O‘zbekiston respublikasi oliy ta’lim, fan va innovatsiyalar vazirligi

Usullar guruhi
Usullarning mohiyati
Modelli usullar	Dastlab tana tuzilishi elementlariga asoslangan inson modeli tuziladi va bunda qirrali (skelet) va ellipsoidali (sharsimon) modellar qo’llaniladi (1.18-rasm); bu yerda ellipslar tana tuzlishini formal ko’rinishda tavsiflash uchun ishlatiladi.
Modelsiz usullar	Harakatlanuvchi ob’yektlarni tanib olishda, ularning tana tuzilishini qurish tartibi qo‘llanilmaydi: tanib olish har bir posada tananing statistik parametrlari yordamida amalga oshiriladi.
Fazoviy-vaqtli usullari	Ush o’lchovli sohada harakat tahlili amalga oshiriladi va keyingi qadamlarda tanib olishni standart usullari va qoidalaridan foydalaniladi.

Inson tanasini skelet modeli asosida tadqiq qilishga bag‘ishlangan ishlarda harakat skelet modelining parametrlari ketma-ketligi bilan tavsiflanadi [51. Harakat turlarini tasniflanishi neyron tarmoqlar yordamida amalga oshiriladi. Dastlabki fazoviy-vaqt sohasida odamning yurishini tanib olishga birinchi urinish [62] tadqiqotda amalga oshirilgan. Dastavval, inson tanasining konturlari aniqlangan, keyin esa soddalashtirilgan qirrali modeli tanlangan.

Skelet modelining turlaridan biri yulduzsimon bo’lib, u ob’yektning markaziy qismini va konturlash orqali olingan burchak nuqtalarni aniqlash orqali quriladi. Ushbu model yurish va yugurish kabi harakatlarni aniqlash uchun ishlatiladi.
Harakatlanuvchi ob’yekt konturini olish uchun unga nisbatan fonni olib tashlash, segmentatsiyalash va kuzatishni o‘z ichiga olgan protseduralar to‘plami amalga oshiriladi [67]. Kontur bir necha segmentlarga bo‘linadi, og‘irlik markazi aniqlanadi va skelet modeli quriladi. Bu usul o‘qitish va tanib olish vaqtida past hisoblash murakkabligi bilan tavsiflanadi.

a) b)
1.18-rasm. Tananing tuzulmaviy modellari: a) ellipsoid; b) skelet.
Real vaqt rejimida insonlarni aniqlab olish uchun PFinder dasturi mavjud [68]. Unda inson tanasining modeli sharsimon va ellipslar to‘plamlari sifatida taqdim etilgan bo’lib, 1.19a-rasmda ko’rsatilganidek ularning har biri fazoviy (x, y) xususiyatlarga va (Y, U, V) rangga ega. Fonni olib tashlagandan keyin modellashtirish amalga oshirilib videotasvirning oldingi planiga model qo’yiladi.
Inson silueti inson tanasining turli qismlariga mos keladigan 7 ta segmentga bo‘linishi [59] ishda ko’rsatilgan. Bunda har biri segmentda ellipslar 1.19b-rasmda ko’rsatilganidek tana tuzilishini qurish uchun tanlangan.
Modelni qurishda moslik kontur o‘lchovi qo‘llaniladi, bu model konturining nuqtalari qanchalik aniq mos kelishini, tasvirning konturlari va ifodalovchi maydonga muvofiqlik o‘lchovi tasvir maydonining model maydoniga mos kelishi aks ettiradi [61].
Inson harakatini tanib olish uchun inson tanasini qisman modellashtirish ham qo‘llanilgan. Masalan, tanib olish uchun harakatlanuvchi odamning soddalashtirilgan ikki oyoqli modelidan foydalanish mumkin [69]. Harakat jarayonida butun tananing ishtirok etishi sababli, modelni bunday soddalashtirish identifikatsiya qilishning aniqligini pasaytiradi.

