Выявление аномалий в пространстве экологических признаков для повышения точности обнаружения живых объектов… Куликовских И.М.
126Компьютерная оптика, 2017, том 41, №1
ВЫЯВЛЕНИЕ АНОМАЛИЙ В ПРОСТРАНСТВЕ ЭКОЛОГИЧЕСКИХ ПРИЗНАКОВ ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ ОБНАРУЖЕНИЯ ЖИВЫХ ОБЪЕКТОВ В ЗДАНИИ
И.М. Куликовских 1 1 Самарский национальный исследовательский университет имени академика С.П. Королева, Самара, РоссияАннотация В данной работе рассматривается задача повышения точности обнаружения живых объ-ектов в здании, описываемых пространством экологических факторов. Для решения постав-ленной задачи реализована модель логистической регрессии при условии неустойчивости оценок параметров для почти линейно разделимых классов. Создан алгоритм выявления аномалий, разрешающий компромисс между наличием выбросов и точностью распознава-ния. Эффективность предложенного алгоритма и целостность теоретических обоснований получили подтверждение при проведении вычислительных экспериментов.Ключевые слова: выявление аномалий, логистическая регрессия, машинное обучение, преобразование Кокса-Бокса, система обнаружения, экологический фактор.Цитирование: Куликовских, И.М. Выявление аномалий в пространстве экологических признаков для повышения точности обнаружения живых объектов в здании / И.М. Кули-ковских // Компьютерная оптика.
ВведениеЗадача обеспечения безопасности объектов и мони-торинга территорий с использованием мультисенсор-ных систем (МС) является важной и актуальной [1, 2]. Повышение качества обнаружения несанкционирован-ных вторжений возможно с помощью дополнения су-ществующих МС видеоаналитическими системами [2]. Альтернативным подходом к решению данной задачи может быть создание и исследование механизмов взаимодействия объекта наблюдения и МС, окружаю-щей среды или биологической системы. В этой связи следует упомянуть работы [3, 4], рассматривающие периодичность и синхронность коммуникации насеко-мых (сверчков) как средство контроля и прогнозиро-вания незаконных вторжений на территорию.Авторы работы [5], рассматривая задачу обнаруже-ния живых объектов и обеспечения безопасности внутри здания, обращают внимание на специфику, свя-занную с соблюдением конфиденциальности и, таким образом, желательным исключением видеоконтроля в помещениях. Как отмечается в последней работе, бо-лее предпочтительным становится скрытый контроль, ориентированный на анализ и последующее построе-ние модели тесного взаимодействия между окружаю-щей средой, МС и живым объектом на основе эколо-гических факторов [5, 6]. Также достоинством данного подхода является интегрирование систем обеспечения безопасности с интеллектуальными системами кон-троля в помещениях в контексте «умного дома» (smart home), направленных на распределение ресурсов и снижение эксплуатационных затрат [5 -12].В качестве адекватного математического аппарата для обнаружения объектов внутри здания на основе МС широкое применение нашли алгоритмы машин-ного обучения [5, 6, 9 -12]. При этом, так как процесс обнаружения связан с непрозрачными механизмами взаимодействия между сенсорами и живыми объек...
