Informationstechnologien für die Video-Objekterkennung

Die Monographie widmet sich der Entwicklung von Methoden und Mitteln zur Nutzung von KI, um bewegte Objekte in einem Videodatenstrom auf der Grundlage von Deep-Learning-Technologien schnell zu identifizieren. Dabei werden klassische und nicht-klassische Methoden der KI, Faltungsneuronale Netze, Computer Vision und Mustererkennung sowie Theorien von Kontrollsystemen auf der Grundlage von Sch tzungen und Kriterien der mathematischen Statistik ber cksichtigt. Als Ergebnis der Erkennung werden wir den Typ des erkannten Objekts bestimmen und ber quantitative Genauigkeitssch tzungen verf gen. Es wurde eine Methode zur Anwendung von Schablonen implementiert. Der Algorithmus verf gt ber Informationen dar ber, wie das gesuchte Objekt aussieht, welche Art von Hintergrund es haben k nnte, wie bestimmte Konturen des Objekts aussehen und welche Positionen sie einnehmen k nnten. Er ber cksichtigt sofort einen m glichen Ort f r die Erkennung des Objekts. Damit l sst sich eine hohe Erkennungsqualit t und eine gute Leistung erzielen. Wenn die Videokamera jedoch mehrere hnliche Objekte aufnimmt, werden unterschiedliche Muster erf llt, und die Erkennungsleistung nimmt ab. Eine Familie von Modellen (k nstliche neuronale Netze) wird verwendet, um Funktionen zu sch tzen oder zu approximieren, die von vielen Eingaben abh ngen k nnen und in der Regel unbekannt sind.