Details
Title | Система улучшения точностных показателей видеообработки комплексов умного дома // Системный анализ в проектировании и управлении: сборник научных трудов XXVII Международной научно-практической конференции, 13–14 октября 2023 года: [в 2 частях]. Ч. 2 |
---|---|
Creators | Гессен Павел Алексеевич; Сараджишвили Сергей Эрикович |
Organization | Санкт-Петербургский политехнический университет Петра Великого |
Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2024 |
Collection | Общая коллекция |
Subjects | Распознавание образов; дообучение; метод опорных векторов; гистограмма направленных градиентов; кластеризация; further training; support vector machine; directional gradients histogram; clustering |
UDC | 004.93'1 |
Document type | Article, report |
File type | |
Language | Russian |
DOI | 10.18720/SPBPU/2/id24-159 |
Rights | Свободный доступ из сети Интернет (чтение, печать, копирование) |
Record key | RU\SPSTU\edoc\73306 |
Record create date | 8/16/2024 |
В целях создания системы улучшения точностных показателей устройств экосистемы умного дома с видеовходом, обеспечивающих выявление объектов в кадре, а также наблюдение за ними в процессе работы с дообучением, произведено исследование мирового опыта в данной области. Основной проблемой являются подходы, которые позволяют с наибольшей точностью, при сохранении высокой вычислительной эффективности, обеспечивать обучение классификаторов на лету без априорного знания о типе объекта наблюдения. Авторами исследования проведена разработка и полунатурное моделирование предлагаемой системы, проведена оценка эффективности ее работы при выполнении задач корректировки положения и выявления объектов с достаточными скоростными показателями с предварительным online-обучением в процессе первичной встречи цели.
In order to create a system for improving the accuracy of smart home ecosystem devices with video input, providing the identification of objects in the frame, their positioning, as well as monitoring them in the process of working with additional training, a study of world experience in this field was carried out. The main problem is the approaches that allow to provide on-the-fly training of classifiers with the greatest accuracy without a priori knowledge of the type of object of observation, while maintaining high computational efficiency. The authors of the study carried out the development and semi-natural modeling of the proposed system, assessed the effectiveness of its work when performing the tasks of correcting the position and identifying objects with sufficient speed indicators with preliminary online training during the initial meeting of the goal.
Access count: 39
Last 30 days: 27