Тут не просто программирование, а ML(машинное обучение) ~ это путь не туда, то есть думаю сходство с нечёткой логикой, ибо здесь не хватает разума где субъект знает что видит или слышит. Наш разум легко почти отличит билборд/манекен от реального человека! То есть нужно не просто распознать объект, а мыслить что видишь. Короче пока тупик у ML.