Event recognition under uncertainty and incomplete data

Abstract

Τα συμβολικά συστήματα αναγνώρισης γεγονότων έχουν χρησιμοποιηθεί επιτυχώς σε μία ποικιλία εφαρμογών. Τα συστήματα αυτά εξάγουν χρήσιμη πληροφορία υπό την μορφή γεγονότων, που δίνουν τη δυνατότητα σε ειδικούς, ή σε άλλα συστήματα, να παρακολουθούν και να ανταποκρίνονται στην παρουσία γεγονότων σημαντικού ενδιαφέροντος. Ωστόσο είναι πολύ συχνό σε μία τυπική εφαρμογή αναγνώρισης γεγονότων να παρουσιάζεται σημαντική αβεβαιότητα. Σε αυτή την διατριβή, εστιάζουμε στα προβλήματα που προκύπτουν από την παρουσία της αβεβαιότητας στην αναγνώριση γεγονότων. Επεκτείνουμε ένα φορμαλισμό λογικής άλγεβρας γεγονότων με πιθανοτικό συμπερασμό. Η χρονικές σχέσεις του λογικού φορμαλισμού εισάγουν ένα πλήθος δυσκολιών στα πιθανοτικά μοντέλα και παρουσιάζουμε τον τρόπο και τις προϋποθέσεις με τις οποίες μπορούμε να ξεπεράσουμε αυτές τις δυσκολίες. Παράλληλα, μελετάμε τον τρόπο με τον οποίο η πιθανοτική μοντελοποίηση επηρεάζει την συμπεριφορά του φορμαλισμού. Επιπλέον, παρουσιάζουμε τις δυνατότητες και τα προτερήματα των πιθανοτικών μεθόδων που αναπτύξαμε με εκτενή πειραματισμό και ανάλυση στον τομέα της αναγνώρισης συμπεριφορών από βίντεο.