Исследование алгоритмов детектирования текстурированных объектов на видео для мобильных платформ

Настоящая выпускная квалификационная работа посвящена исследованию алгоритмов детектирования текстурированных объектов на видео для мобильной платформы Android на примере задачи обнаружения пешеходов с целью повышения точности и вычислительной эффективности изучаемых методов. В ходе работы над обозначенной проблемой были решены соответствующие задачи. Во-первых, был произведен обзор литературы, в ходе которого были рассмотрены существующие методы классификации и проанализирована предметная область. Во-вторых, методы обучения каскадного классификатора, основанные на признаках Haar и LBP, а также метод HOG, были реализованы в виде приложения для платформы Android. В-третьих, для разработанного приложения была проведена серия экспериментальных тестов по детектированию пешеходов в реальных условиях. На каждом этапе практической работы были предложены подходы к решению существующих проблем детектирования. На основе результатов экспериментального анализа были сделаны выводы о рациональности применения изученных алгоритмов в рассматриваемой прикладной задаче. Итак, каскадный классификатор, обученный на признаках LBP, не показал удовлетворительных результатов. Однако каскадный классификатор, обученный на признаках Haar, даёт хорошие практические результаты и пригоден для детектирования пешеходов в реальном времени благодаря внедрению новых решений в стандартную процедуру обучения. Отмечается, что этот метод является более предпочтительным для использования в данной прикладной задаче, чем метод HOG, так как он обеспечивает более высокий процент верно классифицированных положительных срабатываний (ок. 95%). Данное исследование может считаться хорошей базой для дальнейшего изучения проблем детектирования объектов. Дальнейшую работу можно проводить в нескольких направлениях. Наиболее перспективными можно назвать трекинг и предсказание направления движения объекта.