STRUCTURE OF AIDED CLASSIFICATION OF GROUND OBJECTS BY VIDEO OBSERVATION

Abstract

Analysis of classification structure by video observation has been done. It was formulated, that for feature extraction and their classification, normalized hypothesis for object feature detection, taking into account camera orientation and flight height, have being obtained. The system with aided classification based on probabilistic models, such as Bayesian classifier and Markov chain model, is proposed. The applied algorithm was used for detection by only two features related to Binary Large Objects (BLOB) analyses. Classification was done by two main feature parameters: area and center of mass. Feature vector contains the most informative components and allows the minimization of decision risks. Results have proven the reliability of classification during a number of video frames in the condition of non-full data descriptive space.Проведено аналіз системи класифікації за даними відеоспостереження. Сформульовано, що для виділення ознак та їх класифікації, потрібно отримати нормалізовані гіпотези для виявлення ознак об’єкта, приймаючи до уваги орієнтацію камери та висоту польоту. Запропоновано структуру допоміжної класифікації на основі ймовірнісних моделей, таких як класифікатор Байєса та Марковські процеси. Запропонований алгоритм був застосований для виявлення лише двох ознак, що відносяться до BLOB аналізу. Класифікацію було проведено відповідно до двох основних характерних параметрів – площа та центр мас. Вектор ознак складається лише з найінформативніших складових та дозволяє мінімізувати ризики. Результати підтвердили надійність класифікації відповідно до набору відео кадрів у умовах неповних даних дескриптивного простору.Проведено системный анализ классификации за данными видеонаблюдения. Сформулировано, что для выделения признаков и их классификации, нужно получить нормализированные гипотезы для обнаружения признаков объекта, принимая во внимание ориентацию камеры и высоту полета. Предложено структуру вспомогательной классификации на основании вероятностных моделей, таких как классификатор Байеса и Марковские цепи. Предложенный алгоритм был применен для обнаружения только двух признаков, что относятся к BLOB анализу. Классификация было произведена относительно двух основных параметров – площадь и центр масс. Вектор признаков состоит из наиболее информативных составляющих и позволяет минимизировать риски. Результаты подтвердили надежность классификации соответственно набору видеокадров в условиях неполных данных дескриптивного пространства.