a) b)
1.19-rasm. Ellipsoid modellar: a) PFinder dastur modeli, b) 7 ta segmentli model.
Ko‘rib chiqilayotgan modellarni amalga oshirishda eng muhim nuqta konturlarni kuzatishdir [7]. Xususiy algoritm tanib olingan maydonlarning sifati va shaklini optimallashtirish orqali diskret tasvirni soddalashtirish protseduralarini amalga oshirishni o‘z ichiga oladi. Eng oddiy holatda, elementar mintaqa yarimtonlarning bir xil (yoki tanlangan ishonch oralig‘iga ko‘ra yaqin) darajasiga ega. Keyingi qadam – elementlarni (sohalarni) ulanish protsedurasini amalga oshirish.
Uslubiy jihatdan buning uchun quyidagilardan foydalansa bo’ladi:
- mantiqiy maskalash [30];
- elementar vektorlarning aprior to'plamidan foydalangan holda grammatik tahlil qilish (konturlarni kuzatish);
- ulanish chegarasi uchun ishonch oraliqlarini shakllantirish va keyinchalik sozlash orqali amalga oshirish, masalan [7]:

bu yerda l - maydonlarning umumiy kesishmasining uzunligi,
- qo‘shni maydonlarning perimetrlari,
- farq chegarasi;
- parametrik bo‘lmagan yondashuvlardan, xususan, yaqin qo‘shni mezoni;
- gradient operatorlar usuli.
Ko‘rib chiqilgan usullarning afzalliklari yuqori shovqinga qarshilik qobilyatida (konturlarning “xiralashtirish” uchun qat’iy talablarni kamaytirish orqali), ma’lumotlar hajmining pasayishi va murakkab harakatlarni tanib olish ishonchliligini oshirishda namoyon bo’ladi. Kamchiliklari - modelni tanlashda va tanlangan modelning tahlil qilingan tasvirga muvofiqligi parametrlarini baholashda yuzaga keladigan muhim hisoblash murakkabligidir. Ma’lumotlar bazasiga yangi turdagi harakatni qo‘shish qo‘shimcha tarkibiy va dasturiy amallarni talab qiladi.
Modelsiz usullar bilan inson tanasining tuzilishini qurishga hojat yo‘q. Ularni ikki sinfga bo‘lish mumkin [44]. Usullarning birinchisi sinfida insonning harakati va yurishi bir qator pozitsiyalardan iborat deb taxmin qiladi va tanib olish tananing statik va dinamik parametrlarini, masalan, balandlik, bir qadam masofasi va qadam chastotasi, rangi va boshqalarni qo‘llash orqali amalga oshiriladi [43,65]. Ikkinchi sinfida esa vektor tomonidan tasvirlangan uch o‘lchovli sohani (X, Y, T) qurish orqali harakatni tahlil qiluvchi fazoviy vaqt usullarini o‘z ichiga oladi. Bunday holda, harakatni aniqlash berilgan vektor fazoda naqshni aniqlashning standart usullarini qo‘llash orqali amalga oshiriladi.
Modelsiz usullarning afzalliklari shundaki, ular hech qanday aniq ob’yektlar bilan bog‘lanmaydi, ya’ni ular, masalan, hayvonlarning harakatlarini ham tanib olish uchun ishlatilishi mumkin. Modelsiz usullardan foydalanish, umuman olganda, tasvirni o‘rganishda shovqinni kamaytirish mexanizmlarining yo‘qligi sababli ular kamroq shovqinga chidamliligi bilan cheklanadi.
Ko‘rib chiqilayotgan usullarning asosiy kamchiliklari – bu hisob-kitoblarning murakkabligi va tananing o‘lchamiga, atrof-muhitning ta’siriga va kuzatuv olib borilayotgan muhitga invariant bo’lgan informativ belgilarning apriori va keyinchalik ishchi lug‘atini yaratish uchun yagona yondashuvning (hattoki konsepsiyaning) mavjud bo’lmaganligi. Bunday yondashuvning mavjud emasligi harakatlanuvchi odamlarni yurish bo’yicha tanib olish va identifikatsiyalashni birlashtiruvchi uslubiyat yo’qligini asoslaydi. Shunday uslubiyat yaratish harakatlanuvchi insonlarni videotasvirlar bo’yicha tanib olish usullariga samarali qo’shimcha bo’ladi.
Ushbu kamchiliklarni bartaraf etish va real dinamik ob’yektlarni uzluksiz vaqt rejimida ishlashini hisobga olish maqsadida tanib olish va shaxsni turli xil usullar bilan identifikatsiyalashga asoslangan, tubdan yangi yondashuvlarni ishlab chiqish alohida tadqiqotloarni talab etadi.
Bunday yondashuvlarga misol sifatida neyron tarmoqli texnologiytalardan foydalanishni ko’rsatish mumkin. Keyingi bo’limlarda ushbu yondashuvni yurishni aniqlashda qo‘llanilishi bo’yicha tadqiqot natijalari keltirailadi.
Ushbu dissertatsiyaning tadqiqoti dinamik ko‘rishga va tasvirlarni tanib olish usullariga qarab rivojlanayotganligi sababli, voqealarga va real vaqt rejimiga asoslangan usullarni ko‘rib chiqishni ta’minlash asosiy vazifalardan biri deb hisoblanadi. Dinamik ko‘rish sensorlari so‘nggi yillarda mashhur tizim sifatida takomillashmoqda va xotira hajmi, hamda vaqtinchalik samaradorligi tufayli ular video kuzatuv tizimlariga birlashtirilgan, shuning uchun kompyuterli ko‘rish muammolarining aksariyati ushbu sensorlar tomonidan olingan ma’lumotlar uchun hal qilinishi talab etiladi. So‘nggi paytlarda turli xil muammolar uchun ko‘plab yechimlar taklif qilindi, ammo yurishni aniqlash muammosiga dinamik ko‘rish nuqtai nazaridan yondashuvlar hanuzgacha samarali yechimlarga ega emas.
