Рецензия  выпускной квалификационной работы  бакалавра  Волкова Андрея Геннадьевича «Формирование виртуального видеопотока  на основе кадров из смежных по точке съёмки»  		Работа Волкова А.Г. посвящена проблеме  создания виртуальных видепотоков для автоматического переключения между реальными видепотоками отражающими в некоторой их коллекции в основном одну и ту же сцену снятую с разных ракурсов и точек съемки. При этом ставится задача формирования при необходимости синтезированных кадров, составляющих виртуальный поток. В настоящее время эта проблема достаточно актуальна в  таких областях как работа с видеоархивами, слежение за определенными зонами, поддержка видехостинга и визуализация реальных сцен.  	В работе предлагается создавать виртуальный видеопоток на основе индексации кадров каждого видеопотка в коллекции.  Кадры индексируются с помощью найденных в них особых точек. В качестве алгоритма поиска особых точек выбран с точки зрения быстродействия алгоритм ORB, описывающий особую точку с помощью бинарного дескриптора и позволяющий находить заданное количество особых точек.     .	Для выявления соответствия особых точек кадров из разных потоков  используется перекрестная фильтрация с помощью метода KNN с последующим применением метода Ransac.Окончательное решение о похожести кадров применяется на основе классификатора SVM cо специфическим ядром. Вектором признаков для классификатора предлагается использовать гистограмму распределения дескрипторов.  В работе также рассматриваются вопросы синтеза виртуального кадра, составленного из похожих кадров в разных видепотоках, принадлежащих коллекции.    Автором  было реализовано соответствующее программное обеспечение, позволяющее находить в реальном времени похожие кадры в видеколлекции и синтезировать из них виртуальный кадр. Программное обеспечение написано на языке С++ с использованием соответствующих открытых библиотек обработки изображений.  Автором было проведено экспериментальное исследование предложенного прототипа на коллекции из 8 видеопотоков. Результаты исследования показали достаточно хорошее качество синтеза видепотока  при удовлетворительном быстродействии.  К недостаткам работы следует отнести: Отсутствие в работе описания процедуры обучения классификатора. Также неясно как создались тренировочные выборки для этой процедуры. Отсутствуют также оценки качества работы предложенного классификатора, такие как точность и ошибки первого и второго рода.    Считаю, что квалификационная работа Волкова А.Г.  заслуживает оценки «Отлично»  Рецензент доцент кафедры КММС факультета ПМ-ПУ 					                           В.М. Гришкин к.т.н.