Изучение необходимости автоматизирования существующих систем анализа видеопотока и уменьшение влияния человеческого фактора на работоспособность этих систем. Исследование возможностей алгоритмического формирования признаков в реальном масштабе времени.
При низкой оригинальности работы "Построение информативных признаков подвижных объектов для их распознавания в видеопотоке", Вы можете повысить уникальность этой работы до 80-100%
Построение информативных признаков подвижных объектов для их распознавания в видеопотоке канд. техн. наук М.А. АнохинВозможность более эффективного автоматизирования существующих систем анализа видеопотока и уменьшение влияния человеческого фактора на работоспособность этих систем требуют разработки новых методов описания и распознавания подвижных объектов в видеопотоке. Постоянно возрастающие вычислительные способности современных устройств позволяют разрабатывать системы способные в реальном времени анализировать события и объекты в видеопотоке [1]. Решающее значение приобретают параметры информационных признаков, описывающих объекты, в частности информативность признаков и их количество, а также возможность алгоритмического формирования признаков в реальном масштабе времени. видеопоток алгоритмический масштаб время Методы, описанные в литературе, в основном используют три типа информативных признаков при описании видеообъектов: цвет, текстура и форма. Текстура не зависит от цвета или яркости и относится к признакам, обладающим свойством однородности [3].
Список литературы
1. An introduction to video content analysis. Industry guide // British Security Industry Association. 2009. Issue 1. Form No. 262. P. 1-11.
2. Безрук В.М., Певцов Г.В. Теоретические основы проектирования систем распознавания сигналов для автоматизированного радиоконтроля. - Харьков: Коллегиум, 2007. - 430с.
3. Rui Y., Huang T. Image Retrieval: Current Techniques, Promising Directions, and Open Issues // Journal of Visual Communication and Image Representation. Issue 10. 1999. P. 39-62.
4. Sticker M., Orengo M. Similarity of Color Images // Storage and Retrieval for Image and Video Databases III. 1995. Volume 2420. P. 381-392.
5. Aarthy B., Tamilpavai G., Tamilselvi S. Multiple Representation of Perceptual Features for Texture Classification // International Conference in Recent trends in Computational Methods, Communication and Controls. Issue 1. 2012. P. 1-5.
6. Zhang D., Lu G. A Comparative Study on Shape Retrieval Using Fourier Descriptors with Different Shape Signatures // Journal of Visual Communication and Image Representation. Issue 14. 2003. P. 41-60.
7. Гонсалес Р., Вудс Р. Цифровая обработка изображений. - М. : Техносфера, 2005. - 1072с.
8. Беллман Р. Э. Введение в теорию матриц. - М. : Наука, 1969. - 368с.
Размещено на .ru
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