Ob’yektni aniqlash va kuzatish muammolari uchun ko‘plab turli modellar taklif etiladi, ular odatda yurishni aniqlashda yordamchi rol o‘ynaydi [73-75]. DVS (Data Version Control) ma’lumotlari nuqtai nazaridan ko‘rib chiqiladigan harakatni aniqlash ham shu muammolar turiga kiradi [76, 77]. Shuningdek hodisalar oqimining ikki oʻlchovli proyeksiyasi koʻrib chiqiladi [77]. Bunda hodisalar gorizontal va vertikal oraliqlarda toʻplangan x-t va y-t proyeksiyalari bilan birga vaqt oraligʻida yigʻilgan hodisalardan iborat tabiiy x-y proyeksiyasi. Xususiyatlar bu xaritalardan SURF (Speeded Up Robust Features)dan foydalangan holda olinib, klasterlashtiriladi va tasniflanadi [78]. Yana bir muammo imo-ishoralarni aniqlashdir, bu faqat tashqi ko‘rinish bilan hal etilmaydi, lekin harakatni, shuningdek, yurishni tan olishni talab qiladi [79, 80]. Birinchi yondashuv Yashirin Markov modellariga asoslangan bo‘lsa, ikkinchisi deep learning usullaridan foydalanadi [79,80].
Optik oqimni baholash muammosi yechimlari sifatida hodisa oqimi harakatni aks ettirganligi sababli, DVS ma’lumotlaridan optik oqim hisoblash usullari faol ishlab chiqilgan. Optik oqim va hodisalar oqimiga tegishli differensial tenglamalar tuziladigan va yechiladigan mutlaqo aniq matematik usullardan, kodlovchi-dekoder neyron arxitekturasiga asoslangan chuqur EV-FlowNet kabi “oʻrgatish mumkin boʻlgan” yondashuvlardan farqlanadi [81,82]. Hodisa ma’lumotlarining turli usullari doimiy ravishda paydo bo‘lib, bunday ma’lumotlarni qayta ishlashni soddalashtirishga va video kuzatuv maydonida dinamik ko‘rish sensorlarini tarqatishga olib keladi.
Yuqorida bayon etilgan xulosalar dissertatsiya ishining quyidagi maqsadini belgilab beradi: shaxsni tanib olish tizimini takomillashtirish va aniqligini oshirish tizimlarini qurishda neyron tarmoqli modellar va algoritmlarini ishlab chiqish, hamda ulardan muayyan jarayonlarini avtomatlashtirish masalasini yechishda foydalanish [4-6]. Boshqacha aytganda, tadqiqotning maqsadi – diskret-uzluksiz va diskret tizimlar uchun dinamik ob’yektlarni optimallashtiruvchi matematik usullarini rivojlantirishga qaratilgan. Takomillashgan usullar neyron tarmoqli modellar va algoritmlari, hamda dasturlarini amaliyotga joriy etilishiga yo‘naltirishi lozim. Buning uchun tanib olish tizimlarning xususiyatlarini va optimal strukturalari imkoniyatlarini batafsil ko‘rib chiqish kerak bo‘lib, unda tadqiqotning pirovard natijasi – shaxsni identifikatsiya qilishda qo‘yilgan masalalarini yechishni amalga oshiradigan algoritmik hamda dasturiy ta’minotini ishlab chiqish.
Dissertatsiyaning maqsadini amalga oshirish quyidagi masalalarni yechishni taqozo etadi:
- Harakat tasvirlarini tanib olishning asosiy yondashuvlarini tahlil qilish;
- Yurish holatlariga ta’sir qiluvchi tashqi omillarini baholash;
- Tanib olish va shaxsni turli xil usullar bilan identifikatsiyalashga asoslangan, tubdan yangi yondashuvlarni ishlab chiqish;
- Videodan olingan tasvirlar asosida odam skeletini tayanch nuqtalar asosida shakllantirish;
- Olingan tasvirlar asosida inson pozasini baholashda neyron tarmoqlaridan foydalanish;
- Videodan olingan tasvirlar asosida shaxsni identifikatsiya qilish algoritm va dasturiy ta’minotini ishlab chiqish;
- Olingan natijalarni dastlabki natijalar bilan solishtirish.
Shunday qilib, harakatlanuvchi shaxsning joriy tavsiflarini optimallashtirish uchun videoma’lumotlarni tanlash usul va modellarini ishlab chiqish, berilgan belgi bo’yicha ob’yektning etalonlarini shakllantirish ishonchliligini oshirish, uni tanib olish va identifikatsiyalash tezkorligini ta’minlash maqsadiga erishish uchun quyidagi vazifalar hal etilishi talab qilinadi:
1) harakatlanuvchi odamlarning bilvosita belgilarini aniqlash modellarini ishlab chiqish va yagona yoki gibrid tabiatli belgilarining lug‘atini shakllantirish;
2) harakatning bilvosita belgilari uchun lug‘atdan foydalanish asosida odamlarning joriy tavsiflari, standartlari, sinflarini shakllantirish usuli va dasturiy ta’minotga yo‘naltirilgan algoritmlarini ishlab chiqish;
3) tanlab olingan bilvosita belgilarning tavsiflaridan foydalangan holda harakatlanuvchi odamlarni tanib olish va identifikatsiya qilish algoritmlarini ishlab chiqish;
4) bilvosita belgilarning (ikkilamchi) lug‘atlaridan foydalangan holda odamlarning harakatlanuvchi tasvirlarini tanib olish tizimining funksional-tarkibiy qismini yaratish.
I-BOB bo’yicha xulosa

