МЕТОД РОЗПІЗНАВАННЯ РУХОМИХ ОБ’ЄКТІВ НА ОСНОВІ КЛАСИФІКАЦІЇ КАСКАДІВ ХААРА

Анотація

Розроблено метод розпізнавання рухомих об’єктів у відеопотоці на основі класифікації Хаара. При відстеженні об’єктів у виникає потреба ідентифікувати їх та фіксувати напрям їх руху, швидкість переміщення. Складність розпізнавання полягає не тільки у фіксації об’єкта та слідкування за ним, але й русі самої камери, з якої ведеться відеонагляд. В основі методу Хаара лежать каскадні класифікатори, які швидко виділляють регіони з високою ймовірністю виявлення об’єкта. У каскадах Хаара використовується операція згортки, яка формується на основі пропорційного добутку фур’є-образів функцій. До недоліків каскадів Хаара можна віднести те, що розпізнавання є нестійким при зміні освітлення, нестійке зі зміною масштабу та повороту ключових кадрів. При реалізації цього методу ніхто не здійснює зміну фонів у відеопослідовностях. Цей метод є дуже швидким у реалізації, і відповідно найменш точним, порівняно зі SURF и SIFT. Проте він є доступний до програмування і вільний у використанні. Для застосування Haar Cascades використано класифікатор Adaboost. Це алгоритм вибирає невелику кількість значущих характеристик із більшого набору, щоб забезпечити ефективний результат. Adaboost є методом ансамблевого навчання, який належить до категорії бустингових алгоритмів, що дозволяє комбінувати моделі дерев рішень з малою глибиною, щоб створити сильну модель, здатну забезпечувати високу точність класифікації чи регресії. Окрім розпізнавання об’єкта, реалізовано метод машинного навчання, що базується на методах з вчителем для реалізації прогнозування місцезнаходження об’єкта та ідентифікації цього об’єкта. У навчальній вибірці були «навчені» воєнні машини btr, bmp, танк, автомобіль та гаубиці. Планується використати для ідентифікації об’єкту алгоритми випадкового лісу, SVM, градієнтного бустингу та нейронні мережі. Розглянуто метрики результатів машинного навчання, зокрема оцінки точності, повноти, F1-score, коефіцієнт Каппа та матрицю помилок. Приведено оцінку розроблених моделей. У подальшому планується вдосконалювати початі методи.