मैं कैमरे से दो चित्रों की तुलना कैसे कर सकता हूं और बता सकता हूं कि क्या आंदोलन का पता लगाने के लिए पर्याप्त अंतर हैं?

Question

मैं अपने घर में एक कमरे को नियंत्रित करने के लिए एक सीसीटीवी प्रणाली के रूप में अपने फोन का उपयोग करना चाहता हूं, और जब कुछ चल रहा होता है तो अलर्ट प्रदर्शित करता है।

अभी के लिए, जो मैं करने में सफल रहा हूं वह है कि हर मिनट एक तस्वीर खींचना और उन्हें अपने सर्वर पर एक PHP स्क्रिप्ट के माध्यम से अपलोड करना। अब, मैं वर्तमान तस्वीर और चित्र की तुलना 1 मिनट पहले करना चाहूंगा और यह पता लगाऊंगा कि क्या किसी ने कमरे में प्रवेश किया है। इसलिए मूल रूप से, मुझे चित्र पर पिक्सल के अंतर की तुलना करने की आवश्यकता होगी (लेकिन यह भी ध्यान में रखते हुए कि एक बादल सिर्फ हैलो कह सकता है और एक मिनट के दौरान चमक को बदल सकता है)

क्या किसी को इस पर कोई सुराग है कि कैसे प्राप्त करने के लिए या कुछ डॉक्टर को पढ़ने के लिए?

Comments

मैंने कुछ साल पहले ऐसा किया था। मेरी तकनीक छवि को खंडों में तोड़ रही थी, 20 * 20 ग्रिड कहें, प्रत्येक सेल में औसत रंग के लिए एक मूल्य ढूंढें (उस सेल में प्रत्येक पिक्सेल में औसत रंग ले जाकर) और इसे संग्रहीत करना। अगली छवि के लिए भी ऐसा ही करें और अगर पर्याप्त है (मैं उस सहिष्णुता को छोड़ दूंगा) औसत रंगों में अंतर है, तो आप आंदोलन मान सकते हैं। सहिष्णुता को इतना ठीक न बनाएं कि यह प्रकाश या पासिंग शैडो आदि में सूक्ष्म परिवर्तन को नोटिस करे

इस विषय पर एक दिलचस्प पोस्ट है जो आपको उपयोगी कोडप्रोजेक्ट

CHDK भी एक ग्रिड में छवि को तोड़ता है। chdk.wikia.com/wiki/UBASIC/Scripts:_AdaptiveMD आंदोलन का पता लगाने और प्रकाश परिवर्तनों का पता नहीं लगाने के लिए, मैं कहूंगा कि बहुत सारी ग्रिड कोशिकाओं में बदलाव आंदोलन नहीं है, जबकि केवल कुछ ग्रिड कोशिकाओं में बदलाव है।

— 14

Answer 1

यह मुझे लगता है कि आप क्या देख रहे हैं पृष्ठभूमि घटाव तकनीक है। शोर चित्रों और बदलती प्रकाश स्थितियों के साथ यह nontrivial हो सकता है। इसके लिए कला तकनीक की वर्तमान स्थिति निम्न-श्रेणी मैट्रिक्स प्रतिनिधित्व है, लेकिन इसके लिए दो नहीं बल्कि कई (~ दर्जन) छवियों की आवश्यकता होती है। कुछ भारी कर्तव्य गणित का पालन करते हैं: प्रत्येक छवि को पिक्सेल के वेक्टर के रूप में माना जाता है, वैक्टर मैट्रिक्स में संयुक्त होते हैं और यह मैट्रिक्स कम-रैंक मैट्रिक्स और अवशेष में विघटित होता है। कम-रैंक मैट्रिक्स कॉलम पृष्ठभूमि हैं और अवशेष वस्तुओं को स्थानांतरित कर रहे हैं। कुछ खुले-खट्टे कार्यान्वयन हैं, लेकिन केवल कारक के लिए ही, पूरी छवि पाइपलाइन IIRC नहीं

यहाँ मैट्रिक्स फैक्टराइजेशन http://www.ece.rice.edu/~aew2/sparcs.html के लिए एक पेपर और कोड दिया गया है

यहाँ CS ब्लॉग और अन्य कोड से लिंक का अवलोकन किया गया है:

https://sites.google.com/site/igorcarron2/matrixfactorizations

http://nuit-blanche.blogspot.com/search/label/MF

कुछ अन्य तकनीकों का सर्वेक्षण: http://www.vis.uni-stuttgart.de/uploads/tx_vispublications/Brutzer2011-2.pdf

Comments

क्या आपने जानबूझकर इसे CW बनाया है?