1. Insonni harakati orqali tanib olish muhim vazifa hisoblanib, u biometriya va kompyuterli ko‘rish sohasida samarali yechimni talab qiladi. Insonning yurishi uning identifikatsiyasi uchun juda qulay xususiyatdir, shu jumladan video kuzatuv vositasidan ancha uzoqda bo’lgan masofadan ham tanib olish va identifikatsiya qilish imkoni mavjudligi;

2. Modelga asoslangan harakatni aniqlash usullari murakkab harakatlarni tanib olish, hamda identifikatsiya qilish tizimida foydalanish uchun aniqroq va qulayroqdir, shu bilan birga, ular katta hisoblash resurslarini talab qilgan holda harakatlanuvchi ob’yektni aniqlash jarayonida hosil bo‘lgan siluetning sifatiga bog‘liq bo’ladi. Modelsiz usullar universal bo’ladi va ular turli xil harakatlanuvchi ob’yektlar, hamda oddiy harakatlarni tanib olish uchun ishlatilishi mumkin, lekin ular shovqinga sezgir bo’ladi;
3. Inson harakatlarini tanib olish va aniqlashning tavsiya etilgan usullarini tahlil qilish tizimli nuqtai nazardan yagona yondashuv bilan muayyan muammolarni hal qilish uchun zarur cheklovlar va yondashuvlar majmuasini shakllantirish imkonini beradi;
4. Hisoblashlarning murakkabligi va tananing o‘lchamiga, atrof – muhitning ta’siriga va kuzatuv o‘tkaziladigan vaziyatga o‘zgarmas bo‘lgan informatsion xususiyatlarning apriori va keyinchalik ishlaydigan lug‘atini yaratish uchun yagona yondashuvi mavjud emasligi aniqlandi. Muqarrar qarama-qarshilik shundan iboratki, mavjud bo‘lgan ko‘plab usullar va eksperimental tadqiqotlar natijalari bilan bir qatorda, harakatlanuvchi odamlarni yurish bo‘yicha tanib olish va aniqlashning yagona birlashtiruvchi usuli yo‘q, bu klassik holatlardagi (geometrik, statistik, mantiqiy, strukturaviy) kabi bir xil tartibda natijalarni beradi.
II-BOB. HARAKATLANAYOTGAN ODAMNI YURISH XUSUSIYATLARI BO‘YICHA INFORMATIV BELGILARILARINI AJRATIB OLISH JARAYONINI MODELLASHTIRISH

