ekspeerymentalniee – powyżżej 16 neuuronów
w waarstwie ukryttej nie zaobseerwowano poprawy
działaania algorytm
mu. Symulaccje przeprow
wadzone
zostaały pod kąątem sprawdzenia odpporności
algorrytmu na zakkłócenia i prroblemy om
mówione
we wprowadzeniu
w
u.
S
Symulacje
d
działania
alggorytmu proogramu
przepprowadzone zostały na dwóch
d
sekweencjach
wideoo zaczerpnięętych z portallu youtube.coom:
•
r
robot.avi,
n którym śledzony będzie
na
r
robot
człekkokształtny bądź jego część
(
(rysunek
4a)
na którym
•
s
samolot.avi,
m śledzony będzie
m
myśliwiec
Suu-30 (rysuneek 4b).
Na
p
podstawie
sekwencji
obrazów
w
przygotowan
p
ne zostały nowe, mająące na celuu
dokładniejsz
d
ze zbadaniee właściwośści algoryt-mów:
m
•
oryginaalny – w dobrrej jakości
•
zaszumiiony – dodaany został szzum Gaussaa
o średniiej 0 oraz waariancji 0.025
5
•
zaszumiiony i rozm
mazany – poszczególne
p
e
klatki zaszumionej sekwencji wideo
w
zostałyy
poddanee operacji rrozmazania (ang. blur))
z wykkorzystaniem
m dolnoprzzepustowegoo
filtru Gaussa
G
o rrozmiarze 10 x 10 orazz
standarddowym odchhyleniu równ
nym 10.
Podczass badania dzziałania obu algorytmów
w
na
n tak przyygotowanychh sekwencjach obrazów
w
nie
n było różżnicy w przeprowadzany
ym procesiee
detekcji
d
oraaz śledzeniia obiektów
w − żadnaa
z metod niee miała prooblemów z poprawnym
m
wykonaniem
w
m tych operaccji.
Różnicaa w dziiałaniu poj
ojawiła sięę
w momenciie przesłonięęcia celu. Aby
A
zbadaćć
zachowania
z
trakera w pprzypadku częściowego
c
o
przesłonięcia
p
a śledzonegoo obiektu, do
d sekwencjii
obrazów
o
przzedstawiającyych ruch rob
bota dodanyy
został
z
obieekt, który będzie wprowadzałł
zakłócenie.
z
O
Obiekt
ten too prostokąt o wymiarachh
220
2 x 10 maający na celuu przesłonięccie ok. 30%
%
badanego
b
obbiektu. W tyym przypadk
ku algorytm
m
bez
b
adapttacji
wykkazał
się
niewielkąą
poprawności
p
ią
działannia.
Mimo
o
dobrychh
parametrów
p
wytrenowannia sieci:
•
poprawnność klasyfiikacji pikselii należącychh
do obiekktu na poziomie 92%
•
poprawnność klasyfiikacji pikselii należącychh
do tła na poziomie 993%,
traker
t
gubił cel
c po jego pprzejściu przez przesłonęę
(rysunek
(
5)). Algorytm
m śledzący z adaptacjąą
online
o
po prrzejściu celuu przez przessłonę śledziłł
go
g dalej poprrawnie (rysuunek 6).
Dopieroo w przzypadku powiększenia
p
a
dwukrotnie
d
s
szerokości
pprostokąta−prrzesłony (doo
rozmiaru
r
2220 x 20) alggorytm z ad
daptacją niee
podążał
p
zaa obiektem po przejjściu przezz
377
J. Szym
monik, Sztucznne sieci neuronnowe o radiallnych funkcjacch bazowych…
…
przeszkodę.. Przesłona zajmowała ponad 50%
%
powierzchnni śledzonegoo obiektu.
nia obiekttów w przypadku wyśledzen
stąpien
nia szumu Gaussa
G
lub rozmycia obrazu
o
z wyk
korzystaniem
m filtru dollnoprzepusto
owego
Gaussaa, prostszy z algorytmów
w nie był wstanie
w
poradzzić sobie z czzęściowym przesłonięciem
m.
Istotne jest spostrzeżennie, że algorytm
oparty na sieciaach neuronnowych nie jest
wrażliw
wy na zmiaany pozycji (rotacji) ob
biektu
śledzon
nego, jego oświetlenia (cco pociąga zaa sobą
zmianęę barwy obieektu).
Co
o więcej, zapprezentowanna sieć neuron
nowa,
z racjii niewielkicch wymagańń obliczenio
owych
i brak
ku potrzebyy długiego jej trenow
wania,
może być stosoowana w ssystemach czasu
rzeczyw
wistego. W połączeniu z odpowieednimi
algoryttmami rozpooznawania w
wzorców, badana
b
metodaa adaptacyjjna śledzennia może zostać
z
zaimpllementowanaa np. w systeemie detekcji oraz
śledzen
nia zagrożeńń (ang. Videoo Threat Deteection
System
ms).
8. Biibliografiaa
Rys. 5. Rezzultat działaniia algorytmu bez
b adaptacji
w przzypadku wystąąpienia częściiowego
przesłonnięcia celu.
Źródło: opraccowanie własnne
Rys. 6. Reezultat działannia algorytmu z adaptacją
w przypaadku częściow
wego przesłonnięcia celu.
Źródło: opraccowanie własnne
Powyżższe
rozwaażania
wsskazują
na
wyższość trakera oppartego na sztucznychh
sieciach neeuronowych typu RBF z adaptacją
online nadd algorytmeem niewykoorzystującym
m
procesu adaptacji.
a
Pomimo poprawnegoo
38
[1] J. Ahmed, M.N
N. Jafri, J. A
Ahmad, M.I. Khan,
K
”D
Design and Im
mplementatiion of a neural
Network for Real-Time
R
Obbject Trackin
ng”,
World
W
Academ
my of Sciencee, Engineerin
ng
an
nd Technologgy, 6/2005.
[2] A. Ameljańczyyk, Optymallizacja wielo-p
sterowania
krryterialna w problemach
Ossolineum
i zarządzania,
z
m, Wrocław, 1984.
[3] A. Ameljańczyyk, „Matemaatyczne aspeekty
modelowania
m
pajęczynoweego obiektów
w”,
Biiuletyn Instyttutu Systemóów Informatycznych, Nr
N 4, str. 9–16 (2009).
[4] A. Ameljańczyyk, ”Multicrriteria similarrity
models
m
in meddical diagnosstics support
algorithms”, Bio-algorithm
B
ms and MedSyystems, Vol. 21, No. 1 (2013).
[5] A. Bartkowiakk, Sieci Neurronowe. Nota
atki
Ro
ozszerzone ANN08,
A
Uniw
wersytet
Wrocławski,
W
g
grudzień
20008.
[6] C.M. Bishop, Neural Netw
works for Patttern
Reecognition, Oxford
O
University Press,
Oxford, 2005.
[7] Z.. Ghahramanni, Learning B
Bayesian
Networks,
Ne
Deppartment of C
Computer
Sccience, University of Torronto, Canad
da,
October 1997..
[8] G.B. Huang, Q.Y.
Q Zhu, C.K. Siew,
”E
Extreme learnning machinne: Theory an
nd
ap
pplications”, Neurocompuuting 70 (200
06).
[9] E.. Maggio, A.. Cavallaro, V
Video Trackiing
Th
heory and Prractice, Wileey, 2011.
[10] S.. Osowski, Siieci Neuronoowe w Ujęciu
u
Allgorytmicznyym, Wydawnnictwa Nauko
owoTeechniczne, Warszawa
W
1997.
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 11 33−39 (2013)
[11] R. Rojas, A short proof of the posterior
probability property of classifier neural
networks, Institut für Informatik, Freie
Universität, Berlin 1996.
[12] R. Venkatesh Babu, S. Suresh, A. Makur,
”Online adaptive radial basis function
networks for robust object tracking”,
Comput. Vis. Image Understand., 2009.
Artificial neural networks with radial basis functions
for video object tracking
J. SZYMONIK
The main problem considered in this article was the artificial neural network design for target localization
and target tracking in video sequence, with the use of Matlab environment. What is more, the algorithm
resistance to noise and disturbances that may occur was studied. The article presents the architecture of
artificial neural network with radial basis functions. The algorithm for tracking as well as the method for target
modeling and localization with the use of the above network architecture is shown. In the summary there
are results of conducted simulations in Matlab of video trackers based on artificial neural networks.
Keywords: object tracking, artificial neural networks, radial basis functions.
39