.../Структура/Лаборатория математических методов обработки изображений

Цель работы: Детектирование и трекинг объектов различных классов на видеопоследовательности.
Математический аппарат: свёрточные нейронные сети, признаковое описание, меры близости.
Применение: системы видеонаблюдения, системы отслеживания дорожного потока, системы управления беспилотными аппаратами, наблюдение за животными, приложения для мобильных телефонов, видеоигры и др.

Этапы:

1. Детектирование объектов на кадрах видеопотока свёрточными нейронными сетями. Результат: прямоугольная область объекта, уточненная маска, его тип и др.
2. Трекинг в условиях движения камеры и объектов (изменение ракурса, освещения, перекрытия объектов, выход (в том числе временный) объектов из поля зрения и появление новых). Трекинг выполняется построением соответствий объектов, обнаруженных на последовательных кадрах, основанным в том числе на предсказании положения и анализе схожести изображений объектов. Результат: отслеживание объектов на видео, присвоение объектам уникального идентификатора.

Библиография:

• Yumaganov A., Agafonov A., Myasnikov V. Map Matching Algorithm Based on Dynamic Programming Approach // Proceedings of the 2020 Federated Conference on Computer Science and Information Systems, FedCSIS 2020. – 2020. – P. 563-566
• Shiripova L.V., O.V. Strukova O.V., Myasnikov E.V Study of classification techniques for human action recognition based on PCA and width vectors // International Conference on Information Technology and Nanotechnology (ITNT), 2020. – P. 1-4.
• Kuznetsov A. Person reidentification on video surveillance data // Ultrafast Nonlinear Imaging and Spectroscopy VI - Proceeding of SPIE. – 2019. – Vol. 11041.

• .