Search academic texts

Information × Registration Number 2119U007766, Article popup.category Опубліковано, Стаття Title ADAPTIVE MATRIX MODELS IN THE VIDEO STREAMS CONTROL PROBLEM popup.author Машталір С. В.Столбовий М. І.Mashtalir S.V.Stolbovyi M.I. popup.publication 18-01-2019 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/154614 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. В даний час аналіз багатовимірних даних є одним з пріоритетних напрямків наукових досліджень. Це пов’язано з практично не контрольованим зростанням обсягів інформації і виникненням необхідності отримання/пошуку різного роду корисних даних з неї. При цьому аналіз відеоданих є одним з найбільш складних з обчислювальної точки зору не тільки через великі обсяги оброблюваних даних, а й з огляду на слабку структурованість відео, а також той факт, що в цілому ряді задач обробки відео існують обмеження на час обробки. Одним з напрямків вирішення цих проблем аналізу відео є попередня обробка відеоданих з метою отримання їх розбиття на однорідні сегменти (сцени), що значно скорочує часові і обчислювальні витрати при подальшому контекстному аналізі великих обсягів відеоінформації. І, не дивлячись, на наявні результати в цьому напрямку, задача кластеризації/сегментації відеопослідовностей залишається надзвичайно актуальною. Мета. У роботі розглянута проблема кластеризації багатовимірних потокових даних на прикладі часової сегментації відеопослідовностей. Метод. Запропоновано метод контролю змін потокових даних, що дозволяє відстежувати моменти, істотної зміни характеристик вхідних багатовимірних даних, на основі адаптивних матричних моделей з введенням спеціалізованого алгоритму налаштування прогнозуючої моделі. Результати. Проведений експеримент на відеопослідовність довільної природи продемонстрував можливість виявлення границь сегментів в відео. При цьому слід зазначити, що запропонований підхід суттєво залежить від результатів просторової сегментації вихідних даних, яка необхідна для отримання множини характеристик, що описують кожен видеокадр послідовності. Висновки. Запропонований в роботі метод дозволяє проводити кластеризацію-сегментацію багатовимірних вхідних даних за допомогою адаптивних матричних моделей. В якості вихідних даних в експериментальній частині використовувалися відеопослідовності. popup.nrat_date 2026-02-09 Close