شناسایی خودکار مکان مورد توجه به کمک توزیع غیر پارامتری مبتنی بر ریسک بیزی

در این مقاله روش جدیدی برای شناسایی خودکار مکان های مورد توجه افراد با استفاده از دوربین های نظارتی در فروشگاه های بزرگ ارائه شده است. منظور از مکان مورد توجه، ناحیه ای در تصویر است که افراد بیشتری رفت و آمد داشته اند.بدین منظور ابتدا با استفاده از روش تشخیص افراد مبتنی بر توصیف گرهای HOG، انسان از دیگر اشیاء موجود در تصویر متمایز می شود و هر فرد تشخیص داده شده به عنوان یک رخداد در تصویر تلقی می شود. سپس مورد توجه ترین مکان با استفاده از توزیع غیر پارامتری مبتنی بر ریسک بیزی بر روی موقعیت مکانی افراد تشخیص داده شده، بدست می آید. در توزیع پیشنهادی هسته جدیدی تعریف شده است که از کارایی بالایی برخوردار است. در ریسک پیشنهادی نیز تابع ضرر جدیدی تعریف شده است که صحت بالاتری نسبت به تابع ضرر مربعی در محاسبه مراکز توجه دارد و  در توزیع های مختلف در محاسبه قله های توزیع بهتر عمل می کند. برای ارزیابی روش از فریم های ویدئویی که از دوربین های زنده نظارتی در فروشگاه های مختلف گرفته شده، استفاده شده است. در ارزیابی هسته پیشنهادی کارایی آن ۸۵% بدست آمده است و در ارزیابی صحت تابع ضرر پیشنهادی به طور میانگین بر روی داده های مصنوعی ۹۳.۵% و بر روی داده های واقعی ۹۰% بدست آمده است که در مقایسه با روش های موجود  بهتر است.

Keywords:

مکان مورد توجه , رخداد , تابع توزیع غیر پارامتری , ریسک بیزی , دوربین های زنده نظارتی