استخراج مدل پس زمینه خالص در فریم های ویدئویی دوربین های نظارتی توسط الگوریتم پولو

در سال های اخیر استفاده از دوربین های نظارتی به طور چشمگیری افزایش یافته و هر روزه حجم زیادی از داده ها تولید می شود که امکان طبقه بندی و ذخیره تمام آنها وجود ندارد. بسیاری از روش ها بر این فرض استوارند که تغییرات در فریم های ویدئویی ناشی از حرکت اشیا است در حالی که پس زمینه ثابت می ماند. با این حال تغییرات پیوسته در پس زمینه می تواند عملکرد تشخیص اشیا را تضعیف کند. به همین دلیل نیاز به الگوریتم های خودکار برای پردازش داده های حجیم و شناسایی اشیا مورد نظر ضروری است و استفاده از مدل های کارآمد برای استخراج پس زمینه می تواند به بهبود نتایج تشخیص پیش زمینه کمک شایانی کند. هدف این مقاله توسعه الگوریتمی است که پس زمینه خالص را از توالی های ویدئویی به دست آورد. رویکرد پیشنهادی با تکیه بر تفاوت پیکسل های دو فریم متوالی به استخراج پس زمینه خالص در صحنه های پیچیده و پرجمعیت می پردازد. نتایج تجربی نشان می دهد که این مدل می تواند در سیستم های نظارتی به کار گرفته شود و بهره وری را افزایش دهد.

کلیدواژه ها:

استخراج پس زمینه ، الگوریتم یولو ، تفاوت فریم ها ، مدل پس زمینه ، دوربین های نظارتی