SORVEGLIANZA ONLINE NON PARAMETRICA DI VIDEO FRAME PARZIALMENTE OSSERVABILI

Recent developments in data-acquisition technologies have led to the collection of high dimensional (HD) streaming data in many various scientific fields, such as chemistry, physics and genetics, as well as in industrial applications. The massive amount of collected HD streaming data provides enormous opportunities to improve surveillance systems. When the generating process is not fully observable and only partial observations can be available, an adaptive sampling strategy is needed. In the framework of online monitoring of video frames, a nonparametric approach is proposed. It is aimed at reconstructing and sampling data streams in order to perform online monitoring when only partial observations are available. The proposed approach is applied to two real case studies addressing two different scenarios.

Recenti sviluppi nelle tecnologie di acquisizione dati hanno permesso la raccolta di flussi di dati ad elevata dimensionalità sia nelle scienze fisiche e chimiche, sia nelle tecnologie dell’informazione, sia nelle applicazioni industriali. L'ampia quantità di dati raccolti offre straordinarie opportunità per migliorare i sistemi di sorveglianza online. In numerose applicazioni, tuttavia, le osservazioni disponibili, seppure di elevata dimensionalità, si riferiscono ad un processo generatore solo parzialmente osservabile ed è dunque necessario utilizzare strategie di campionamento adattive. Nel contesto della sorveglianza online di video frame ossia di fotogrammi video, si propone un approccio non parametrico finalizzato alla ricostruzione e al campionamento sequenziale di flussi di dati da video o sequenze di immagini, allo scopo di sorvegliare il processo in presenza di osservazioni parziali. L’approccio proposto viene applicato a due casi reali riferiti a due contesti di applicazione differenti.