نقل متوسط الطرح الخلفية

مرحبا، وهذا سيكون مقالا بسيطا جدا، ولكن سوف تجد أنه من المفيد جدا. بل هو حول استخراج الخلفية من الفيديو. لنفترض أنك تعطى الفيديو من لقطات من حركة المرور، قد يكون بعض الشيء من هذا القبيل. حركة المرور في الهند. ويطلب منك العثور على خلفية تقريبية. أو أي شيء من هذا القبيل. استخراج الخلفية تأتي مهمة في تتبع الكائن. إذا كان لديك بالفعل صورة للخلفية العارية، ثم أنها بسيطة. ولكن في كثير من الحالات، لن يكون لديك مثل هذه الصورة وهكذا، سيكون لديك لإنشاء واحد. هذا هو المكان الذي يأتي معدل التشغيل في متناول اليدين. (فكرت في هذا عندما سأل رجل واحد سؤال في سوف الارتباط) وظيفة نستخدم هنا للعثور على متوسط ​​الجري هو cv2.accumulateWeighted (). على سبيل المثال، إذا كنا نشاهد فيديو، فإننا نواصل تغذية كل إطار لهذه الوظيفة، وتبقى الدالة على إيجاد متوسطات جميع الإطارات التي تغذيها وفقا للعلاقة التالية: سرك ليست سوى صورة المصدر. ويمكن أن يكون الرمادي أو صورة ملونة وإما 8 بت أو 32 بت نقطة عائمة. دست هي صورة الإخراج أو المتراكم مع نفس القنوات مثل صورة المصدر، وهي إما النقطة العائمة 32 بت أو 64 بت. أيضا، يجب أن نعلن ذلك أولا إلى القيمة التي سيتم اتخاذها كقيمة أولية. ألفا هو وزن الصورة المدخلة. وفقا ل دوس، ألفا ينظم سرعة التحديث (مدى سرعة تراكم 8220forgets8221 حول الصور السابقة). وبعبارة بسيطة، إذا كان ألفا قيمة أعلى، يحاول متوسط ​​الصورة التقاط تغييرات سريعة جدا وقصيرة في البيانات. إذا كانت قيمة أقل، يصبح المتوسط ​​بطيئا ولن ينظر في التغييرات السريعة في الصور المدخلات. وسوف أشرح ذلك قليلا مع مساعدة من الصور في نهاية المقال. في رمز أعلاه، لقد حددت متوسطين، واحد مع قيمة ألفا أعلى وآخر مع قيمة ألفا أقل حتى تتمكن من فهم تأثير ألفا. في البداية يتم تعيين كل من الإطار الأولي لالتقاط. وفي حلقة تحصل على تحديث. يمكنك مشاهدة بعض النتائج في رابط سوف الذي قدمته من قبل. (I تقديم هذه النتائج هنا، يمكنك التحقق من رمز وقيمة ألفا هناك): لقد استخدمت كاميرا الويب الخاص بي وحفظ الإطار الأصلي وتشغيل المتوسط ​​في لحظة معينة. هذا هو إطار من الفيديو حركة المرور نموذجية التي اتخذتها كاميرا ثابتة. كما ترون، سيارة تسير على الطريق، والشخص يحاول عبور الطريق في لحظة معينة من الزمن. ولكن انظر متوسط ​​التشغيل في ذلك الوقت. لا يوجد أي شخص وسيارة في هذه الصورة (في الواقع هو هناك، إلقاء نظرة فاحصة، ثم سترى ذلك، والشخص هو أكثر وضوحا من السيارة، لأن السيارة تتحرك بسرعة جدا وعبر الصورة، فإنه ليس كثيرا في الوقت الحاضر، ولكن الشخص هناك لفترة طويلة، لأنه بطيء ويتحرك عبر الطريق.) الآن نحن بحاجة لرؤية تأثير ألفا على هذه الصور. A الخلفية الطرح مكتبة آخر تحديث: 18102016 أحدث إصدار مكتبة: 1.9.2 (انظر ملاحظات الإصدار لمزيد من المعلومات) وقد وضعت بغسليبراري من قبل اندروز سوبرال ويوفر إطار C سهلة الاستخدام على أساس أوبينكف لإجراء الطرح الخلفية (بغس) في أشرطة الفيديو. و بغليبراري تحت تحت لينكس، ماك أوس X و ويندوز. حاليا المكتبة تقدم 37 خوارزميات بغس. وقدم عدد كبير من الخوارزميات من قبل العديد من المؤلفين. شفرة المصدر متاحة تحت رخصة غنو غل V3، المكتبة هي حرة ومفتوحة المصدر للأغراض الأكاديمية. لمستخدمي ويندوز، يتم توفير مشروع تجريبي ل فيسوال ستوديو 20102013. يتوفر إصدار قابل للتنفيذ من بغليبراري ل ويندوز 32 بت و 64 بت. بالنسبة لمستخدمي لينوكس و ماك، يمكن استخدام ماكيفيل لتجميع كل الملفات. ملاحظة: ويستند بغليبراري على