Monografia po?wi?cona jest rozwojowi metod i narz?dzi wizji komputerowej wykorzystuj?cych sztuczn? inteligencj? do szybkiej identyfikacji poruszaj?cych si? obiektów w strumieniu danych wideo w oparciu o technologie gl?bokiego uczenia. Rozwa?ane s? klasyczne i nieklasyczne metody sztucznej inteligencji, konwolucyjne sieci neuronowe, wizja komputerowa i rozpoznawanie obrazów oraz teorie systemów sterowania oparte na szacunkach i kryteriach statystyki matematycznej. W wyniku rozpoznawania okre?lany jest typ rozpoznawanego obiektu i obliczane s? ilo?ciowe szacunki dokladno?ci. Zaimplementowano metod? stosowania szablonów. Algorytm posiada informacje o tym, jak wygl?da poszukiwany obiekt, jakie mo?e miec tlo, jak wygl?daj? okre?lone kontury obiektu i w jakiej s? pozycji. Natychmiast brana jest pod uwag? mo?liwa lokalizacja detekcji obiektu. Pozwala to na osi?gni?cie wysokiej jako?ci rozpoznawania i dobrej wydajno?ci. Gdy kamera wideo rejestruje kilka podobnych obiektów, zaspokajane s? ró?ne szablony, a rozpoznawalno?c spada. Modele sztucznych sieci neuronowych s? u?ywane do szacowania lub przybli?ania funkcji, które mog? zale?ec od wielu danych wej?ciowych i zazwyczaj s? nieznane.