Conventional approaches to moving o

Conventional approaches to moving objects detection
include frame difference (or temporal difference) algorithms,
background subtraction algorithms, optical flow algorithms,
and statistical learning algorithms. Optical flow and
statistical learning algorithms have much computational
complexity and are not suitable for video surveillance
applications. While background subtraction is very sensitive
to light changes. In contrast, frame difference algorithms
discern static objects (having null differences) from moving
objects (having no-null differences), and they are simple
and easy to be implemented. So they are considered to be
suitable for video surveillance applications.

ผลลัพธ์ (ไทย) 1:

แนวทางทั่วไปเพื่อตรวจจับวัตถุเคลื่อนไหวรวมกรอบความแตกต่าง (หรือแตกต่างชั่วคราว) อัลกอริทึมพื้นหลังลบอัลกอริทึม อัลกอริทึมกระแสแสงและอัลกอริทึมการเรียนรู้ทางสถิติ กระแสแสง และเรียนรู้สถิติอัลกอริทึมมีการคำนวณมากความซับซ้อนและไม่เหมาะสำหรับวิดีโอการเฝ้าระวังใช้งาน ขณะลบพื้นหลังมีความสำคัญมากการเปลี่ยนแปลงของแสง ในทางตรงกันข้าม เฟรมอัลกอริทึมความแตกต่างมองเห็นวัตถุแบบคงที่ (มีความแตกต่างเป็น null) จากการย้ายวัตถุ (มีความแตกต่างไม่ใช่ null), และพวกเขาได้อย่างและง่ายต่อการนำมาใช้ได้ เพื่อว่าจะเหมาะสำหรับการใช้งานวิดีโอการเฝ้าระวัง

ผลลัพธ์ (ไทย) 2:

วิธีการแบบเดิมในการตรวจจับการเคลื่อนย้ายวัตถุรวมถึงความแตกต่างเฟรม (หรือความแตกต่างชั่วคราว) ขั้นตอนวิธีการขั้นตอนวิธีการลบพื้นหลังขั้นตอนวิธีการไหลของแสงและขั้นตอนวิธีการเรียนรู้ทางสถิติ การไหลของแสงและขั้นตอนวิธีการเรียนรู้ที่มีการคำนวณทางสถิติมากซับซ้อนและไม่เหมาะสำหรับการเฝ้าระวังวิดีโอการใช้งาน ในขณะที่การลบพื้นหลังที่มีความสำคัญมากต่อการเปลี่ยนแปลงของแสง ในทางตรงกันข้ามขั้นตอนวิธีการที่แตกต่างกันกรอบมองเห็นวัตถุที่คงที่ (ที่มีความแตกต่าง null) จากการย้ายวัตถุ(ที่มีความแตกต่างไม่ null) และพวกเขามีความเรียบง่ายและใช้งานง่ายที่จะดำเนินการ ดังนั้นพวกเขาจึงจะถือว่าเป็นที่เหมาะสมสำหรับการใช้งานการเฝ้าระวังวิดีโอ

ผลลัพธ์ (ไทย) 3:

ปกติวิธีการย้ายวัตถุตรวจจับความแตกต่าง
รวมกรอบ ( หรือความแตกต่างชั่วคราว ) ขั้นตอนวิธี ขั้นตอนวิธีการลบพื้นหลัง
, ขั้นตอนวิธีการไหลแสง
และการเรียนรู้สถิติอัลกอริทึม การไหลของแสงและขั้นตอนวิธีการเรียนรู้ทางสถิติมีความซับซ้อนมาก

ไม่เหมาะสำหรับการคำนวณและการเฝ้าระวัง
วิดีโอในขณะที่การลบพื้นหลังบอบบางมาก
เปลี่ยนแสง ในทางตรงกันข้ามกรอบความแตกต่างขั้นตอนวิธี
มองเห็นวัตถุแบบคงที่ ( มีความแตกต่างจากการย้ายวัตถุ null )
( ไม่มีความแตกต่าง null ) , และพวกเขาจะง่าย
และง่ายต่อการใช้ ดังนั้นพวกเขาจะถือเป็น
เหมาะสำหรับการใช้งานกล้องวงจรปิด