The frame differencing method is th

The frame differencing method is the simplest form of background subtraction. In this method simply current frame is subtracted from the background frame. If the absolute difference in pixel values for every pixel is greater than a threshold Ts, then pixel is considered as a part of the foreground [4]. In Approximate median method, the median filtering buffers the previous N frames of video data. Background frame is then calculated from the median of the buffered frame and the background is subtracted from the current frame to produce foreground pixel. This method checks whether the pixel in the current frame has a value that is larger than the corresponding background pixel. If that is the case, the background pixel is incremented by one. However, if the pixel in the current frame has a value that is smaller than the corresponding background pixel, the background pixel is decremented by one [4][7]. The Running Gaussian average algorithm is based on fitting a Gaussian probability density function (PDF) to the last n pixel’s values. This method is computed in order to avoid fitting the PDF from scratch at the time of each new frame [4]. The mixture of Gaussian is a method that can handle multimodal distribution. In this method all objects can be filtered out and each pixel location is represented by a mixture of Gaussian functions that come together to form a probability distribution function [4].

ผลลัพธ์ (ไทย) 1:

กรอบ differencing วิธีเป็นแบบที่ง่ายที่สุดของการลบพื้นหลัง ในวิธีการนี้ เฟรมปัจจุบันก็จะหักออกจากกรอบพื้นหลัง ถ้าผลต่างแน่นอนค่าพิกเซลแต่ละพิกเซลมากกว่าเกณฑ์ Ts พิกเซลเป็นถือว่าเป็นส่วนหนึ่งของเบื้องหน้า [4] ในวิธีการประมาณค่าเฉลี่ย มัธยฐานการกรองบัฟเฟอร์ N เฟรมก่อนหน้าของข้อมูลวิดีโอ กรอบพื้นหลังจะคำนวณจากค่ามัธยฐานของเฟรมบัฟเฟอร์ และพื้นหลังลบเฟรมปัจจุบันผลิตพิกเซลหน้า วิธีการนี้ตรวจสอบว่า พิกเซลในเฟรมปัจจุบันมีค่าที่มีขนาดใหญ่กว่าพิกเซลพื้นหลังที่สอดคล้องกัน ถ้าเป็นกรณีนี้ จะมีเพิ่มพิกเซลพื้นหลัง โดยหนึ่ง อย่างไรก็ตาม ถ้าพิกเซลในเฟรมปัจจุบันมีค่าที่เล็กกว่าสอดพิกเซลพื้นหลัง พิกเซลพื้นหลังเป็น decremented โดยหนึ่ง [4] [7] อัลกอริธึมเฉลี่ยนที่ทำงานตามฟังก์ชันความหนาแน่นของความน่าเป็นนที่ (PDF) ที่เหมาะสมกับค่าสุดท้าย n เซล วิธีนี้เป็นคำนวณเพื่อหลีกเลี่ยงการติดตั้ง PDF จากรอยขีดข่วนเวลาของแต่ละเฟรมใหม่ [4] ส่วนผสมของนที่เป็นวิธีการที่สามารถจัดการแจกจ่ายต่อเนื่อง ในวิธีนี้ วัตถุทั้งหมดสามารถกรองออก และสถานที่แต่ละพิกเซลจะแสดงเป็นส่วนผสมของฟังก์ชันนที่ที่มารวมตัวกันในรูปแบบฟังก์ชันการกระจายความน่าเป็น [4]

ผลลัพธ์ (ไทย) 2:

