|
|
Postat pe 23.05.2019 18:54:43
|
|
|
Algoritm inteligent de recuperare video
Recuperarea video se bazează pe algoritmi video pentru a analiza conținutul video, a extrage informații cheie din videoclipuri, a marca sau procese legate de procese și a crea metode corespunzătoare de monitorizare a evenimentelor și alarmelor, astfel încât oamenii să poată accesa rapid diverse descrieri ale atributelor. Dacă camera este privită ca ochii unei persoane, sistemul inteligent de supraveghere video poate fi înțeles ca creierul uman. Tehnologia video inteligentă folosește funcția puternică de calcul a procesorului pentru a analiza date masive pe ecranul video la viteză mare și pentru a obține informațiile de care oamenii au nevoie.
Modelul diferenței de cadre
Diferența de cadre poate fi considerată cel mai simplu model de fundal, specifică o imagine din videoclip ca fundal, compară cadrul curent cu fundalul, filtrează diferențele mici după nevoie, iar rezultatul este prim-planul.
Model statistic de fundal
Modelul statistic de fundal este o metodă de a număra fundalul pe o perioadă de timp, apoi de a calcula statisticile acestuia (cum ar fi media, diferența medie, deviația standard, valoarea derivației medii etc.), folosind statisticile ca fundal.
Programează acest model de fundal
Ideea de bază a cărții codificate este următoarea: pentru schimbarea fiecărui pixel din linia temporală, se stabilesc mai multe (sau una) casetă care să includă toate modificările recente; La detectare, pixelul curent este folosit pentru a compara cu cutiile, iar dacă pixelul curent se află în intervalul oricărei casete, acesta este fundalul.
Modelul gaussian hibrid
Modelarea hibridă a fundalului Gaussian este una dintre cele mai de succes modelări de fundal.
De ce spui asta? Algoritmii de viziune artificială extrag problemele de bază cu care se confruntă țintele în mișcare: tremurarea imaginii, interferența zgomotului, schimbările de lumină, derivarea norilor, umbrele (inclusiv umbrele țintelor și umbrele obiectelor din afara zonei), reflexiile din interiorul zonei (cum ar fi suprafața apei, afișajul), mișcarea lentă a țintelor în mișcare etc. Așadar, să aruncăm o privire: cum rezolvă modelarea hibridă a fundalului gaussian aceste probleme?
Prin modelarea fundalului și extragerea din prim-plan, obiectele țintă din cadrul video sunt extrase, dar cele extrase sunt toate obiecte non-fundal, adică mixte, pot include multe persoane, mașini, animale și alte obiecte, iar în final căutarea imaginii pentru a compara similaritatea dintre obiect și ținta căutării; aici este necesară separarea acestor obiecte mixte prin detectarea și urmărirea obiectelor.
În ceea ce privește detectarea obiectelor, algoritmii învățați includ metoda bayesiană, filtrul Kalman și filtrul de particule, iar relația dintre ele este următoarea:
Metoda bayesiană folosește informații cunoscute pentru a stabili funcția de densitate de probabilitate a sistemului și pentru a obține soluția optimă pentru estimarea stării sistemului.
Pentru problemele liniare de estimare gaussiană, funcția de densitate de probabilitate așteptată este tot distribuția gaussiană, iar caracteristicile sale de distribuție pot fi descrise prin medii și varianțe, iar filtrul Kalman rezolvă bine acest tip de problemă de estimare.
Filtrul de particule - Filtrul de particule prin importanța secvenței este un filtru statistic bazat pe analog, potrivit pentru o neliniaritate puternică și fără constrângeri gaussiene.
Per ansamblu, efectul filtrării particulelor este mai bun;
Procesarea iluminării: Efectul vizual al aceluiași obiect sub iluminare diferită este diferit, iar datele corespunzătoare sunt de asemenea diferite, astfel încât, pentru a îmbunătăți acuratețea analizei și reamintirii, este necesar să se efectueze tratament de iluminare pe obiectul țintă; În ceea ce privește procesarea luminii, algoritmul mai popular în industrie este metoda de descompunere intrinsecă a imaginilor;
Descompunerea eigenimage
Cele mai importante informații reprezentate de proprietățile fiecărei valori de pixel din imaginea obținută de cameră sunt luminozitatea (umbrirea) și albedo (reflectanța). Luminozitatea corespunde informației de iluminare din mediu, iar albedo corespunde informației materiale a obiectului, adică caracteristicile de reflexie ale obiectului față de lumină, iar albedul este în principal informația de culoare a obiectului. Problema rezolvării imaginii intrinsecă este de a porni de la imagine, să restaurezi luminozitatea și informațiile de albedo din scenă corespunzătoare tuturor pixelilor și să formezi eigenmap de luminozitate și albedo, respectiv
Decompoziția intrinsecă a imaginii poate fi exprimată ca I(x,y) = L(x,y)R(x,y), unde I(x,y) reprezintă imaginea de intrare, R(x,y) reprezintă imaginea albedo, iar L(x,y) reprezintă imaginea de luminozitate. Deoarece în corpul logaritmic, înmulțirea este convertită într-o adunare mult mai ușoară, calculăm în câmpul logaritmic al imaginii, cu /(X,y) = log(I(x, y)), r0,y) = log(R(x,mai puțin)), l(x,y) = log(L(x,y)). Astfel, relația originală de înmulțire se transformă în: i(x,y,t) = r(x,y) + l(x,y,t).
|
Precedent:Typescript TimeDateDate șiruri de formateUrmător:asp.net tutorial pentru framework-ul hangfire pentru sarcini de fundal
|
Proprietarul|
Postat pe 03.06.2019 09:17:36
|
Hai