АЛГОРИТМ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ ОБНАРУЖЕНИЯ МАЛОРАЗМЕРНЫХ ОБРАЗОВ
Ключевые слова:
Образ, распознавание образов, сверточные нейронные сети, обработка видеоизображенийАннотация
Распознавание определенных образов в видеоизображениях, снятой камерой, осуще-
ствляется с помощью методов обучения на основе сверточных нейронных сетей. Чем
больше количество образов с множеством признаков и разнообразнее обучающая выборка
видеоизображений, тем лучше сверточные нейронные сети извлекают признаки из после-
довательности видеоизображений, которые не были включены в обучающую выборку. Это
является следствием повышения точности обнаружения визуальных образов на видеоизоб-
ражениях, содержащих признаки целевых образов. Однако, существуют ограничения в
улучшении характеристик обнаружения, когда размеры образа, который нужно обнару-
жить, значительно меньше, чем область фона или, когда образ описан малым количеством
информации. Для решения проблем подобного рода авторами статьи разработан алго-
ритм пространственно-временного комплексирования информации о движении динамиче-
ских образов. Алгоритм обрабатывает фиксированное количество видеоизображений в
определенные моменты времени и извлекает новые независимые признаки движения дина-
мических образов на основе пространственно-временной обработки видеоизображений.
Далее объединяет новые локальные признаки движения с исходными признакам видеоизоб-
ражения. Это позволяет добавить признак движения динамических образов с сохранением
исходных признаков изображения, описывающих статичные образы. Области видеоизоб-
ражения, характеризующие признак движения, отображаются «цветным» кластером.
Применение предварительной обработки направлено на повышение точности обнаруже-
ния образов при условии наличия динамических визуальных образов на статичном заднем
фоне. Если камера работает в режиме сканирования, то статичный задний фон можно
обеспечить стабилизатором видеоизображений. Экспериментальным путем получены
оценки интегральных критериев точности детекционных нейросетевых алгоритмов, пока-
зывающие увеличение в точности обнаружения визуальных образов с применением алго-
ритма пространственно-временного комплексирования информации о движении.
