The design of a robust basis for id

The design of a robust basis for identifying the objects of interest
on the video scenes and evaluating their trajectories along the
time is essential. The aim is to get a high hit rate in these previous
tasks for making easier the subsequent detection of suspicious
behaviors and alarms in the automated video-surveillance application
for shopping malls presented in this paper. Therefore, the
errors in the video pre-processing and human tracking stages
dramatically affect the effectiveness of the final system. Due to
this, these errors must be reduced as much as possible.

The initial video-surveillance phases defined in this work
are the following: background subtraction, blob fusion,
detections-to-tracks association based on Kalman filtering and a
LSAP solution and, finally, an occlusion management based on
visual appearance. The main goal of these algorithms is minimizing
the error propagation between them and providing useful information
about human trajectories to the final alarm processes for
improving the general performance of the system.

ผลลัพธ์ (ไทย) 1:

การออกแบบพื้นฐานแข็งแกร่งสำหรับการระบุวัตถุที่น่าสนใจถ่ายวิดีโอและการประเมินของทีมตามเวลาเป็นสิ่งจำเป็น จุดมุ่งหมายที่จะได้ รับอัตราตีสูงในก่อนหน้านี้งานสำหรับทำการตรวจสอบที่มาของน่าสงสัยลักษณะการทำงานและสัญญาณเตือนในการประยุกต์ใช้เฝ้าระวังวิดีโออัตโนมัติห้างในเอกสารนี้ ดังนั้น การข้อผิดพลาดในวิดีโอก่อนการประมวลผล และมนุษย์ติดตามขั้นตอนส่งผลมากต่อประสิทธิภาพของระบบขั้นสุดท้าย จากการข้อผิดพลาดนี้ เหล่านี้ต้องลดลงมากที่สุดระยะเฝ้าระวังวิดีโอแรกในงานนี้มีดังนี้: พื้นหลังลบ ฟิวชั่นหยดสมาคมให้ตรวจหาเพลงตามการกรอง Kalman และโซลูชัน LSAP และ ในที่สุด การจัดการอุดตันตามลักษณะที่ปรากฏ ลดเป้าหมายหลักของอัลกอริทึมเหล่านี้การเผยแพร่ข้อผิดพลาดระหว่างพวกเขา และให้ข้อมูลที่เป็นประโยชน์เกี่ยวกับทีมมนุษย์กระบวนการแจ้งเตือนสุดท้ายสำหรับปรับปรุงประสิทธิภาพการทำงานทั่วไปของระบบ

ผลลัพธ์ (ไทย) 2:

การออกแบบพื้นฐานที่แข็งแกร่งสำหรับการระบุวัตถุที่น่าสนใจ
ในฉากวิดีโอและประเมินผลการลูกทีมของพวกเขาตาม
เวลาเป็นสิ่งสำคัญ โดยมีจุดมุ่งหมายที่จะได้รับอัตราการตีสูงก่อนหน้านี้เหล่านี้
งานง่ายสำหรับการทำการตรวจสอบที่น่าสงสัยที่ตามมาของ
พฤติกรรมและการเตือนภัยในการประยุกต์ใช้วิดีโอการเฝ้าระวังอัตโนมัติ
สำหรับห้างสรรพสินค้าที่นำเสนอในบทความนี้ ดังนั้น
ข้อผิดพลาดในการประมวลผลก่อนและมนุษย์วิดีโอขั้นตอนการติดตาม
อย่างมากส่งผลกระทบต่อประสิทธิผลของระบบขั้นสุดท้าย เนื่องจาก
นี้ผิดพลาดเหล่านี้จะต้องลดลงมากที่สุดเท่าที่เป็นไปได้. เริ่มต้นขั้นตอนวิดีโอการเฝ้าระวังที่กำหนดไว้ในงานนี้จะมีต่อไปนี้: การลบพื้นหลังหยดฟิวชั่นการตรวจจับการแทร็กสมาคมอยู่บนพื้นฐานของการกรองคาลมานและวิธีการแก้ปัญหา LSAP และ ในที่สุดก็มีการจัดการอุดตันขึ้นอยู่กับลักษณะที่มองเห็น เป้าหมายหลักของขั้นตอนวิธีการเหล่านี้จะลดการขยายพันธุ์ข้อผิดพลาดระหว่างพวกเขาและให้ข้อมูลที่เป็นประโยชน์เกี่ยวกับวิถีของมนุษย์ที่จะปลุกกระบวนการขั้นสุดท้ายสำหรับการปรับปรุงประสิทธิภาพการทำงานทั่วไปของระบบ