OVERVIEW OF MACHINE LEARNING METHODS FOR REAL-TIME TRACKING SYSTEMS FOR DYNAMIC OBJECTS

Аңдатпа

Бейне аналитика жүйелерін және кескіннің аутентификациясының жеке технологияларын дамытуда айтарлықтай прогреске қол жеткізілді. Дегенмен, нақты әлемдегі мінез-құлықтың күрделілігі мен өзгермелілігіне байланысты динамикалық бейнелерді тану қиындықтары сақталады. Кейбір сценарийлерде адамдар көп шоғырланған аумақтардағы ішкі бейнебақылау, көлік қозғалысын басқарудың роботтық жүйесі және көлік қозғалысын бақылау сияқты көріністегі нысандардың құрылымы мен қозғалысы туралы ақпаратты алуға ерекше мән беріледі.

Объектілерді бақылау тапсырмалары үшін ағымдағы зерттеулер мен әзірлемелер келесі практикалық міндеттерді шешуге бағытталған:

Көрініс жарықтандыру немесе кескінді жарықтандыру жағдайларындағы өзгерістер.

Камера жүйелері тудыратын шу.

Уақыт өте келе пішінін өзгертетін объектілер.

Басқа заттармен бітелу салдарынан заттардың уақытша жоғалуы.

Ұқсас сипаттамалары және қиылысатын траекториялары бар бірнеше объектілердің бір мезгілде қозғалысы.

Объектіні тану саласында кедергі немесе шуылға қарамастан бейне кадрлардағы объектілерді дәл анықтауға қабілетті нақты уақыт режиміндегі алгоритмдерге қажетті қажеттілік сақталады. Сондықтан, бейнежазбалардағы объектілерді қадағалау және анықтау алгоритмдерін жасау, нақтылау және талдау ғылыми-техникалық прогрестің қазіргі кезеңінде өзекті мәселелер болып қала береді.

Негізгі мақсат - бұрмаланулар мен кедергілерді ескере отырып, бейне деректердегі объектіні бақылау және тану үшін жаңа алгоритмдерді әзірлеу, жақсарту және зерттеу. Бұл күш заманауи қауіпсіздік жүйелерінің тиімді жұмыс істеуіне арналған практикалық талаптарға сәйкес келеді.
            Кілт сөздер Open Source Computer Vision, Region of interest, Background subtraction, Optical character recognition.