در این مقاله روش جدیدی برای شناسایی خودکار مکان‌‌های مورد توجه افراد با استفاده از دوربین‌‌های نظارتی در فروشگاه‌‌های بزرگ ارائه شده‌‌است. منظور از مکان مورد توجه، ناحیه‌ای در تصویر است که افراد بیشتری رفت و آمد داشته‌‌اند.بدین منظور ابتدا با استفاده از روش‌‌ تشخیص افراد مبتنی بر توصیف‌‌گرهای HOG، انسان از دیگر اشیاء موجود در تصویر متمایز می‌‌شود و هر فرد تشخیص داده شده به عنوان یک رخداد در تصویر تلقی می‌‌شود. سپس مورد توجه‌‌ترین مکان‌‌ با استفاده از توزیع غیر پارامتری مبتنی بر ریسک بیزی بر روی موقعیت مکانی افراد تشخیص داده شده، بدست می‌‌آید. در توزیع پیشنهادی هسته جدیدی تعریف شده‌‌است که از کارایی بالایی برخوردار است. در ریسک پیشنهادی نیز تابع ضرر جدیدی تعریف شده‌‌است که صحت بالاتری نسبت به تابع ضرر مربعی در محاسبه مراکز توجه دارد و در توزیع‌‌های مختلف در محاسبه قله‌‌های توزیع بهتر عمل می‌‌کند. برای ارزیابی روش از فریم‌‌های ویدئویی که از دوربین‌‌های زنده نظارتی در فروشگاه‌‌های مختلف گرفته شده، استفاده شده‌‌است. در ارزیابی هسته پیشنهادی کارایی آن 85% بدست آمده است و در ارزیابی صحت تابع ضرر پیشنهادی به طور میانگین بر روی داده‌‌های مصنوعی 93.5% و بر روی داده‌‌های واقعی 90% بدست آمده است که در مقایسه با روش‌‌های موجود بهتر است.

کلمات کلیدی