Temporal Differencing and Statistic

Temporal Differencing and Statistical Method and we also discuss various related information. Among this method Background Subtraction is better due to its accuracy and effectiveness. Temporal Differencing method is quite good but this method fails to extract the pixel of foreground object when object has uniform texture or move slowly. But when object stop this method fails completely. We also studied Object Tracking in this paper. Here point tracking, kernel tracking and silhouette tracking have been studied. In point tracking method, to track the object state we have used statistical filtering method. Another filtering method such as Kalman filter and particle filter are also good method. In kernel tracking method mean shift technique is used now a day. And last in silhouette tracking method, object is tracked using silhouette by calculating the object region in consecutive frames.

ผลลัพธ์ (ไทย) 1:

Differencing ชั่วคราว และ วิธีการทางสถิติ และเรายังกล่าวถึงข้อมูลต่าง ๆ ที่เกี่ยวข้อง ระหว่างนี้วิธี ลบพื้นหลังจะดีกว่าเนื่องจากความแม่นยำและประสิทธิภาพ วิธี Differencing ขมับจะดี แต่วิธีนี้ไม่สามารถแยกพิกเซลของวัตถุเบื้องหน้าเมื่อวัตถุที่มีเนื้อสม่ำเสมอ หรือคลาน แต่เมื่อวัตถุหยุดวิธีนี้ล้มเหลวโดยสิ้นเชิง เรายังเรียนการติดตามวัตถุในเอกสารนี้ ที่นี่จุดติดตาม เคอร์เนลที่ติดตามและติดตามรูปเงาดำมีการศึกษา ติดตามวิธีการ การติดตามสถานะวัตถุในจุดเราได้ใช้วิธีการกรองข้อมูลทางสถิติ วิธีกรองอื่นเช่นกรอง Kalman และกรองอนุภาคยังมีวิธีการที่ดี ในเคอร์เนลที่ติดตามวิธี เทคนิคกะหมายความว่าจะใช้วันขณะนี้ และล่าสุด ในรูปเงาดำติดตามวิธี วัตถุติดตามใช้รูปเงาดำ โดยคำนวณพื้นที่วัตถุในเฟรมติดต่อกัน

ผลลัพธ์ (ไทย) 2:

ชั่วขณะและความแตกต่างของวิธีการทางสถิติและเรายังหารือเกี่ยวกับข้อมูลที่เกี่ยวข้องต่างๆ ในบรรดาวิธีการลบพื้นหลังนี้เป็นเพราะดีกว่าที่จะถูกต้องและมีประสิทธิภาพ วิธี differencing ชั่วค่อนข้างดี แต่วิธีนี้ล้มเหลวในการดึงพิกเซลของวัตถุเบื้องหน้าเมื่อวัตถุมีพื้นผิวที่สม่ำเสมอหรือย้ายช้า แต่เมื่อวัตถุหยุดวิธีการนี​​้ล้มเหลวอย่างสิ้นเชิง นอกจากนี้เรายังมีการศึกษาติดตามวัตถุในเอกสารนี้ นี่คือการติดตามจุด, การติดตามและการติดตามเคอร์เนลเงาได้รับการศึกษา ในวิธีการติดตามจุดในการติดตามสถานะของวัตถุที่เราได้ใช้วิธีการกรองสถิติ วิธีการกรองอีกเช่นคาลมานกรองและไส้กรองอนุภาคนอกจากนี้ยังมีวิธีการที่ดี ในวิธีการติดตามเคอร์เนลหมายถึงเทคนิคการเปลี่ยนแปลงในขณะนี้ถูกนำมาใช้ต่อวัน และสุดท้ายวิธีการติดตามเงาวัตถุถูกติดตามโดยใช้เงาโดยการคำนวณภูมิภาควัตถุในเฟรมติดต่อกัน

ผลลัพธ์ (ไทย) 3:

เวลาและข้อมูลสถิติต่าง ๆและเรายังหารือเกี่ยวกับข้อมูลที่เกี่ยวข้อง การลบฉากหลังของวิธีการนี้จะดีกว่าเนื่องจากความถูกต้องและประสิทธิผลของ วิธีนำชั่วคราวได้ค่อนข้างดี แต่วิธีนี้ไม่สามารถแยกพิกเซลของวัตถุเมื่อวัตถุเบื้องหน้ามีเนื้อชุดหรือเคลื่อนไหวช้า แต่เมื่อวัตถุหยุดวิธีนี้ล้มเหลวโดยสิ้นเชิงนอกจากนี้เรายังได้ศึกษาติดตามวัตถุในกระดาษนี้ ที่นี่จุดที่ติดตาม เมล็ดและการติดตามการติดตามเงาได้ถูกศึกษา ในจุดที่วิธีการติดตาม ติดตามวัตถุสถานะเราได้ใช้สถิติการกรองโดยวิธี อื่น เช่น การกรองวิธีตัวกรองคาลมานฟิลเตอร์อนุภาคและยังเป็นวิธีที่ดี ในเคอร์เนลติดตามเทคนิคกะหมายถึงวิธีการปัจจุบันและสุดท้ายภาพเงาวิธีการติดตามวัตถุโดยสามารถติดตามการใช้เงาวัตถุเขตในเฟรมติดต่อกัน