(a) Foreground objects detection is

(a) Foreground objects detection is a field with a large number
of related works and an advanced level of satisfactory
results, but the algorithm selection for a specific situation
is complicated due to their different performance depending
on the context and the scenario. There are several background
subtraction methods commonly employed in automated
video-surveillance applications, as is exposed in
Stefano, Regazzoni, and Schonfeld (2011) and Brutzer,
Hoferlin, and Heidemann (2011), and their results have been
greatly improved in the last years using varied techniques
such as the formulated by Maddalena and Petrosino
(2008), Reddy, Sanderson, and Lovell (2011) and Verdant,
Villard, Dupret, and Mathias (2011). On the other hand,
some classic segmentation algorithms continue being
widely applied, as the ones derived from Gaussian mixture
models (Baf, Bouwmans, & Vachon, 2008a; Grimson &
Stauffer, 1999; Zivkovic, 2004), fuzzy models (Baf,
Bouwmans, & Vachon, 2008b; Zhang & Xu, 2006) or a combination
of both (Baf, Bouwmans, & Vachon, 2008c).
Furthermore, other approximations can be interesting, such
as the multi-layer background subtraction based on color
and texture suggested by Odobez and Yao (2007). In any
case, background subtraction techniques have successfully
evolved and are robust enough to be applied in the proposed
system. For this reason, a comparative study between the
most representative enumerated algorithms in the shopping
malls video-surveillance context is included in Section 3 for
choosing the best option for our expert system.

ผลลัพธ์ (ไทย) 1:

(ก) การตรวจจับวัตถุหน้ามีเขตข้อมูลที่ มีจำนวนมากงานที่เกี่ยวข้องและระดับความพึงพอใจสูงเป็นผล แต่การเลือกอัลกอริทึมสำหรับสถานการณ์ที่เฉพาะเจาะจงมีความซับซ้อนเนื่องจากขึ้นกับประสิทธิภาพการทำงานที่แตกต่างกันของพวกเขาในบริบทและสถานการณ์ มีพื้นหลังต่าง ๆงานทั่วไปในวิธีการลบอัตโนมัติเฝ้าระวังวิดีโอโปรแกรมประยุกต์ สัมผัสในสเตฟาโน Regazzoni และ Schonfeld (2011) และ BrutzerHoferlin และ Heidemann (2011), และผลลัพธ์ได้ปรับปรุงอย่างมากในปีที่ใช้เทคนิคหลากหลายเช่นในสูตร โดย Maddalena และ Petrosino(2008), เรด ดี Sanderson และโลเวลลอด์จ (2011) และ ขจีVillard, Dupret และ Mathias (2011) ในทางตรงข้ามอัลกอริทึมแบ่งคลาสสิกบางต่อการถูกกับ เป็นคนที่มาจากส่วนผสมนที่รุ่น (บริษัทบัฟ Bouwmans, & Vachon, 2008a Grimson และStauffer, 1999 Zivkovic, 2004) รูปแบบคลุมเครือ (บริษัทบัฟBouwmans, & Vachon, 2008b จางและ Xu, 2006) หรือการรวมกันทั้ง (บริษัทบัฟ Bouwmans, & Vachon, 2008c)นอกจากนี้ เป็นเพียงการประมาณอื่น ๆ น่าสนใจ ดังกล่าวเป็นลบพื้นหลังหลายชั้นตามสีและเนื้อสัมผัสที่แนะนำ โดย Odobez และยาว (2007) ในการกรณี เทคนิคการลบพื้นหลังได้สำเร็จพัฒนา และแข็งแกร่งพอที่จะใช้ในการนำเสนอระบบ ด้วยเหตุนี้ การเปรียบเทียบศึกษาระหว่างการระบุตัวแทนส่วนใหญ่อัลกอริทึมในการช้อปปิ้งห้างสรรพสินค้าเฝ้าระวังวิดีโอบริบทจะรวมอยู่ในส่วนที่ 3 สำหรับเลือกตัวเลือกที่ดีที่สุดสำหรับระบบผู้เชี่ยวชาญของเรา

ผลลัพธ์ (ไทย) 2:

