在從靜態攝像機獲取的高密度場景(例如人群)中分割個體是一項挑戰,主要是由于對象相互遮擋攝像頭。我們將該問題定義為“基于模型的分割”問題,并使用馬爾可夫鏈蒙特卡洛(MCMC)方法獲得解決方案。在貝葉斯干擾器框架中集成了各種方面的知識,包括人體形狀、身高、攝像機模型和圖像線索,包括頭部候選、前景/背景分離。
我們開發了一套全面的技術來解決?視覺回聲?全雙工投影儀攝像機系統中的問題。校準監控程序在查找表中記錄投影儀和攝像機之間的幾何和光度轉換。利用校準信息,將投影圖像的預測攝像機視圖與捕獲的攝像機圖像進行比較,以找到回波像素。只有非回波像素用于顯示,因此實現了屏蔽器抑制視覺回波的目標。
與以前的技術相比,我們的方法是什么?它的主要優勢有兩個方面。首先,它可以準確地處理監控攝像頭全色圖像,而不需要假設投影儀或攝像機的表面反射率或光度響應。其次,它對幾何配準誤差和量化效應具有魯棒性。對于文本和手繪等高頻內容尤其有效。我們用全雙工投影儀-攝像機系統中的各種真實圖像證明了我們方法的有效性。我們在一些具有挑戰性的干擾屏蔽器數據上顯示了有希望的結果。
與以前的技術相比,我們的方法是什么?它的主要優勢有兩個方面。首先,它可以準確地處理監控攝像頭全色圖像,而不需要假設投影儀或攝像機的表面反射率或光度響應。其次,它對幾何配準誤差和量化效應具有魯棒性。對于文本和手繪等高頻內容尤其有效。我們用全雙工投影儀-攝像機系統中的各種真實圖像證明了我們方法的有效性。我們在一些具有挑戰性的干擾屏蔽器數據上顯示了有希望的結果。
上一篇:對元宇宙實施監控的必要性
下一篇:抖動給監控系統造成模糊感
