I ші халықаралық ғылыми-тəжірибелік конференцияның ЕҢбектері

Жоғары оқу орындарында ақпараттық технологияларды оқыту сапасын жақсарту: 

жолдары мен мүмкіндіктері 

 

299

and they can be characterised through its movement pattern. The goal of the feature 

extraction is to register this movement pattern and to reduce the vast data amount to 

the  essential  values  of  the  face  surface  moving.The  developed  feature  extraction 

approach  consists  of  four  following  steps:feature  point  labelling,  shortly  FP-

Labelling

feature  points  tracking,  shortly  FP-Trackingfeature  points  normalisation  , 

accordingly FP-Normalisation

feature vector generation  and quantisation 

MPEG-4 Facial Animation (FA) is the part of the standard, which works on the 

“efficient  Coding  of  form  and  animation  of  human  faces”  [2].  MPEG-4  defines  84 

Feature Points (FPs) in several regions of a neutral face. These points fulfil two tasks: 

on the one  hand through them the form  of the face can be defined  and on the other 

hand they work as reference points of the Facial Animation parameters. Fig. 2a shows 

the, in the MPEG-4 Standard defined, Feature Points [2]. Facial Animation Parameter 

(FAPs)  of  the  MPEG4  correspond  to  minimal  recognisable  muscle  movements  and 

are comparable with the by Ekman and Friesen introduced FACS Action Units [3].  

Through our tracking process 19 points from 4 facial regions: eye brows, eyes, 

nose, mouth - are defined. Firstly they are labeled manually in every first image of a 

sequence  and  then  they  are  tracked  using  the  Lucas-Kanade-algorithm  over  all 

frames.  There  are  3  stable  und  16  dynamic  Feature  Points,  which  will  be  extracted 

from  these  regions  (Fig.  2b).  The  stable  Feature  Points  are  only  used  for  the  FP-

Normalisation,  while  the  dynamic  Feature  Points  are  used  for  the  feature  vector 

generation. Stable FPs define points, that are not movable by facial muscles, so they 

are  suitable  to  recognize  a  movement  of  the  head  and  if  needed  to  correct  this 

movement  (FP  3.8,  3.11  and  9.15  in  Fig  2a).    Dynamic  FPs  are  points,  which  the 

human  being  moves  with  his  mimic,  and  they  are  suitable  for  the  feature  vector 

generation (FPs 4.6, 4.4, 4.2, 4.1, 4.3, 4.5, 3.2, 3.4, 3.1, 3.3, 9.2, 9.1, 8.4, 8.1, 8.3 and 

8.2 in Fig. 2a).                              

                   

    

 

 

Figure 2: a) MPEG4 Facial Animation, Feature Points,  b) FP-Labelling 

 

After manual labelled FPs are tracked automatically from frame to frame. This 

approach  is  called  Feature  Point  Tracking  (FP-Tracking),  attempting  to  follow  the 

movements  of  FPs.  The  implemented  FP-Tracking  is  based  on  the  Lucas-Kanade-

algorithm [4]. The detailed report of the implemented method is described in [5]. A 

detailed examination of the widely spread method derivatives by Lukas-Kanade was 

taken through in the framework of this project in [6]. 

 

Жоғары оқу орындарында ақпараттық технологияларды оқыту сапасын жақсарту: 

жолдары мен мүмкіндіктері 

 

300

Virtual animation 

 

All detected and extracted parameters of face mimic tracking are registered in a 

Face Mimic Graph. The virtual simulation of the facial expression combines the 3D-

modeling of the virtual face and the transferring of the Face Mimic Graph to it. The 

tracked animation of the real face will be cloned on the virtual face using the MPEG4 

facial animation coding. 

 

     

             

Figure 3 - FP-tracking results 

 

                   

 

 

Figure 4 - Virtual Face animation using face mimic tracking 

 

5. Project: Vision-based driver assistance system 

 

The  prototype  Vision-based  driver  assistance  system  (VDAS)  [1,2]  is 

developed in Kooperation with Infineon Munich. An automatic recognition of traffic 

signs could inform the driver about actual speed limits or overtake restrictions, which 

could be ignored in difficult traffic situations. For that purpose an efficient detection 

of traffic sign candidates (denoted as traffic sign detection – TSD) and a successive 

reliable classification of these candidates are required.   