أوبينكف 2.X، إذا كنت ترغب في استخدام مع أوبينكف 3.x يرجى مراجعة الخروج فرع opencv3 لدينا. تمت إزالة خوارزمية نظام تخصيص الموارد على أساس الأداء من بغليبراري لأنها تستند إلى خوارزمية فيب. بعض خوارزميات بغسليبراري مجانية لأغراض تجارية وغيرها لا. تحتاج أولا إلى الاتصال المؤلفين من طريقة الطرح الخلفية المطلوب والتحقق معهم الترخيص المناسب. لمزيد من المعلومات الإضافية، يرجى الاطلاع على: هل يمكنني استخدام برنامج GLPv3 كجزء من تطبيقي التجاري. إذا كنت تستخدم هذه المكتبة للمنشورات الخاصة بك، يرجى ذكرها على النحو التالي: سوبرال، أندروز. بغليبراري: مكتبة أوبينكف C خلفية الطرح. 9 ورشة عمل في فيسو كومبوتاسيونال (WVC2013)، ريو دي جانيرو، البرازيل، يونيو 2013. (بدف باللغة البرتغالية البرتغالية مع الانجليزية مجردة). سوبرال، أندروز بومانز، تييري. مكتبة بغس: إطار مكتبة لتقييم الخوارزميات في تجزئة الأمامية. الفصل في الكتيب النمذجة الخلفية والكشف الأمامي للمراقبة بالفيديو، مطبعة لجنة حقوق الطفل، مجموعة تايلور وفرانسيس، 2014. (بدف إن إنجليش). وقد استخدمت بعض خوارزميات بجليبراري بنجاح في الأوراق التالية: (2014) سوبرال، أندروز فاكافانت، أنطوان. استعراض شامل للخوارزميات الطرح الخلفية تقييمها مع أشرطة الفيديو الاصطناعية وحقيقية. رؤية الكمبيوتر وفهم الصورة (كفيو)، 2014. (أونلين) (بدف) (2013) سوبرال، أندروز أوليفيرا، لوتشيانو سنيتمان، ليزر سوزا، فيليب. (جائزة أفضل ورقة) المرور السريع الازدحام التصنيف باستخدام خصائص شاملة. (أونلين) (بدف) قائمة بالخوارزميات المتوفرة في اسم خوارزمية بغليبراري (انقر لرؤية التعليمات البرمجية المصدر) كيفية استخدام مكتبة بغس في آخر C كود تحميل أحدث مشروع شفرة المصدر، نسخ باكاجبغس الدليل إلى المشروع الخاص بك وإنشاء مجلد التكوين (بغسليبراري استخدامه لتخزين ملفات التكوين شمل). لمستخدمي ويندوز، يتم توفير مشروع تجريبي ل فيسوال ستوديو 2010. كيفية المساهمة مع مشروع بغليبراري الجميع مدعوون للتعاون مع مشروع بغليبراري عن طريق إرسال أي تنفيذ خوارزميات الطرح الخلفية (بس). يرجى الاطلاع على البرنامج التعليمي التالي: githubandrewssobralbgslibraryblobmasterdocsbgslibraryhowtocontribute. pdf قائمة كاملة بمتعاوني بغسلبراري أود أن أشكر كل من ساهموا بطريقة ما في نجاح هذه المكتبة، وخاصة الشعوب التالية (حسب الترتيب الأبجدي): أحمد الجمال (الولايات المتحدة الأمريكية) (فرنسا)، وبغامين كيرتز (فنلندا)، ودومينيكو بلويسي (إيطاليا)، ودونوفان باركس (كندا)، وإدواردو باريتو أليكساندر (البرازيل)، وفيدا إل باف (فرنسا)، وإيغو مارتينيز، (اليابان)، وجيان ياو (الصين)، وهيمانغ شاه، وهولغر فريدريش، ولورانس بيندر (الأرجنتين)، والسيد ليونيل روبينولت (فرنسا)، ولوكا إيوشي (إيطاليا) لويز فيتور مارتينيز كاردوسو (البرازيل)، مارتن هوفمان، فيليب تيفنباكر وجيرهارد ريغول (ألمانيا)، ريم طرابلسي (تونس)، سيمون غاسباريني (فرنسا)، ستيفانو تومساني (إيطاليا)، تييري بوومانز (فرنسا)، فيكاس ريدي (أستراليا) ياني إيوانو (كندا)، زنجي ز (الصين) وزوران زيفكوفيتش (هولندا). الإصدار 1.9.2: وأضاف سوبنز و لوبستر خوارزميات بيير لوك وآخرون. (2014). الإصدار 1.9.1: وأضاف سيجما دلتا خوارزمية الطرح الخلفية (سيغمادلتابغس) مانزانيرا و ريتشيفيو (2004). الإصدار 1.9.0: وأضاف إطار جديد لطرح الخلفية باستخدام إشارات متعددة (سنمولتيكيبغس) من سيونغجونغ نوح ومونغو جيون (2012). وأضاف أوبينكف دعم 2.4.8 (ترتبط جميع التبعيات بشكل ثابت). الإصدار 1.8.0: وأضاف