دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Background subtraction
دانلود کتاب تفریق پس زمینه
مشخصات کتاب
Background subtraction
ویرایش:
نویسندگان: Elgammal A
سری:
ISBN (شابک) : 9781627054409, 9781627054416
ناشر: Morgan
سال نشر: 2015
تعداد صفحات: 85
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
قیمت کتاب (تومان) : 30,000
در صورت تبدیل فایل کتاب Background subtraction به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تفریق پس زمینه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب تفریق پس زمینه
تفریق پس‌زمینه یک مفهوم پرکاربرد برای تشخیص اجسام متحرک در ویدیوها است. در دو دهه اخیر توسعه زیادی در طراحی الگوریتم‌های تفریق پس‌زمینه و همچنین استفاده گسترده از این الگوریتم‌ها در کاربردهای مهم مختلف مانند نظارت بصری، تجزیه و تحلیل ویدیوهای ورزشی، ضبط حرکت و غیره صورت گرفته است. رویکردهای آماری مختلف برای مدل‌سازی پس‌زمینه صحنه پیشنهاد شده است. مفهوم تفریق پس‌زمینه نیز برای شناسایی اشیاء از فیلم‌های گرفته شده از دوربین‌های متحرک گسترش یافته است. این کتاب به بررسی مفهوم و عمل تفریق پس‌زمینه می‌پردازد. ما چندین مدل تفریق پس‌زمینه آماری سنتی، از جمله مدل‌های مخلوط پارامتری گاوسی و مدل‌های ناپارامتریک را مورد بحث قرار می‌دهیم. ما همچنین موضوع سرکوب سایه را مورد بحث قرار می دهیم که برای کاربردهای تحلیل حرکت انسان ضروری است. این کتاب رویکردها و مبادلات نگهداری پس‌زمینه را مورد بحث قرار می‌دهد. این کتاب همچنین بسیاری از پیشرفت‌های اخیر در پارادایم تفریق پس‌زمینه را بررسی می‌کند. پیشرفت‌های اخیر در توسعه الگوریتم‌هایی برای تفریق پس‌زمینه از دوربین‌های متحرک، از جمله رویکردهای مبتنی بر جبران حرکت و رویکردهای مبتنی بر تقسیم‌بندی حرکت، توصیف شده‌اند.
توضیحاتی درمورد کتاب به خارجی
Background subtraction is a widely used concept for detection of moving objects in videos. In the last two decades there has been a lot of development in designing algorithms for background subtraction, as well as wide use of these algorithms in various important applications, such as visual surveillance, sports video analysis, motion capture, etc. Various statistical approaches have been proposed to model scene backgrounds. The concept of background subtraction also has been extended to detect objects from videos captured from moving cameras. This book reviews the concept and practice of background subtraction. We discuss several traditional statistical background subtraction models, including the widely used parametric Gaussian mixture models and non-parametric models. We also discuss the issue of shadow suppression, which is essential for human motion analysis applications. This book discusses approaches and tradeoffs for background maintenance. This book also reviews many of the recent developments in background subtraction paradigm. Recent advances in developing algorithms for background subtraction from moving cameras are described, including motion-compensation-based approaches and motion-segmentation-based approaches.
فهرست مطالب
Preface Acknowledgments Figure Credits Object Detection and Segmentation in Videos Characterization of Video Data The Space of Solutions Foreground Detection vs. Background Subtraction Video Segmentation and Motion Segmentation Background Subtraction Concept Background Subtraction from a Stationary Camera Introduction Challenges in Scene Modeling Probabilistic Background Modeling Parametric Background Models A Single Gaussian Background Model A Mixture Gaussian Background Model Non-Parametric Background Models Kernel Density Estimation (KDE) KDE Background Models KDE-Background Practice and Other Non-Parametric Models Other Background Models Predictive-Filtering Background Models Hidden Markov Model Background Subtraction Subspace Methods for Background Subtraction Neural Network Models Features for Background Modeling Shadow Suppression Color Spaces and Achromatic Shadows Algorithmic Approaches for Shadow Detection Tradeoffs in Background Maintenance Background Subtraction from a Moving Camera Difficulties in the Moving-Camera Case Motion-Compensation-Based Background-Subtraction Techniques Layered-Motion Segmentation Motion-Segmentation-Based Background-Subtraction Approaches Orthographic Camera – Factorization-Based Background Models Dense Bayesian Appearance Modeling Moving Away from the Affine Assumption – Manifold-Based Background Models Bibliography Author\'s Biography