2.1-§. Inson harakatining biometrik belgilarini fazoviy-vaqt yondashuvi asosida aniqlashning tizimli modeli

Harakatlanuvchi odamlarning tasvirlarini biometrik xususiyatlari, jumladan, yurishning o‘ziga xos xususiyatlari bo‘yicha tanib olish, aniqlash va kuzatishning umumlashtirilgan usulini shakllantirish zarurati videoma’lumotlarni qayta ishlash vositalarini sifatli belgilar fazosini ta’minlash muhimligi bilan asoslanadi. Bunda videosensor (videokamera) joylashuvi ob’yektlarga nisbatan uzoqligi keng qo’llaniladigan geometrik, statistik, mantiqiy, tuzulmaviy usullarda yaxshi natijalarga olib keladigan informativ belgilarni olishda qo’shimcha muammolarni tug‘dirishini ta’kidlab o’tish lozim. Ushbu muammolarni faqatgina tadqiq qilinadigan predmet sohasida formallashtirilgan masalalar yechimiga olib keladigan majmuali yondashuv asosida hal qilish mumkin.

Dastlabki qadamlar video kadrlar ketma-ketligidagi video ma’lumotlarini tahlil qilish va o‘zgartirishning tizimli va analitik modellarini ishlab chiqish va o‘rganishdan iboratdir. Bundan maqsad, odamning yurishining ma’lum bo‘lgan qo‘shimcha biometrik belgilaridan tashqari, harakatlanuvchi odam tanasining turli qismlari tomonidan ishlab chiqarilgan vaqtli, o‘zaro korrelyatsiyalangan funksiyalar to‘plami sifatida taqdim etish.
Odatda normallashtiruvchi belgilar sifatida qadam uzunligi L, qadamlar oralig‘i (yoki harakatlanish tezligi 1/T), tugallangan vaqtda inson bosib o’tgan masofa W sifatida qabul qilinadi [16,36]. Bular gibrid tabiatli belgilar bo’lib, tasvirlar ketma-ketliklarida aniqlanadi va o’zaro bog‘langan ko’p o’lchamli signallar ko’rinishida dastlabki ma’lumotlarni fazo va vaqt bo’yicha birlashtiruvchi strukturali axborot resursni tashkil etadi.

Ushbu signallarni adekvat modellashtirish va maqsadli jarayonlarda qo’llashning apparat-dasturiy vositalari uchun kiruvchi ta’sirlari sifatida tahlil qilish va qayta ishlash qo’shimcha dinamik belgilarni ajratib olish va ulardan foydalanish imkonini beradi. Bunday belgilar “nozik” tuzulma deb ataladi va harakatlanuvchi insonlar qiyofasini tanib olish uchun kerak bo’ladigan ishchi lug‘atni to’ldirish bilan birgalikda, to’g‘ridan-to’g‘ri belgilar qiymatlarini olish manbaalari noregulyar bo’lganda, harakatlanayotgan insonni identifikatsiyasini yuqori ishonchlilik bilan amalga oshirish imkonini ham beradi.

