植基於編碼簿模型之即時視訊轉向偵測法.pptVIP

四、實驗結果 訓練完畢分離前、背景 林家瑜 四、實驗結果 林家瑜 四、實驗結果 林家瑜 四、實驗結果 本研究將所提出的RODM模型偵測法應用於判別攝影鏡頭遮蔽之情形，實驗結果如下 室內場景 室外場景 正確次數 50 50 錯誤次數 0 0 正確率 100% 100% * 林家瑜 五、結論 主要貢獻 在於提出RODM 即時視訊遮蔽偵測模型 可高效率的即時判斷出攝影機鏡頭遮蔽的危安問題 關鍵技術 在學習階段中，針對影格中的像素分類及更新 確保 RODM 模型具有最佳適應性背景 * 林家瑜 五、結論 遭遇瓶頸 如何保留影像的影格 如何更新較少用到的編碼值 未來研究 將整合視訊鏡頭遭轉向及霧化的警示功能 為了避免危及視訊安全鏡頭畫面的拍攝 * 林家瑜 Thanks for your Listening ! END * 植基於編碼簿模型之即時視訊遮蔽偵測法 組長:林家瑜 組員:李靜玫、古馨婷、江佳晏 組別：第十組 指導教授：董俊良 老師 大綱 簡介 編碼簿背景辨識模型之建構與分析 研究方法 實驗結果 結論 * 林家瑜 一、簡介 現今日常生活中，監控系統已隨處可見 停車場監控系統 銀行防盜系統 校園安全監控系統 …等 * 停車場監控系統 銀行防盜系統 校園安全監控系統 江佳晏 一、簡介 傳統的類比式監控系統 需要人力長期在螢幕前觀察 歷史影像資料備份儲存 數位化的視覺監控系統 針對需求監控 減少人力成本 * 傳統的類比式監控系統 數位化的視覺監控系統 江佳晏 在安全監控上，固定式攝影機常因外力行為的蓄意破壞 噴漆、鏡頭轉向、鏡頭遮蔽 一、簡介 * 噴漆 鏡頭轉向 鏡頭遮蔽 即時視訊遮蔽偵測模型(RODM) 針對固定式攝影機鏡頭因外力而發生遮蔽進行自動偵測 採用以像素為基礎的編碼簿模型作為視訊影像的背景及前景偵測模型 江佳晏 一、簡介 視訊影像背景及前景偵測模型的研究中 高斯混合模型(Mixture of Gaussian, MOG) 核心密度函數(Kernel density, Kernel) 編碼簿(Codebook, CB) * 江佳晏 一、簡介 高斯混合模型(Mixture of Gaussian, MOG) 參數密度估計法 須事先假設已知資料分佈型態 評估機率密度來找出近似背景的真正分佈 * 江佳晏 核心密度函數(Kernel density, Kernel) 非參數核心密度估計法 建立與過濾出連續不斷且適應性良好的背景模型 一、簡介 * 江佳晏 一、簡介 編碼簿(Codebook, CB) 像素為基礎 利用RGB色彩模型 各自的彩度、亮度屬性為基準 不斷反覆訓練、更新編碼簿 * 江佳晏 本研究目的為建構即時視訊影像遮蔽偵測 採用編碼簿模型為視訊影像遮蔽偵測檢測法之基礎 一、簡介 * 江佳晏 二、編碼簿背景辨識模型之建構與分析 * 李靜玫 RGB色彩空間模型 彩度：每個色彩的 飽和程度 亮度：每個色彩都 有其特定的 明暗度 * 二、編碼簿背景辨識模型之建構與分析 李靜玫 編碼簿模型 影格的像素多寡決定編碼簿的數量 每個像素包括一個編碼簿，而該編碼簿包含N個編碼值 * 二、編碼簿背景辨識模型之建構與分析 李靜玫 背景模型 編碼簿結構 包含兩個元素: 編碼簿數量 編碼簿 第n個編碼值 第n個編碼值的彩度 * 二、編碼簿背景辨識模型之建構與分析 李靜玫 背景模型 參數 包含五個參數值 第 n 個編碼值的最大亮度值 第 n 個編碼值的最低亮度值 時間過濾法 第一次出現時間 最後一次出現時間 * 二、編碼簿背景辨識模型之建構與分析 李靜玫 三、研究方法 本研究流程分為三個階段 RODM模型初始化階段 RODM模型訓練階段 RODM模型即時偵測階段 * 古馨婷 三、研究方法 將編碼簿模型與色彩空間結合 將在不同時間點的像素之彩度 分類至編碼值 使用彩度差及亮度差二條件進行判斷 * 古馨婷 三、研究方法 彩度差 公式1 公式2 公式3 * 古馨婷 三、研究方法 彩度差 公式4 公式5 * 古馨婷 三、研究方法 亮度差 公式6 * 古馨婷 三、研究方法 更新編碼值 新進像素值若同時符合第n個編碼值的 (a)、(b) 兩條件，則將其分類至該編碼值，並更新該編碼值 色彩向量 其參數 * 古馨婷 三、研究方法 更新編碼值 新的彩度值計算公式如下 公式(7) 新的亮度值計算公式如下 公式(8) 公式(9) * 古馨婷 三、研究方法 新增編碼值 新進像素值若無法同時符合(a)(b