Спасибо за ответы.
Я вообще в лоб хотел решать задачу простым расчетом корреляции между наблюдаемой картинкой и образцами в базе, сделанными с той же точки в различных состояниях в различное время (день/ночь).
Но что-то нет уверенности, что получу надёжное определение состояния. Поэтому обучаемый классификатор будет надежнее.
Вариация моделей "моста" присутствует. Это может быть два пролёта сходящиеся в центре. Может быть один длинный пролёт выдвигающийся с берега.
Либо длинный пролёт, имеющий сочленение посередине, сгибающийся пополам и отходящий к одному берегу. Поэтому с анализом линий в разведенном состоянии наверное много мороки возникнет.
Скажите, а в связи с тем, что фон, на котором наблюдаем мост (летом травка, зимой снег) меняется, придётся обучать классификатор по изображениям, снятым в течение года?
А если поставить камеру снизу моста и снимать его на фоне неба, как много вариаций неба(ясно, пасмурно) придётся подсунуть на обучение , чтобы получить надёжный классификатор?
По ночам освещенный объект будет светлее неба, а днём - наоборот.