Detecting BackgroundGiven the feed

Detecting Background
Given the feed from the camera, the 1st thing to do is to remove the background. We use running average over a sequence of images to get the average image which will be the background too.
CurBG[i][j]=alpha CurBG[i][j] + (1- alpha )CurFrame[i][j]
This equation works because of the assumption that the background is mostly static. Hence for those stationary item , those pixels arent affected by this weighted averaging and alpha x+(1-alpha)x=x . Hence those pixels that are constantly changing isnt a part of the background, hence those pixels will get weighed down. Hence the stationary pixels or the background gets more and more prominent with every iteration while those moving gets weighed out. Thus after a few iterations , you get the above average which contains only the background. In this case , even my face is part of the background as it needs to detect only my hands.

ผลลัพธ์ (ไทย) 1:

ตรวจสอบพื้นหลังรับตัวดึงข้อมูลจากกล้อง สิ่งแรกที่ทำคือการ ลบพื้นหลัง เราใช้ค่าเฉลี่ยผ่านลำดับภาพได้ภาพเฉลี่ยซึ่งจะเป็นพื้นหลังมากเกินไป CurBG [i] [j] =อัลฟา CurBG [i] [j] + CurFrame (1-อัลฟ่า) [i] [j] สมการนี้ทำงานเนื่องจากสมมติฐานที่อยู่เบื้องหลังเป็นส่วนใหญ่คง ดังนั้น การที่สินค้าเครื่องเขียน พิกเซลเหล่านั้นไม่ได้รับผลกระทบ โดยหาค่าเฉลี่ยถ่วงน้ำหนักและอัลฟา x + x (1-อัลฟ่า) นี้ = x ดังนั้น ที่พิกเซลที่เปลี่ยนแปลงตลอดเวลาไม่ได้เป็นส่วนหนึ่งของพื้นหลัง ดังนั้น จะได้รับการชั่งน้ำหนักพิกเซลเหล่านั้นลง ดังนั้น เซลประจำหรือพื้นหลังได้รับมากเด่นเกิดซ้ำทุกขณะที่ได้รับย้ายน้ำหนักออก ดังนั้น หลังจากซ้ำกี่ คุณได้ค่าเฉลี่ยข้างต้นซึ่งประกอบด้วยพื้นหลังเท่านั้น ในกรณีนี้ แม้แต่ใบหน้าของฉันเป็นส่วนหนึ่งของพื้นหลังต้องตรวจสอบเท่านั้นมือของฉัน

ผลลัพธ์ (ไทย) 2:

การตรวจสอบประวัติความเป็นมา
ที่ได้รับฟีดจากกล้องสิ่งที่ 1 จะทำคือการลบพื้นหลัง เราใช้ทำงานเฉลี่ยในช่วงลำดับของภาพเพื่อให้ได้ภาพเฉลี่ยซึ่งจะเป็นพื้นหลังเกินไป.
CurBG [ผม] [เจ] = อัลฟา CurBG [ผม] [เจ] + (1- อัลฟา) CurFrame [ผม] [เจ]
สมการนี้ทำงานเพราะสมมติฐานที่ว่าพื้นหลังเป็นแบบคงที่ส่วนใหญ่ ดังนั้นสำหรับสินค้าเครื่องเขียนเหล่านั้นพิกเซลผู้ arent รับผลกระทบจากค่าเฉลี่ยถ่วงน้ำหนักนี้และอัลฟา x + (1-alpha) x = x ดังนั้นพิกเซลที่มีการเปลี่ยนแปลงไม่ได้เป็นส่วนหนึ่งของพื้นหลังจึงพิกเซลเหล่านั้นจะได้รับการชั่งน้ำหนักลง ดังนั้นพิกเซลนิ่งหรือพื้นหลังที่ได้รับมากขึ้นและโดดเด่นมากขึ้นด้วยซ้ำในขณะที่การเคลื่อนย้ายผู้ที่ได้รับการชั่งน้ำหนักทุกออก ดังนั้นหลังจากที่ซ้ำไม่กี่คุณจะได้รับค่าเฉลี่ยดังกล่าวข้างต้นที่มีเพียงพื้นหลัง ในกรณีนี้แม้ใบหน้าของฉันเป็นส่วนหนึ่งของพื้นหลังที่เป็นความต้องการที่จะตรวจสอบเพียงมือของฉัน

ผลลัพธ์ (ไทย) 3:

Detecting Background
Given the feed from the camera, the 1st thing to do is to remove the background. We use running average over a sequence of images to get the average image which will be the background too.
CurBG[i][j]=alpha CurBG[i][j] (1- alpha )CurFrame[i][j]
This equation works because of the assumption that the background is mostly static. Hence for those stationary item , those pixels arent affected by this weighted averaging and alpha x (1-alpha)x=x . Hence those pixels that are constantly changing isnt a part of the background, hence those pixels will get weighed down. Hence the stationary pixels or the background gets more and more prominent with every iteration while those moving gets weighed out. Thus after a few iterations ,คุณจะได้รับเฉลี่ยข้างต้นซึ่งมีเพียงพื้นหลัง ในกรณีนี้ แม้ใบหน้าของฉันเป็นส่วนหนึ่งของพื้นหลังตามความต้องการที่จะตรวจสอบเฉพาะมือของฉัน