La monografia è dedicata allo sviluppo di metodi e strumenti di computer vision che utilizzano l'intelligenza artificiale per l'identificazione rapida di oggetti in movimento in un flusso di dati video basato su tecnologie di deep learning. Vengono presi in considerazione metodi classici e non classici di intelligenza artificiale, reti neurali convoluzionali, computer vision e riconoscimento di immagini, nonché teorie di sistemi di controllo basate su stime e criteri di statistica matematica. Come risultato del riconoscimento, viene determinato il tipo di oggetto riconosciuto e vengono calcolate stime quantitative di accuratezza. Viene implementato un metodo di applicazione di modelli. L'algoritmo dispone di informazioni sull'aspetto dell'oggetto ricercato, sullo sfondo che può avere, sui contorni specifici dell'oggetto e sulla loro posizione. La possibile posizione del rilevamento dell'oggetto viene immediatamente presa in considerazione. Ciò consente di ottenere un'elevata qualità di riconoscimento e buone prestazioni. Quando una videocamera riprende diversi oggetti simili, vengono soddisfatti diversi modelli e il riconoscimento diminuisce. I modelli di rete neurale artificiale vengono utilizzati per stimare o approssimare funzioni che possono dipendere da molti input e che di solito sono sconosciute.