The prototype system is implemented on a new multi-core processor (VIP-II), 

developed by the Infineon Technologies AG [1]. The multi-core architecture supports 

data-parallel and task-parallel processing. A computational power of 14 GIPS could 

be used for data-parallel operations, while the computational power for control-based 

operations  is  similar  to  a  1.2  GHz  processor.  Power  consumption  for  the  current 

prototype is less than 500mW. 

Жоғары оқу орындарында ақпараттық технологияларды оқыту сапасын жақсарту: 

жолдары мен мүмкіндіктері 

 

301

 

Virtual Simulation of traffic scenes 

 

The traffic sign detection is based on a trainable classifier-cascade as proposed 

by Viola and Jones. The system requires a large set of positive and negative training 

data  (several  thousand  images).  As  the  final system  has  to  handle different  weather 

and  illumination  conditions  as  well  as  combinations  of  rotation,  scale,  occluding, 

pollution  etc.  the  training  data  has  to  include  all  these  variations  in  a  sufficient 

number of samples. Obviously, the generation of this training set from “real” images 

is time consuming and sometimes it is even impossible to capture all required traffic 

sign  variations.  Therefore,  we  use  computer-graphics  generated  training  images 

instead of “real” images. A 3D simulation of traffic scenes based on the modelling of 

all  necessary  objects,  illuminations  and  weather  conditions  allows  a  parameterized 

rendering  of  the  virtual  images.  The  parameterized  rendering  process  could  also 

include  the  simulation  of  the  projection  behaviour  of  a  real  camera.  This  approach 

allows the generation of a sufficient set of training data even under extreme weather 

or illumination conditions. The artificial trainings data are currently used for vehicle 

detection,  detection  and  tracking  of  road  lanes  as  well  as  for  the  classification  of 

traffic signs. 

a

b

 

 

 

Figure 5 - Comparison of real camera image (a) 

and a computer- graphics generated image (b) 

 

Automatic detection and classification of traffic signs 

 

The detection of traffic signs in 2D images is based on a cascade of trainable 

classifiers introduced by Viola and Jones. To detect signs inside an image the search 

window is scanned over the image. At every position of the search path, the image is 

analyzed  through  a  cascade of classifiers.  If  one of  the  classifiers  fails, the  analysis 

process is stopped and the search window is  moved to the next position. A positive 

classification of a traffic sign is only possible, if all cascades return a positive result. 

Жоғары оқу орындарында ақпараттық технологияларды оқыту сапасын жақсарту: 

жолдары мен мүмкіндіктері 

 

302

This  approach  is  time  efficient  because  negative  patterns  could  be  discarded  early 

without  the  computation  of  all  required  features.  To  detect  traffic  signs  at  different 

scales, the search window inclusive the set of trained Haar-like features is scaled over 

a  range  of  defined steps.  The  classifier-cascade  consists of  18 single  classifiers  and 

overall  about  200  Haar-like  features  are  used.  Together  this  requires  15kBytes  for 

memory. 

The assignment of traffic sign candidates, which are generated by the previous 

traffic sign detection step, to the correct sign type requires a set of specific features as 

input for the neural network classifier. For classification a multilayer perceptron net 

with  a  feed  forward  topology  is  used.  To  distinguish  between  all  types  of  traffic 

signs, two separate networks are used. The input layer of the neural net contains 256 

neurons.  The  number  of  output  neurons  corresponds  to  the  number  of  signs,  which 

have  to  be  distinguished,  plus  one  additional  neuron  to  indicate  the  negative  class 

(therefore  15  neurons  are  used  for  speed  limit  signs  and  16  neurons  for  the 

abolishment  class).  The  final  traffic  sign  recognition  system  is  executed  on  a 

dedicated multi-core processor, which is based on fix-point arithmetic. Therefore, the 

neural  network  implementation  supports  fix-point  arithmetic.  The  neural  network  is 

executed in several parallel threads to achieve the maximal performance. 

