Η αναγνώριση σύνθετων γεγονότων περιλαμβάνει την έγκαιρη και αποδοτική ανίχνευση χωρο-χρονικών μοτίβων πάνω σε ταχύτατες ροές δεδομένων που αποτελούνται από απλές ενδείξεις χαμηλού επιπέδου. Έπειτα από προεπεξεργασία πάνω στις ενδείξεις αυτές, προκύπτουν «απλά γεγονότα». Στη συνέχεια, ένα σύστημα αναγνώρισης σύνθετων γεγονότων επεξεργάζεται τα απλά γεγονότα αυτά και συμπεραίνει «σύνθετα γεγονότα», δηλαδή μοτίβα απλών γεγονότων, σε συνδυασμό πιθανώς και με άλλες συνθήκες. Στη βιβλιογραφία συναντάμε διάφορα συστήματα όπου ο συμπερασμός απλών γεγονότων από ενδείξεις χαμηλού επιπέδου γίνεται με χρήση νευρωνικών δικτύων [1]. Επιπλέον, τα συστήματα αναγνώρισης σύνθετων γεγονότων μπορούν και επεξεργάζονται αυτή την πληροφορία, πολύ συχνά με χρήση κανόνων λογικής [2]. Σκοπός της παρούσας εργασίας είναι η ανάπτυξη ενός υβριδικού συστήματος αναγνώρισης γεγονότων που θα λειτουργεί σε δύο επίπεδα. Στο πρώτο επίπεδο θα γίνεται η εξαγωγή των απλών γεγονότων με χρήση νευρωνικών δικτύων, ενώ στο δεύτερο θα υπολογίζονται τα σύνθετα γεγονότα με τη βοήθεια ενός σύγχρονου συστήματος λογικού προγραμματισμού. Το τελικό σύστημα θα μπορεί να διαχειρίζεται με επιτυχία ροές δεδομένων ώστε να χρησιμοποιείται αποτελεσματικά για τον υπολογισμό στατιστικών από βίντεο αθλητικών αγώνων. Για παράδειγμα, το νευρωνικό δίκτυο του τελικού συστήματος θα μπορεί να εντοπίζει τις θέσεις και τις κινήσεις των παικτών και της μπάλας στο γήπεδο κάθε χρονική στιγμή κατά τη διάρκεια ενός ποδοσφαιρικού αγώνα, ενώ το σύστημα λογικού προγραμματισμού, με βάση αυτά τα απλά γεγονότα, θα συμπεραίνει σύνθετα στατιστικά, όπως, π.χ., το ποσοστό κατοχής της μπάλας από την κάθε ομάδα, τον αριθμό πασών που έχει κάνει κάποιος παίκτης, κλπ.