شناسايي خودكار مكان مورد توجه به كمك توزيع غير پارامتري مبتني بر ريسك بيزي

در اين مقاله روش جديدي براي شناسايي خودكار مكان‌‌هاي مورد توجه افراد با استفاده از دوربين‌‌هاي نظارتي در فروشگاه‌‌هاي بزرگ ارائه شده‌‌است. منظور از مكان مورد توجه، ناحيه‌اي در تصوير است كه افراد بيشتري رفت و آمد داشته‌‌اند.بدين منظور ابتدا با استفاده از روش‌‌ تشخيص افراد مبتني بر توصيف‌‌گرهاي HOG، انسان از ديگر اشياء موجود در تصوير متمايز مي‌‌شود و هر فرد تشخيص داده شده به عنوان يك رخداد در تصوير تلقي مي‌‌شود. سپس مورد توجه‌‌ترين مكان‌‌ با استفاده از توزيع غير پارامتري مبتني بر ريسك بيزي بر روي موقعيت مكاني افراد تشخيص داده شده، بدست مي‌‌آيد. در توزيع پيشنهادي هسته جديدي تعريف شده‌‌است كه از كارايي بالايي برخوردار است. در ريسك پيشنهادي نيز تابع ضرر جديدي تعريف شده‌‌است كه صحت بالاتري نسبت به تابع ضرر مربعي در محاسبه مراكز توجه دارد و  در توزيع‌‌هاي مختلف در محاسبه قله‌‌هاي توزيع بهتر عمل مي‌‌كند. براي ارزيابي روش از فريم‌‌هاي ويدئويي كه از دوربين‌‌هاي زنده نظارتي در فروشگاه‌‌هاي مختلف گرفته شده، استفاده شده‌‌است. در ارزيابي هسته پيشنهادي كارايي آن 85% بدست آمده است و در ارزيابي صحت تابع ضرر پيشنهادي به طور ميانگين بر روي داده‌‌هاي مصنوعي 93.5% و بر روي داده‌‌هاي واقعي 90% بدست آمده است كه در مقايسه با روش‌‌هاي موجود  بهتر است.