For the verification of the proposed traffic sign detection approach, real video 

sequences were recorded. The camera was mounted in a passenger car and runs with 

25  frames  per  second.  Over  150  different  signs  were  captured.  Due  to  the    camera 

motion  each  sign  is  visible  over  5-25  frames.  A  total  of  2000  images  with  traffic 

signs  were  available, 1400  images  contain  traffic signs  in  the resolution range from 

16x16  to  30x30  pixels.  The  rate  of  correct  detected  traffic  signs  is  about  89%.  The 

false  positive  rate  is  0,027  wrong  detected  traffic  sign  candidates  per  frame.  The 

average positive classification rate is about 97% for the network that was trained with 

“real”  test  data  and  about  73%  for  the  network  that  was  trained  only  with  artificial 

data.  The  whole  system  takes  40ms  on  the  multi-core  processor,  where  10  worker 

threads consume 62.5% of the available performance. This means that 25 frames can 

be handled each second.  

 

 

 

Figure 6 - Examples of detected traffic sign candidates. 

 

Жоғары оқу орындарында ақпараттық технологияларды оқыту сапасын жақсарту: 

жолдары мен мүмкіндіктері 

 

303

 

 

Figure 7 - Detection & classification results for real camera images 

Lane Departure Warning 

Beside  the  traffic  sign  detection  a  lane  departure  warning  system  was 

implemented.  The  approach  uses  several  search  lines  to  find  the  edges  of  the  road 

markings. Based on these measure points a linear lane model is derived. In the next 

step we use an extended Kalman-Filter and a clothoid model to follow the road and 

become  a  appropriate  prediction.  The  LDW-system  is  executed  in  several  parallel 

threads  to  achieve  the  maximal  performance.  Therefore  the  implementation  fulfills 

the real-time constrain.   

Real-time  Detection  of  Traffic  Signs  on  a  Multi-Core  Processor,  R.  Ach,  N. 

Luth,  A.  Techmer,  accepted  for  IEEE  Intelligent  Vehicles  Symposium,  2008,  4-6 

June 2008 

Classification  of  Traffic  Signs  in  Real-Time  on  a  Multi-Core  Processor,  R. 

Ach,  N.  Luth,  T.  Schinner,  A.  Techmer,  S.  Walther,  accepted  for  IEEE  Intelligent 

Vehicles Symposium, 2008, 4-6 June 2008. 

 

 

СЕТЕВЫЕ ТЕХНОЛОГИИ ПРОГРАММИРОВАНИЯ –  

ЭТО БУДУЩЕЕ ВЕБ-РАЗРАБОТКИ 

 

А.Г. Ни 

Казахский национальный технический университет  им. К.И. Сатпаеа 

 

With growth of popularity of network Internet more and more involve attention 

network technologies of programming. 

In  this  connection  in  the  present  article  the  curriculum  maintenance 

(SYLLABUS),  developed  for  a  course  «Network  technologies  of  programming»  for 

students of chair «the Software of systems and networks» by KazNtU of K.I.Satpaeva 

of a speciality 050602 "Computer science" is considered 

В  связи  с  возрастающей  популярностью    сети  Internet  все  более 

привлекают  внимания  сетевые  технологии  программирования,  которые 

включают  в  себя  языки  программирования  такие,  как  Java,  Perl,  PHP,  языки 

описания документов – HTML и XML. 

Жоғары оқу орындарында ақпараттық технологияларды оқыту сапасын жақсарту: 

жолдары мен мүмкіндіктері 

 

304

Сетевые технологии программирования  - это то, что позволяет создавать 

сайты, заставляет модули работать, почту отправляться, обмениваться данными 

и многое другое. 

Однако с развитием Internet-технологий все более актуальной становится 

проблема  связанная  с  хранением  структурированных  данных  (взамен 

существующих  файлов  баз  данных)  и  обеспечением  совместимости  при 

передаче  структурированных  данных  между  разными  системами  обработки 

данных, особенно при передаче таких данных через Интернет; 

Наиболее  удобный  механизм,  позволяющий  свести  к  минимуму 

проблемы  внутрифирменных  форматов  данных  это  -  обмен  информацией  в 

формате XML. 

