Prepoznavanje objekata snimljenih TV kamerom

Abstract

Cilj ovog rada bila je procena valjanosti momentnih invarijanti u prepoznavanju navedenih klasa objekata snimljenih TV kamerom. Može se očekivati da bi se procenat greške smanjio za veći broj referentnih uzoraka, pri čemu bi procenat greške težio grešci dobijenoj Bajesovim estimatorom. Dva rezultata iz priložene tabele treba tumačiti kao pesimističku (Zrakasti klasifikator) i optimističku prognozu (Bajesov estimator). Sa povećanjem broja uzoraka (optimalan broj u konkretnom slučaju bio bi 400 slika po klasi, 2000 ukupno) pesimistička procena težila bi optimističkoj. Kada se raspolaže većim brojem uzoraka, za istu metodu potrebno je više vremena za klasifikaciju, ako nije prethodno sprovedeno obučavanje sistema sa graničnim nagomilavanjem uzoraka [12, 14]. Tada će od veće baze slika biti odabrano najreprezentativnijih, na primer, 200 uzoraka. Teorijski gledano, odabrani uzorci, nakon obučavanja, nagomilali bi se na Bajesovim hiper-površinama odluke. Dakle, sistem obučen na većem broju uzoraka po klasi, mogao bi da vrši klasifikaciju u realnom vremenu sa verovatnoćom tačnog klasifikovanja blizu 95%. Pri tom, podrazumevamo da je obrada slika i formiranje referentnog skupa uzoraka izvršeno offline, a sama klasifikacija nepoznatog uzorka on-line.