Shu bilan birga ma’lumki portret o‘xshashligi algoritmlarini amalga oshirish uchun mavjud bo‘lmagan video sensordan masofa va pozitsiyada tasniflash protseduralarining o‘zini muvaffaqiyatli amalga oshirib bo‘lmaydi [36]. Klassik usullar bilan ularning analitik tavsiflarining murakkabligi, instrumental ruxsatning yetarli emasligi va signal-shovqin nisbati pastligi sababli harakatlanuvchi odamlarni tanib olish, identifikatsiya qilish va kuzatishning dinamik holatlari, shuningdek, harakatni aks ettiruvchi video ketma-ketligi kadrlari bo‘laklarining fazo va vaqt o‘zgarishidagi katta noaniqlik (aprior va joriy) tufayli ularning analitik tavsifining sezilarli murakkabligini keltirib chiqaradi.
Aynan yuqorida aytilganlar nuqtai nazaridan, kuzatuvdagi harakatlanayotgan shaxsni tanib olish, identifikatsiyalash va kuzatib borishning talab etiladigan ishonchliligini ta’minlab beradigan ishchi lug‘atni shakllantirish uchun qo’shimcha (bilvosita) informativ belgilar to’plamini ajratib olish modellarini qurishga majmuali va tizimli yondashuvni qo’llash maqsadga muvofiq.
Inson yurishining asosiy va qo‘shimcha biometrik xususiyatlarini aniqlash maqsadida videotasvirlar ketma-ketligiga ishlov berishning tiimli modelini ishlab chiqish videokadrlarga ishlov berish bosqichlarini ketma-ket joriy etish natijasi sifatida amalga oshiriladi. Bunda aynan harakatlanuvchi shaxs qiyofasiga ega bo’lgan tasvir qismini aniqlash, ajratib olish va taqqoslashning standart usullaridan ham qisman foydalanish mumkin [1, 7, 16].
Tasvir ketma-ketligidagi harakatni baholashda katta noaniqlik tufayli tanib olishning dinamik holatini eng qiyin deb faraz qilsak, tizim modelini yaratishning umumiy vazifasi quyidagi vazifalarga bo‘linadi [1, 8, 36]:
- dinamik analitik submodel holatini qurish (yoki asl fon modeli va harakatlanuvchi antropogen ob’yektning holatini umumiyligini yo‘qotmasdan inson tanasining soddalashtirilgan tavsifi modelining qoplamasi bilan aniqlash);
- videotasvirni idrok etish jarayoniga adekvat bo‘lgan va uning bir qismi harakatlanuvchi shaxs tasvirining aksi bo‘lgan kuzatishlarning dinamik analitik submodelini yaratish;
- harakatlanuvchi antropologik oby’ektni ko‘rsatish bilan video ketma-ketlikni tahlil qilish orqali to‘g‘ridan-to‘g‘ri antropologik xususiyatlarni aniqlash uchun dinamik submodelni yaratish;
- video sensorning ko‘rish sohasida bo‘lgan odam harakatining trayektoriyalarini kuzatish uchun dinamik submodelni shakllantirish;
- qo‘shimcha (bilvosita) belgilarni tanlash uchun dinamik va statik submodellarni yaratish.
Bu submodellar to‘plami bo‘lib, ularning har biri o‘ziga xos analitik xususiyatlarga ega va inson yurishining bevosita va bilvosita belgilarini aniqlash uchun tizim modeli tuzilishi bilan bog‘liq ixtisoslashtirilgan masalalarni o‘rganish uchun mo‘ljallangan va ulardan foydalanish mumkin [12]. Tanib olish tizimining ishlashi uchun tizim algoritmini tahlil qilish, odamlarning harakatlanish traektoriyalarini tasniflash, tanib olish, aniqlash va kuzatishni, shu jumladan tanib olish muammosiga kompleks tizimli yondashuv nuqtai nazaridan amalga oshirish uchun asos sifatida harakatlanuvchi odamning yurish xususiyatlarini tavsiflovchi xususiyatlar guruhning maqsadli funksiyasini (tizim faoliyatining maqsadli jarayoni) tanib olish tizimi tomonidan amalga oshirishning asosiy tayyorgarlik va posteriori bosqichlarini birlashtirgan tizim modeli 2.1-rasmda ko‘rsatilgan.

Harakatlanuvchi ob’yektning "o‘zaro bog'langan" traektoriyasini kuzatish (kuzatish Et ), video ketma-ketlikda aniqlangan ob'ektlar o'rtasidagi birma-bir yozishmalarni aniqlash (identifikatsiya Ep )

Odamlarning tasvirlarini tanib olish, ob’yektlarni standartlar bo‘yicha aniqlash, tanlangan ob'ektlarning harakatlarini tavsiflash


Yurishning "to'g'ridan-to'g'ri" va bilvosita belgilarining ta'rifi: L,T; {f(L),f(T)}

Insonning harakatini aniqlash, uning harakat traektoriyasini kuzatish

g_B (x,y,I)

Kerakli video signal

Tasvirning harakatlanuvchi qismlarini statsionardan (fon) ajratish

Oldingi suratlarni segmentlash E_c(Z₁), bir xil tezlikda harakatlanuvchi ixcham maydonni topish (harakatlanuvchi ob’yekt) Z₂=E_K0Ec(Z₁)

Interferentsiya effektlari: n_b,(t), f₁(I,t), f₂[I(t,F_M)]

Oldindan tanlash

harakatlanuvchi ob’yektlarni tanlash va tasniflash

2.1-rasm. Video tasvirlarni qayta ishlash va harakatlanuvchi odamlarning bilvosita belgilarini olish uchun tizim modeli