ADAPTIVE MATRIX MODELS IN THE VIDEO STREAMS CONTROL PROBLEM

Актуальность. В настоящее время анализ многомерных данных является одним из приоритетных направлений научных исследований. Это связано с практически не контролируемым ростом объемов информации и возникновением необходимости получения/поиска различного рода полезных данных из нее. При этом анализ видеоданных является одним из наиболее сложных с вычислительной точки зрения не только из-за больших объемов обрабатываемых данных, но и, учитывая слабую структурированность видео, а также тот факт, что в целом ряде задач обработки видео существуют ограничения на время обработки. Одним из направлений решения этих проблем анализа видео является предварительная обработка видеоданных с целью получения их разбиения на однородные сегменты (сцены), что значительно сокращает временные и вычислительные затраты при дальнейшем контекстном анализе больших объемов видео информации. И, несмотря, на имеющиеся результаты в этом направлении, задача кластеризации/сегментации видеопоследовательностей остается чрезвычайно актуальной. Цель. В работе рассмотрена проблема кластеризации многомерных потоковых данных на примере временной сегментации видеопоследовательностей. Метод. Предложен метод контроля изменений в потоковых данных, что позволяет отслеживать моменты, существенного изменения характеристик входных многомерных данных, на основе адаптивных матричных моделей с введением специализированного алгоритма настройки прогнозирующей модели. Результаты. Проведенный эксперимент на видеопоследовательностях произвольной природы продемонстрировал возможность обнаружения границ сегментов в видео. При этом следует отметить, что предложенный подход существенно зависит от результатов пространственной сегментации исходных данных, которая необходима для получения множества характеристик, описывающих каждый видеокадр последовательности. Выводы. Предложенный в работе метод позволяет проводить кластеризацию-сегментацию многомерных входных данных при помощи адаптивных матричных моделей. В качестве исходных данных в экспериментальной части использовались видеопоследовательности.