М.В. Ломоносова); e-mail: vkononov@graphics.cs.msu.ru ОПРЕДЕЛЕНИЕ ТИПОВ ОБЪЕКТОВ В ВИДЕОПОТОКЕ С КАМЕРЫ НАБЛЮДЕНИЯ НА ОСНОВЕ ПОКАДРОВОЙ КЛАССИФИКАЦИИ* Представлен новый алгоритм определения типов объектов, найденных в видеопотоке. <...> По сравнению с существующими методами предлагаемый алгоритм за счет независимой классификации каждого кадра способен корректно работать в случае возникновения таких типичных ошибок сопровождения, как «смена объекта сопровождения». <...> Для тестирования алгоритма создана новая база видеофрагментов, снятых с камер видеонаблюдения. <...> Проведенные эксперименты показали, что предложенный алгоритм улучшает общее качество работы системы видеонаблюдения. <...> FRAME-WISE OBJECT TYPE CLASSIFICATION IN VIDEO SURVEILLANCE STREAMS In this paper a new algorithm for object classification in video surveillance stream is presented. <...> In current algorithms a whole object tracklet is used for classification. <...> This can lead to classification errors if object tracking has failed and tracking has switched from one object to another, which is called ID-switch. <...> We propose a frame-wise classification, which can correctly handle such tracking errors. <...> In each frame a number of features are computed, including simple features like width, height, area, ratio of width and height, and more complex features like marginal integral histograms and number of peaks in the object mask. <...> Then per-frame classification results for whole tracklet are passed to second classifier, which gives object type for the whole tracklet. <...> Both classifiers have been trained on dataset with 3483 object tracklets without tracking errors. <...> It contains 1948 tracklets without tracking errors and 138 tracklets with tracking errors. <...> Our algorithm can work in real time for 16 video streams simultaneously on workstation with Intel Core 2 Quad 2.83 GHz processor and 4 GB RAM <...>