Диссертации, представленные на защиту и подготовленные в НИУ ВШЭ

Важной задачей компьютерного зрения является задача распознавания дорожных знаков на изображении. Системы распознавания дорожных знаков необходимы для управления беспилотным автомобилем и для автоматического составления карт по данным видео-регистраторов. Существующие методы распознают ограниченное количество классов знаков, поэтому акцент в данной работе сделан на редких дорожных знаках. Для обучения методов распознавания требуются обучающие выборки значительного размера, которые сложно собрать и дорого размечать. Такие выборки могут быть получены с помощью методов генерации синтетических изображений. В ходе работы над диссертацией была собрана выборка с редкими дорожными знаками, предложено несколько методов генерации синтетических обучающих выборок для классификации и детекции дорожных знаков на основе порождающих нейросетей. Был также предложен метод классификации редких дорожных знаков. Экспериментальная оценка показала эффективность предложенных методов.

Системы видеонаблюдения ежедневно записывают огромные объемы данных, требующие автоматической обработки и анализа. Одна из наиболее актуальных и важных задач в сфере безопасности — идентификация попадающих в кадр людей. При этом черты лица могут быть скрыты или плохо различимы, что приводит к необходимости распознавания по движениям. Диссертационное исследование посвящено решению задачи идентификации человека в видео по походке. Предложен подход к распознаванию, основанный на рассмотрении движения точек фигуры, а именно оптического потока между кадрами видео. Рассматриваются сдвиги точек в окрестностях различных частей тела человека и исследуется их влияние на качество идентификации. Отдельное внимание уделяется многоракурсному распознаванию: предложено два подхода к усилению устойчивости алгоритмов к смене угла съемки. Кроме того, исследуется возможность распознавания человека по данным, получаемым с сенсора динамического зрения, и предлагаются модификации алгоритма для таких данных. Экспериментальная оценка и анализ предложенных алгоритмов подтверждают работоспособность моделей и их превосходство над аналогами.