1.9. Анализ движения. Выделение движущихся объектов. Разность кадров. Вычитание фона. Анализ оптических потоков. Слежение за движущимися объектами. Корреляционное слежение.

СЖАТИЕ ВИДЕОИНФОРМАЦИИ. СЖАТИЕ БЕЗ ПОТЕРЬ. СЖАТИЕ ДИНАМИЧЕСКИХ ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЕЙ. СОВРЕМЕННЫЕ ФОРМАТЫ ХРАНЕНИЯ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ И ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЕЙ. СТАНДАРТ MPEG4.

Раздел 2. Распознавание образов.

2.1. Задача автоматического распознавания образов. Байесовская теория решений. Обучение с учителем. Линейные разделяющие функции и поверхности решений. Обучение без учителя. Кластерный анализ. Логическое программирование и экспертные системы (ЭС).Байесовское объединение свидетельств.

Задача автоматического распознавания образов. Краткая характеристика научной области. Распознавание, классификация, идентификация, верификация.

Распознавание(классификация, идентификация)-это отнесение конкретного объекта (реализации), представленного значениями его свойств (признаков), к одному из фиксированного перечня образов (классов) по определённому решающему правилу в соответствии с поставленной целью.Верификация– проверка, принадлежит ли данный объект некоторому заранее заданному классу.

Вспомогательная, но важная функция распознающих систем – оценка риска потерь. Без этой функции невозможно, например, построить оптимальные решающие правила, выбрать наиболее информативную систему признаков, которые используются при распознавании, и др.

Введём следующие обозначения:

S– множество распознаваемых образов (классов), называемое иногда алфавитом;

X– признаковое (выборочное) пространство;

– размерность признакового пространства (количество признаков, характеризующих распознаваемые объекты);

– множество решающих правил, по которым осуществляется отнесение распознаваемого объекта (реализации) к тому или иному образу;

– риск потерь при распознавании.

Размерность признакового пространства обычно стремятся сделать как можно меньше, поскольку при этом сокращается количество требуемых измерений, упрощаются вычисления, формирующие и реализующие решающие правила, повышается статистическая устойчивость результатов распознавания. Вместе с тем уменьшение, вообще говоря, ведёт к росту риска потерь. Поэтому формирование признакового пространства является компромиссной задачей, которую можно разделить на две части: формирование исходного признакового пространства и минимизация размерности этого пространства.

Риск потерь фактически является критерием, по которому формируется наиболее информативное признаковое пространство и наиболее эффективные решающие правила. И алфавит, и признаки, и решающие правила должны быть такими, чтобы по возможности минимизировать риск потерь. Этот критерий является составным. В него в общем случае входят потери (штрафы) за ошибки распознавания и затраты на измерения признаков распознаваемых объектов. В частном, наиболее широко используемом случае в качестве риска потерь фигурирует средняя вероятность ошибки распознавания или максимальная компонента матрицы вероятностей ошибок. На практике, конечно, речь идёт не о вероятностях, а об их выборочных оценках.

Пространство признаковможно представить как некоторое пространство размерностис определённой в этом пространстве метрикой. Любой объект (реализация) представляется в виде точки (вектора) в этом пространстве. Проекция этой точки наю ось координат соответствует значениюго признака. Любое решающее правило в конечном счете задает разбиение признакового пространства на непересекающиеся области, соответствующие различным классам.