(ก) การตรวจหาวัตถุเบื้องหน้าเป็นเขตที่มีจำนวนขนาดใหญ่
ของงานที่เกี่ยวข้องและในระดับสูงที่น่าพอใจ
ผล แต่เลือกอัลกอริทึมสำหรับสถานการณ์ที่เฉพาะเจาะจง
ซับซ้อนเนื่องจากผลงานที่แตกต่างกันของพวกเขาขึ้น
อยู่กับบริบทและสถานการณ์ มีหลายพื้นหลังเป็น
วิธีการลบลูกจ้างทั่วไปในอัตโนมัติ
ใช้งานวิดีโอเฝ้าระวังเป็นที่เปิดเผยใน
สเตฟาโน Regazzoni และ Schonfeld (2011) และ Brutzer,
Hoferlin และ Heidemann (2011) และผลของพวกเขาได้รับการ
ปรับปรุงอย่างมากในปีที่ผ่านมา โดยใช้เทคนิคที่แตกต่างกัน
เช่นสูตรโดย Maddalena และ Petrosino
(2008), เรดดี้ Sanderson และโลเวลล์ (2011) และเขียวขจี
Villard, Dupret และงัด (2011) บนมืออื่น ๆ ที่
บางขั้นตอนวิธีการแบ่งส่วนคลาสสิกยังคงถูก
นำมาใช้กันอย่างแพร่หลายเป็นคนที่มาจากส่วนผสม Gaussian
รุ่น (อาบ Bouwmans และชน 2008a; Grimson และ
สตาฟ 1999; Zivkovic, 2004), รุ่นเลือน (อาบ
Bouwmans, และชน 2008b; Zhang & เสี่ยว 2006) หรือการรวมกัน
ของทั้งสอง (อาบ Bouwmans และชน 2008c).
นอกจากนี้ใกล้เคียงอื่น ๆ สามารถที่น่าสนใจเช่น
เป็นลบพื้นหลังหลายชั้นขึ้นอยู่กับสี
และพื้นผิวที่แนะนำโดย Odobez และยาว (2007) ใน
กรณีเทคนิคพื้นหลังประสบความสำเร็จในการลบได้
พัฒนาและมีประสิทธิภาพมากพอที่จะนำมาใช้ในการเสนอ
ระบบ ด้วยเหตุนี้การศึกษาเปรียบเทียบระหว่าง
ขั้นตอนวิธีการแจกแจงตัวแทนมากที่สุดในการช้อปปิ้ง
บริบทวิดีโอเฝ้าระวังห้างสรรพสินค้าจะรวมอยู่ในมาตรา 3
เลือกตัวเลือกที่ดีที่สุดสำหรับระบบผู้เชี่ยวชาญของเรา

ผลลัพธ์ (ไทย) 3:

( ก ) การตรวจหาวัตถุเบื้องหน้าเป็นเขตข้อมูลที่มีจำนวนมากที่เกี่ยวข้องกับงานและระดับ สูงของพอใจผลลัพธ์ แต่ขั้นตอนการเลือกสำหรับสถานการณ์ที่เฉพาะเจาะจงมีความซับซ้อนเนื่องจากการปฏิบัติตามของพวกเขาแตกต่างกันในบริบทและสถานการณ์ มีพื้นหลังหลายวิธีที่ใช้ในการลบโดยอัตโนมัติโปรแกรมการเฝ้าระวังวิดีโอที่ถูกเปิดเผยในสเตฟาโน่ regazzoni , และ schonfeld brutzer ( 2011 ) ,hoferlin และ heidemann ( 2011 ) และผลของพวกเขาได้รับการปรับปรุงอย่างมากในปีที่ผ่านมา โดยใช้เทคนิคที่หลากหลายเช่น ยุทธศาสตร์ โดยมัดดาเลนา และเปโตรซิโน( 2008 ) , Reddy , แอนเดอร์สัน และ โลเวลล์ ( 2011 ) และชอุ่มวีลาร์ dupret , และมาเทียส ( 2011 ) บนมืออื่น ๆบางขั้นตอนวิธีการยังคงเป็นคลาสสิกใช้กันอย่างแพร่หลาย เป็นคนที่มาจาก ) ผสมแบบจำลอง ( 1.6 bouwmans แวเชิ่น , และ , grimson & 2008a ;Stauffer , 1999 ; zivkovic , 2004 ) , แบบจำลองฟัซซี ( บัฟ ,bouwmans & แวเชิ่น 2008b ; , Zhang & Xu , 2006 ) หรือการรวมกันของทั้งสอง ( 1.6 bouwmans & แวเชิ่น 2008c , , , )นอกจากนี้ การอื่น ๆสามารถที่น่าสนใจ เช่นเป็นวิธีการการลบฉากหลังตามสีและพื้นผิวที่แนะนำโดย odobez และเย้า ( 2007 ) ใด ๆกรณี , เทคนิคการลบพื้นหลังประสบความสำเร็จวิวัฒนาการและมีเสถียรภาพเพียงพอที่จะใช้ในการเสนอระบบ ด้วยเหตุผลนี้ ศึกษาเปรียบเทียบระหว่างตัวแทนส่วนใหญ่ระบุขั้นตอนวิธีในช้อปปิ้งห้างสรรพสินค้ากล้องวงจรปิดบริบทรวมอยู่ในมาตรา 3 สำหรับเลือกตัวเลือกที่ดีที่สุดสำหรับระบบผู้เชี่ยวชาญของเรา