Робота присвячена розв'язанню проблеми сегментування відеопотоку. В даній роботі розглянуто підхід до сегментації відеоданих з використанням математичного апарату багатовимірних часових рядів. Розроблено та проаналізовано роботу двох методів сегментації, заснованих на експоненційному згладжуванні та моделі, що налаштовується.
Результати роботи програми, що реалізує зазначені методи, дозволяють стверджувати, що за їх допомогою при сегментації відеоданих створюються можливості для детектування змін сцени.
ВІДЕОДАНІ, СЕГМЕНТАЦІЯ ВІДЕОПОТОКУ, ВІДЕОКАДР, СЕГМЕНТАЦІЯ ЗОБРАЖЕНЬ, БАГАТОВИМІРНИЙ ЧАСОВИЙ РЯД, ПРОГНОЗУВАННЯ ЧАСОВИХ РЯДІВ, МОДЕЛЬ, ЩО НАЛАШТОВУЄТЬСЯ, ЕКСПОНЕНЦІЙНЕ ЗГЛАДЖУВАННЯ, ЗМІНА СЦЕНИ


Робота посвящена решению проблемы сегментации видеопотока. В данной работе рассмотрено поход к сегментации видеоданных с использованием математического аппарата многомерных временных рядов. Разработано и проанализировано работу двух методов сегментации, основанных на экспоненциальном сглаживании и настраиваемой модели.
Результаты работы программы, реализующей указанные методы, позволяют утверждать, что с их помощью при сегментации видеоданных создаются возможности для детектирования изменений сцены.
ВИДЕОДАННЫЕ, СЕГМЕНТАЦИЯ ВІДЕОПОТОКА, ВИДЕОКАДР, СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ, МНОГОМЕРНЫЙ ВРЕМЕННОЙ РЯД, ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ, НАСТРАИВАЕМАЯ МОДЕЛЬ, ЭКСПОНЕНЦИАЛЬНОЕ СГЛАЖИВАНИЕ, ИЗМЕНЕНИЕ СЦЕНЫ


This paper considers the question of analysis of video data to detect changes in the scene. The analysis was performed using the apparatus of multidimensional time series. There algorithms for the methods of the custom models and exponential smoothing were developed, and implementations were made.
The research results of detecting changes was performed. The output results suggest the feasibility of the developed algorithms to detect scene changes.
VIDEO, VIDEO FRAME, SEGMENTATION, TIME SERIES, MODEL AUTOREGRESSIVE, CUSTOM MODEL, EXPONENTIAL SMOOTHING