XML  (Extensible  Markup  Language)  -  это  язык    разметки,    описывающий 

целый  класс  объектов  данных,  называемых  XML-документами.  Этот  язык 

используется  в  качестве  средства  для  описания  грамматики  других  языков    и 

контроля над правильностью составления документов, то есть он представляет 

собой  метаязык,  являющимся  основой  для  создания  новых  языков.  Очевидно, 

что за  XML- технологией большое будущее. 

В  связи  с  вышесказанным  в  настоящей  статье  рассматривается 

содержание  учебной  программы  (SYLLABUS),  разработанной  для  курса 

«Сетевые 

технологии 

программирования» 

для 

студентов 

кафедры 

«Программное  обеспечение  систем  и  сетей»  КазНТУ  им.  К.И.Сатпаева 

специальности 050602 «Информатика». 

Содержание программы включает в себя следующие темы: 

Сетевые технологии программирования. Основные понятия и  подходы. 

Инструментальные средства  создания XML- документа. 

Корректно сформированные XML-документы. 

Валидные XML-документы. Специализированный язык DTD. 

Валидные XML-документы Специализированный язык XML-схема. 

Отображение  XML-документов  с  использованием  таблиц  каскадных 

стилей.  

Отображение XML-документов с использованием связывания данных. 

Отображение XML-документов с использованием XSL-таблиц стилей 

XML и технологии баз данных. 

Изучение  курса  «Сетевые  технологии  программирования»  включает  в 

себя чтение лекций, проведение лабораторных и самостоятельных работ.  

   Разработанная  программа  (SYLLABUS)  отводит на курс 3 кредита, из 

них 2 кредита на лекции и 1 кредит на лабораторные работы. 

В  программе  предусмотрено  выполнение  студентами  следующих 

лабораторных работ: 

Отобразить базу  данных  в HTML – документе, согласно варианту задания 

Создание XSL  - файла для отображения содержимого XML – документа. 

Использование  внутреннего  DTD  в  XML  –документе.  Создание 

отдельного файла с DTD и подключение его к XML – документу. 

Жоғары оқу орындарында ақпараттық технологияларды оқыту сапасын жақсарту: 

жолдары мен мүмкіндіктері 

 

305

Использование  внутренней  XML-схемы  в  XML  –документе.  Создание 

отдельного файла с XML-схемой и подключение его к XML – документу. 

Отображение созданного XML – документа с помощью HTML. 

Создание каскадной таблицы стилей в отдельном файле для отображения 

содержимого XML – документа. 

Отобразить базу  данных  в XML – документе, согласно варианту задания 

Также  предполагается  выполнение  студентами  самостоятельных  работ  в 

виде реферата:   

Подготовка  реферата  по  теме  «Языки  описания  ссылок  XML  -  XLink, 

XPointer» 

Подготовка реферата по теме «Язык адресации XML - XPath 

Подготовка реферата по теме «Язык описания веб-сервисов – WSDL» 

Подготовка реферата по теме «Протокол передачи данных – SOAP 

Подготовка реферата по теме «Язык математических формул – MathML 

Подготовка реферата по теме «языки преобразования документов XML - 

XSLT 

Подготовка  реферата  по  теме  «Словарь,  описывающий  формат  книги  - 

FB2» 

Подготовка  реферата  по  теме  «объекты  форматирования  языка  таблиц 

стилей для XML- XSL-FO 

В результате изучения дисциплины студенты должны: 

иметь представление

 о XML- технологиях; 

знать

 основные правила и приемы создания XML-документов на  

    основе официальной спецификации W3C (World Wide Web  

    Consortium); 

уметь

  создавать XML-документы с использованием различных XML- 

    словарей. 

владеть навыками

 работы с различными XML-редакторами.  

