کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4970119 1450023 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Adaptive background model registration for moving cameras
ترجمه فارسی عنوان
ثبت نام مدل پس زمینه سازگار برای حرکت دوربین
کلمات کلیدی
تشخیص شیء حرکتی محاسبه پس زمینه، حرکت دوربین خطای پیش بینی
ترجمه چکیده
ما یک چارچوب برای ثبت سازگارانه مدل های پس زمینه با یک تصویر برای تفریق پس زمینه با دوربین های حرکتی پیشنهاد می کنیم. روش های موجود جستجو برای یک مدل پس زمینه با استفاده از یک اندازه پنجره ثابت، برای سرکوب تعداد مثبت کاذب هنگام تشخیص پیش زمینه. با این حال، این روش ها منجر به بسیاری از منفی های نادرست می شود زیرا ممکن است از اندازه پنجره های نامناسب استفاده کنند. اندازه مناسب بستگی به عوامل مختلف صحنه هدف دارد. برای سرکوب شناسایی های دروغین، پیشنهاد می کنیم پارامترهای متداول کنترل کننده پارامترهای متداول را، که معمولا به طور صحیحی تعیین می شوند، پیشنهاد می کنیم. به طور خاص، اندازه پنجره جستجو برای ثبت پس زمینه و آستانه تشخیص پیش زمینه به صورت خودکار با استفاده از خطای پیش بینی شده محاسبه شده توسط برآورد حرکت دوربین بر اساس هماهنگی تعیین می شود. روش ما بر اساس این واقعیت است که خطا در یک پیکسل کم است اگر آن را به پس زمینه و بالا تعلق دارد اگر آن را ندارد. ما به صورت کمی تأیید کردیم که چارچوب پیشنهاد شده، دقت محاسبه پس زمینه را در هنگام استفاده از تصاویر از دوربین های متحرک در مجموعه های مختلف داده های عمومی بهبود می بخشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
We propose a framework for adaptively registering background models with an image for background subtraction with moving cameras. Existing methods search for a background model using a fixed window size, to suppress the number of false positives when detecting the foreground. However, these approaches result in many false negatives because they may use inappropriate window sizes. The appropriate size depends on various factors of the target scenes. To suppress false detections, we propose adaptively controlling the method parameters, which are typically determined heuristically. More specifically, the search window size for background registration and the foreground detection threshold are automatically determined using the re-projection error computed by the homography based camera motion estimate. Our method is based on the fact that the error at a pixel is low if it belongs to background and high if it does not. We quantitatively confirmed that the proposed framework improved the background subtraction accuracy when applied to images from moving cameras in various public datasets.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 96, 1 September 2017, Pages 86-95
نویسندگان
, , , , ,