Vibe یک الگوریتم کاهش پس زمینه برای رشته های ویدیویی

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

Vibe یک الگوریتم کاهش پس زمینه برای رشته های ویدیویی

عنوان لاتین

ViBe: A Universal Background Subtraction Algorithm for Video Sequences

این مقاله یک تکنیک برای شناسایی حرکت ارائه می کند که چند مکانیزم ابتکاری دربردارد. برای مثال از ذخیره های تکنیکی ارائه شده، برای هر پیکسل، مجموعه ای از مقادیر درنظر گرفته شده برای یک مکان و یا همسایه هایش نگهداری می شود. آنگاه این مجموعه با مقدار فعلی پیکسل مقایسه می شود تا معین شود آیا به پس زمینه متعلق است یا نه. سپس مدل را با اینکه به طور تصادفی چه مقداری با مدل پس زمینه عوض شود، سازگار می شود. این راهکار با آنهایی که براین باورقدیمی اند که ابتدا باید قدیمی ترین مقادیر جایگزین شوند، تفاوت می کند. سرانجام وقتی فهمیده شد پیکسل متعلق به پس زمینه است، مقدارش به مدل پس زمینه پیکسل همسایه منتقل می شود. ما روش خود را با جزئیات کامل توضیح می دهیم (شامل شبه کد و مقادیر پارامتری استفاده شده) واین را با بقیه تکنیک های کاهش پس زمینه مقایسه می کنیم. نتایج کارایی نشان می دهد که نسبت به مدل های کنونی و روش های اثبات شده "حالت هنر"، روش ما از نظر سرعت محاسبه و نرخ تشخیص بهتر عمل می کند. همچنین کارایی نسخه مقیاس کوچک الگوریتم را برای کوچک ترین مقایسه و یک بایت حافظه برای پیکسل تحلیل کردیم. به نظر می رسد چنین نسخه ساده شده ای از الگوریتم ما نسبت به تکنیک های اصلی بهتر عمل می کند.

This paper presents a technique for motion detection that incorporates several innovative mechanisms. For example, our proposed technique stores, for each pixel, a set of values taken in the past at the same location or in the neighborhood. It then compares this set to the current pixel value in order to determine whether that pixel belongs to the background, and adapts the model by choosing randomly which values to substitute from the background model. This approach differs from those based upon the classical belief that the oldest values should be replaced first. Finally, when the pixel is found to be part of the background, its value is propagated into the background model of a neighboring pixel. We describe our method in full details (including pseudo-code and the parameter values used) and compare it to other background subtraction techniques. Efficiency figures show that our method outperforms recent and proven state-of-the-art methods in terms of both computation speed and detection rate. We also analyze the performance of a downscaled version of our algorithm to the absolute minimum of one comparison and one byte of memory per pixel. It appears that even such a simplified version of our algorithm performs better than mainstream techniques