 

Литература 

 

Александр Печерский. Язык XML – практичкское введение. Часть 1 и 2. – 

http://www.citforum.ru/internet/xml2/index.shtml 

 

 

USING OF ICT FOR ENVIRONMENTAL EDUCATION 

Galiya Nurmukhanbetova  CandSc (Biology) 

IITU 

 

The article considers the ICT potential for increasing access to and improving 

the  relevance  and  quality  of  education.  The  potential  of  ICT  to  promote  the 

acquisition  of obtained  skills  is tied to  its  use  a tool  for  raising  educational  quality, 

including promoting the shift to a learner-centered environment. Carrying out of ICT-

Жоғары оқу орындарында ақпараттық технологияларды оқыту сапасын жақсарту: 

жолдары мен мүмкіндіктері 

 

306

based  tutorials,  particularly  using  of  several  web  sites  on  energy  saving  and  the 

feedback  obtained  from  the  play  games  will  help  students  to  change  lifestyle  in 

sustainable pattern. 

One  defining  feature  of  ICT  is  their  ability  to  transcend  time  and  space.  ICT 

make  possible  asynchronous  learning,  or  learning  characterized  by  a  time  lag 

between  the  deliver  of  instruction  and  its  reception  by  learners.  Online  courses 

materials,  for example,  may  be  accessed 24  hours  a day,  7  days  a week. ICT-based 

educational delivery  also dispenses with the needs for all learners and the instructor 

to  be  in  one  physical  location.  Additionally,  certain  types  of  ICT,  such  as 

teleconferencing  technologies,  enable  instruction  to  be  received  simultaneously  by 

multiple, geographically dispersed learners (i.e., synchronous learning). 

Teachers  and  learners  no  longer  have  rely  solely  on  printed  books  and  other 

materials in physical media housed in libraries (available in limited quantities and too 

expensive to be purchased) for their educational needs. With Internet and the World 

Wide Web, a wealth of learning materials in almost every subject and in a variety of 

media can now be accessed from anywhere at anytime of the day and by an unlimited 

number  of  people.  This  is  particularly  significant  for  many  universities  that  have 

limited  and  outdated library  resources,  including  teaching  materials in  English.  ICT 

also  facilitate  access  to  resource  persons  –  mentors,  experts,  researchers, 

professionals, business leaders, and peers – all over the world. 

One of the most commonly reasons for using ICT in the classroom has been to 

better  prepare  the  current  generation  of  students  for  a  workplace  where  ICT, 

particularly computers, the Internet and related technologies, are becoming more and 

more  ubiquitous.  Technological  literacy,  or  the  ability  to  use  ICT  effectively  and 

efficiently  is  thus  seen  as  representing  a  competitive  edge  in  an  increasingly 

globalizing  job  market.  Technological  literacy,  however,  is  not  the  only  skill  well-

paying  jobs  in  the  new  global  economy  will  require.  It  has  indentified  what  it  calls 

“21

st

Century  Skills”,  which  includes  digital  age  literacy  (consisting  of  functional, 

visual,  scientific,  technological,  information,  cultural,  a  global  awareness)  inventive 

thinking,  higher-order  thinking  and  sound  reasoning,  effective  communication,  and 

high productivity (Table 1). 

 

Table 1 Skills needed in the workplace of the future 

Digital Age Literacy 

Functional literacy 

Ability to decipher meaning and express ideas in a range of media; this 

includes the use of 

images, graphics, video, charts and graphs or visual literacy 

Scientific literacy 

Understanding  of  both  the  theoretical  and  applied  aspects  of  science 

and mathematics 

Technological literacy 

Competence  in  the  use  of  information  and  communication 

technologies 

Information literacy 

Ability  to  find,  evaluate  and  make  appropriate  use  of  information, 

including via the use of ICT 

Cultural literacy 

Appreciation of the diversity of cultures 

Global awareness 

Understanding of how nations, corporations, and communities all over 

Жоғары оқу орындарында ақпараттық технологияларды оқыту сапасын жақсарту: 

жолдары мен мүмкіндіктері 

 

307

the world are interrelated 

Inventive Thinking 

Adaptability 

Ability to adapt and manage in a complex, interdependent world 

Curiosity 

Desire to know 

Creativity 

Ability to use imagination to create new things 

Risk-taking 

Ability to take risks 

жүктеу/скачать 11,62 Mb.

Достарыңызбен бөлісу: