|
|
Публикувано в 23.05.2019 г. 18:54:43 ч.
|
|
|
Алгоритъм за интелигентно видео извличане
Извличането на видео разчита на видео алгоритми за анализ на видео съдържание, извличане на ключова информация във видеата, маркиране или обработка на свързани процеси и формиране на съответни методи за мониторинг на събития и аларми, така че хората да могат бързо да извличат различни описания на атрибути. Ако камерата се разглежда като очите на човек, интелигентната система за видеонаблюдение може да се разбере като човешкия мозък. Интелигентната видео технология използва мощната изчислителна функция на процесора, за да анализира огромни данни на екрана с висока скорост и да получи необходимата информация.
Модел на разликата в кадрите
Разликата в кадрите може да се определи като най-простият модел на фона, да се зададе изображение във видеото като фон, да се сравни текущият кадър с фона, да се филтрират малките разлики според нуждите и резултатът е предният план.
Фонов статистически модел
Фоновият статистически модел е метод за броене на фона за определен период от време, след което се изчислява неговата статистика (като средна стойност, средна разлика, стандартно отклонение, средна стойност на дрейфа и др.), като се използва статистиката като фон.
Кодиране на този фонов модел
Основната идея на кодираната книга е следната: за промяната на всеки пиксел на времевата линия се създават множество (или една) кутии, които включват всички скорошни промени; При откриване текущият пиксел се използва за сравнение с кутията, а ако текущият пиксел попада в обхвата на която и да е кутия, това е фонът.
Хибриден гаусов модел
Хибридното гаусово моделиране на фон е едно от по-успешните фонови модели.
Защо казвате това? Алгоритмите за машинно зрение извличат основните проблеми, пред които са изправени движещите се цели: разклащане на изображението, смущения на шума, промени в светлината, плъзгане на облаци, сенки (включително сенки на цели и сенки на обекти извън зоната), отражения в зоната (като водна повърхност, дисплей), бавно движение на движещи се цели и др. Нека разгледаме как хибридното гаусово фоново моделиране решава тези проблеми?
Чрез фоново моделиране и извличане на преден план, целевите обекти във видео кадъра се извличат, но извлечените са всички нефонови обекти, т.е. смесени, може да включват много хора, коли, животни и други обекти, и накрая търсенето на изображения за сравнение на сходството между обекта и целта за търсене, тук е необходимо тези смесени обекти да се разделят чрез откриване и проследяване на обекти.
Що се отнася до откриването на обекти, алгоритмите, които се научават, включват байесов метод, калманов филтър и филтър на частици, като връзката между тях е следната:
Байесовият метод използва известна информация, за да установи функцията на плътността на вероятността на системата и да получи оптималното решение за оценка на състоянието на системата.
За линейни гаусови задачи за оценка, функцията на очакваната вероятностна плътност все още е гаусово разпределение, а нейните характеристики на разпределение могат да се опишат чрез средства и дисперсии, а филтърът на Калман решава този вид задача за оценка добре.
Филтър на частици - Филтър за извадка на последователността е статистически филтър, базиран на аналог, подходящ за силна нелинейност и без гаусови ограничения.
Като цяло ефектът от филтрирането на частици е по-добър;
Обработка на осветление: Визуалният ефект на един и същ обект при различно осветление е различен, а съответните данни също са различни, затова за да се подобри точността на анализа и припомнянето, е необходимо да се направи осветление върху целевия обект; Що се отнася до обработката на светлина, по-популярният алгоритъм в индустрията е методът на вътрешна декомпозиция на изображението;
Разлагане на собствени изображения
Най-важната информация, представена от свойствата на всяка стойност на пиксела в изображението, получено от камерата, са яркост (засенчване) и албедо (отражение). Яркостта съответства на информацията за осветлението в околната среда, а албедото – на материалната информация на обекта, тоест на характеристиките на отражението на обекта към светлината, а албедото е главно цветната информация на обекта. Проблемът при решаването на вътрешния образ е да се започне от изображението, да се възстанови яркостта и албедото в сцената, съответстваща на всички пиксели, и съответно да се формира собствената яркост и албедо собствената карта
Вътрешното разлагане на изображението може да се изрази като I(x,y) = L(x,y)R(x,y), където I(x,y) представлява входното изображение, R(x,y) представлява албедото изображение, а L(x,y) представлява изображението на яркостта. Тъй като в логаритмичното поле умножението се преобразува в много по-лесно събиране, изчисляваме в логаритмичното поле на образа с /(X,y) = log(I(x, y)), r0,y) = log(R(x,less)), l(x,y) = log(L(x,y)). Така оригиналното умножително съотношение се трансформира в: i(x,y,t) = r(x,y) + l(x,y,t).
|
Предишен:Typescript TimeDateDate форматира низовеСледващ:asp.net урок за Hangfire Framework за фонова задача
|
Хазяин|
Публикувано в 3.06.2019 г. 9:17:36 ч.
|
Хайде