خلفية متعددة الوسائط المستقلة الطرح (إمبس) دومينيكو دانييل بلويزي (2012). وأضاف التكيف-- انتقائية نموذج التعلم الخلفية. الإصدار 1.7.0: وأضاف الملمس القائم على كشف الأمامية مع مرف من سابا كيرتزز (2011). بعض التحسينات وإصلاح الأخطاء. الإصدار 1.6.0: وأضاف كدي من A. الجمال، D. هاروود، L. S. دافيس، نموذج غير المعلمة للخلفية الطرح ECCV00 (بفضل إلغمال). وأضاف خلفية القائم على نسيج الطرح من ماركو هيكيلا وماتي بيتيكينن طريقة القائم على نسيج لنمذجة الخلفية والكشف عن الأجسام المتحركة PAMI06. وأضاف أوبينكف 2.4.5 الدعم، وبعض التحسينات وإصلاح الأخطاء. الإصدار 1.5.0: إضافة مقياس من يان غويات، تييري شاتو، لوران مالاتير ولوران تراسوداين (بفضل أنطوان فاكافانت). وأضاف أوبينكف C مفك التطبيق (مع شفرة المصدر) باستخدام بغس مكتبة لمستخدمي ويندوز. وأضاف أوبينكف 2.4.4 الدعم (ترتبط جميع التبعيات بشكل ثابت - وداعا دلز)، وبعض التحسينات وإصلاح الأخطاء. الإصدار 1.4.0: وأضاف نظام تخصيص الموارد على أساس (سيجمينجر التكيف القائم على بكسل) من M. هوفمان، P. تيفنباشر و G. ريغول. وأضاف T2F-غم مع مرف من زنجي تشاو، تييري بومانز، شوبو تشانغ ويونغ تشون فانغ. (بفضل زنجي تشاو وتييري بوومانز) وأضاف غمغ من A. غودبيهير، A. ماتسوكاوا، K. غولدبيرغ (أوبينف الأصلي). وأضاف أوبينكف دعم 2.4.3 (ترتبط جميع التبعيات بشكل ثابت - وداعا دلز)، وبعض التحسينات وإصلاح الأخطاء. الإصدار 1.3.0: وأضاف سوجينو ضبابي و تشوكيت متكاملة مع التكيف خلفية انتقائية نموذج التحديث (بفضل ثيري بومانز) الأمامية تحليل قناع قناع، والآن مع عدد من الإيجابيات الحقيقية (تب)، صحيح السلبيات (تن)، الإيجابيات الكاذبة (فب) ، معدل الكشف، الدقة، الدقة، السعر السالب الزائف (فنر)، معدل إيجابي كاذب (فر)، معدل إيجابي إيجابي (تبر) والصور روك (بفضل تييري بومانز) وأضاف أوبينكف 2.4 دعم بعض التحسينات، إصلاحات الشوائب. الإصدار 1.2.0: وأضاف متعدد الطبقات بغس (بفضل جيان ياو وجان مارك أودوبيز) إضافة خلفية الطرح نماذج من لورانس بيندر (غوسي بسيط، غوسي غامض، مزيج من غاوس، سوم التكيف وغامض التكيف الضبابي) وأضاف تحليل قناع الأمامية (التشابه قياس) الإصدار 1.1.0: واضاف type2 غامض غام غم أم والأشعة فوق البنفسجية (بفضل تييري بومانز) واضاف الدعم لحساب متوسط ​​الوقت من الخوارزميات (انظر بارام تيكتوك في. configFrameProcessor. xml) الإصدار 1.0.0: 14 خوارزميات الطرح الخلفية (07 تكييفها من دونوفان الحدائق) أحاول تنفيذ طريقة بسيطة الطرح الخلفية للكشف عن الأجسام المتحركة في مشهد معين. والهدف من ذلك هو اختيار جزء من حركة معينة من الفيديو لاستخدامها في فيديو آخر. الخوارزمية أنا التالية: 1. خذ 25 إطارات الأولى من الفيديو ومتوسط ​​لهم للحصول على نموذج الخلفية. 2. العثور على الانحراف المعياري لتلك 25 إطارا وتخزين القيم في صورة أخرى. 3. الآن أنا حساب الفرق المطلق بين كل إطار ومتوسط ​​نموذج الخلفية بكسل الحكمة. الإخراج أنا الحصول على هو نوع من حركة شفافة يجري تسليط الضوء عليها باللون الأبيض (الاختلاف المطلق يؤدي إلى الشفافية أعتقد). أريد أن أعرف ما إذا كان النهج الخاص بي هو حق أم لا النظر في أنني سوف تفعل تجزئة على هذا الإخراج كخطوة تالية وأيضا أنا لا تحصل على فكرة عن كيفية استخدام صورة الانحراف المعياري. سيكون موضع تقدير أي مساعدة. واسمحوا لي أن أعرف إذا لم يكن هذا هو نوع من السؤال الذي يجب أن نشر في تجاوز كومة. وفي هذه الحالة، ستكون أية إشارة أو روابط إلى مواقع أخرى مفيدة. سأل 26 يونيو 13 في 9:12