Сопоставление выходных данных видения с входными данными нейронной сети

Я не совсем уверен в вашем вопросе. Проблема может быть как в данных временных рядов, так и нет. Возможно, вы сможете преобразовать версию проблемы временного ряда, чтобы ее можно было решить с помощью ANN, но это своего рода молоток Маслоу :). Кроме того, не могли бы вы перефразировать проблему.

Как вы сказали, вы можете дать ему функции из двух или трех кадров, а затем использовать классификатор, чтобы определить случайность или нет, но обучить такой классификатор может быть сложно. Проблема действительно сложная, и поэтому вам может понадобиться множество обучающих образцов, чтобы решить ее правильно, особенно хорошие отрицательные образцы (например, автомобили, едущие близко друг к другу) и т. д.

Есть несколько способов, которыми вы можете попытаться решить эту проблему обнаружения несчастных случаев. Например: Создайте классификатор (ANN/SVM и т. д.) для обнаружения несчастных случаев без данных временных рядов. В этом случае вашим вводом будут изображения случайных и неаварийных изображений или какие-то положительные и отрицательные образцы для обучения и более поздние изображения для теста. В этом конкретном случае вы не просматриваете данные временного ряда. Но здесь вам может понадобиться множество функций для обнаружения одного и того же (это в некотором смысле версия проблемы с одним кадром).

Второй метод заключается в использовании данных временных рядов, и в этом случае вам придется обнаруживать особенности, отслеживать их (скажем, с помощью Лукаса Канаде/Хорна и Шунка), а затем использовать информацию о скорости и центроиде для обнаружения аварии. Возможно, вы даже сможете сформулировать его для HMM.