วิธีการแตกต่างของกรอบเป็นรูปแบบที่ง่ายที่สุดในการลบพื้นหลัง ในวิธีการนี​​้เพียงแค่เฟรมปัจจุบันถูกลบออกจากกรอบพื้นหลัง หากความแตกต่างแน่นอนในค่าพิกเซลสำหรับทุกพิกเซลมีค่ามากกว่าเกณฑ์ TS, แล้วพิกเซลถือว่าเป็นส่วนหนึ่งของเบื้องหน้า [4] ในวิธีการเฉลี่ยประมาณกรองแบ่งบัฟเฟอร์เฟรม N ก่อนหน้าของข้อมูลวิดีโอ กรอบพื้นหลังที่มีการคำนวณแล้วจากค่ามัธยฐานของเฟรมบัฟเฟอร์และพื้นหลังจะหักออกจากกรอบปัจจุบันการผลิตพิกเซลเบื้องหน้า วิธีการนี​​้จะตรวจสอบว่าพิกเซลในกรอบปัจจุบันมีค่าที่มีขนาดใหญ่กว่าพิกเซลพื้นหลังที่สอดคล้องกัน หากเป็นกรณีที่พิกเซลพื้นหลังจะเพิ่มขึ้นโดยหนึ่ง แต่ถ้าพิกเซลในกรอบปัจจุบันมีค่าที่มีขนาดเล็กกว่าพิกเซลพื้นหลังที่สอดคล้องกันพิกเซลพื้นหลังเป็น decremented โดยหนึ่ง [4] [7] วิ่งอัลกอริทึมเฉลี่ยเสียนจะขึ้นอยู่กับการปรับฟังก์ชั่นความหนาแน่นของความน่าจะเป็นแบบเกาส์ (PDF) ค่าที่ n พิกเซลที่ผ่านมา วิธีนี้เป็นวิธีการคำนวณในการสั่งซื้อเพื่อหลีกเลี่ยงการกระชับ PDF จากรอยขีดข่วนในช่วงเวลาของแต่ละเฟรมใหม่ [4] ส่วนผสมของเกาส์เป็นวิธีการที่สามารถจัดการการจัดจำหน่ายต่อเนื่อง ในวิธีการนี​​้วัตถุทั้งหมดที่สามารถกรองออกมาและสถานที่แต่ละพิกเซลจะถูกแทนด้วยส่วนผสมของฟังก์ชั่นเสียนที่มากันในรูปแบบฟังก์ชั่นการแจกแจงความน่า [4]

ผลลัพธ์ (ไทย) 3:

กรอบนำวิธีการที่เป็นรูปแบบที่ง่ายที่สุดของการลบพื้นหลัง ในวิธีนี้กรอบเพียงปัจจุบันที่เป็นลบออกจากกรอบพื้นหลัง ถ้าความแตกต่างแน่นอนค่าพิกเซลสำหรับทุกพิกเซลมากกว่าเกณฑ์ TS แล้วพิกเซล ถือว่าเป็นส่วนหนึ่งของพื้น [ 4 ] วิธีเฉลี่ยประมาณ ค่ามัธยฐานกรองเดิม N เฟรมบัฟเฟอร์ข้อมูลวิดีโอ กรอบพื้นหลังจากนั้นจะคำนวณจากความถี่ของเฟรมบัฟเฟอร์ และพื้นหลังที่เป็นลบออกจากกรอบปัจจุบันผลิตเบื้องหน้าพิกเซล วิธีนี้จะตรวจสอบว่าพิกเซลในกรอบปัจจุบันมีมูลค่าที่ขนาดใหญ่กว่าพิกเซลพื้นหลังที่สอดคล้องกัน ถ้าเป็นกรณีนี้ พิกเซลพื้นหลังถูกสั่งโดยหนึ่ง แต่ถ้าพิกเซลในกรอบปัจจุบันมีมูลค่าที่เล็กกว่าพิกเซลพื้นหลังพื้นหลังพิกเซลซึ่งเป็น decremented โดยหนึ่ง [ 4 ] [ 7 ] ขั้นตอนวิธีเกาส์เฉลี่ยวิ่งตามเหมาะสม Gaussian ฟังก์ชันความหนาแน่นของความน่าจะเป็น ( PDF ) ล่าสุด n พิกเซลของค่า วิธีนี้จะคำนวณเพื่อหลีกเลี่ยงการ PDF จากรอยขีดข่วนที่เวลาของแต่ละเฟรมใหม่ [ 4 ] ส่วนผสมของเกาส์เป็นวิธีการที่สามารถจัดการการกระจายหลาย . ในวิธีนี้ วัตถุทั้งหมดที่สามารถกรองออกและแต่ละพิกเซลจะเป็นสถานที่แสดง โดยส่วนผสมของ Gaussian ฟังก์ชันที่มารวมกันเป็นฟังก์ชันการแจกแจงความน่าจะเป็น [ 4 ]