— लोरम इप्सुम

"सीडब्ल्यू" का क्या अर्थ है?

— दर्पण

आह, विकि-प्रश्न। मैंने सोचा कि यह काफी नया है यह व्यावहारिक चीजों को करने वाले पीपीटी को पेश करना अच्छा होगा। यू असहमत होने पर इसे हटाने के लिए स्वतंत्र महसूस करें। इस तकनीक के साथ अन्य पीपीएल का भी अधिक अनुभव हो सकता है- मैंने केवल इसमें जाना शुरू किया।

— दर्पण

एक CW एक समुदाय-विकी प्रश्न है। इसका मतलब यह है कि आपको अपने जवाब पर अपवोट के लिए प्रतिष्ठा (इस मामले में 4x10 = 40) नहीं मिलेगी। कुछ लोग जानबूझकर इस तरह से अपने जवाब देते हैं, लेकिन अधिक बार नहीं, यह आकस्मिक है। मैंने आपके लिए इसे वापस कर दिया है, ताकि आपको अपना प्रतिनिधि मिल जाए। यह अब 126 :) से 181 है

— लोरम इप्सुम

Answer 2

याद रखें: छायाएं हैं (सिर्फ चमक नहीं)।

मैं वास्तव में जेम्स वेबस्टर के विचार को पसंद नहीं करता हूं, क्योंकि यह मूल रूप से प्रत्येक आयाम में रिज़ॉल्यूशन को कम कर रहा है और स्केल की गई छवियों की तुलना कर रहा है (यह भी कि मुझे थ्रेसहोल्ड पसंद नहीं है - वे मनमाने हैं, आपको उनका परीक्षण करना और उन्हें ट्विक करना होगा। जब तक आपको एक अच्छा मूल्य नहीं मिलता है और अगले दिन ये मूल्य अलग-अलग मौसम या कुछ अन्य पर्यावरणीय प्रभावों के कारण अप्रचलित हो सकते हैं)

लेकिन निष्पक्ष होने के लिए, मेरे पास वास्तव में अच्छा समाधान नहीं है। मेरा पहला विचार प्रत्येक छवि को खाली कमरे की संदर्भ छवि में बदलना और अलग छवि पर एक किनारे का पता लगाना था। लेकिन यह भी छाया का पता लगाने जाएगा। लेकिन मुझे लगता है कि आप छाया और अन्य वस्तुओं के बीच अंतर नहीं कर सकते हैं ... कम से कम मुझे नहीं पता कि कैसे। लेकिन हो सकता है कि आप 2 फ्रेम के बीच एज डिटेक्शन के बाद परिणाम की तुलना कर सकते हैं, क्योंकि छाया ज्यादातर धीरे-धीरे आगे बढ़ रहे हैं (अभी भी समस्याएँ होंगी जब कारें चलती हैं या जब बादल द्वारा चलती है)

Comments

आप किसी ऐसी चीज़ का पता लगाना चाहते हैं जो अचानक बदल जाए। छाया एक मिनट से अगले में ज्यादा नहीं बदलेगी। हालांकि सूरज की कुल मिलाकर चमक होगी।

— एंडोलिथ

छाया तेजी से आगे बढ़ेगी, अगर कोई कार है जो चलती है या तो यह खिड़की के माध्यम से अपनी ही छाया है या इसकी हेडलाइट द्वारा कुछ अन्य वस्तुओं की छाया को छोड़ना है।

— फिलिप वेंडेट

Answer 3

"मैट्रिक्स फ़ैक्टरीकरण" तकनीक आपको अपना काम करने में मदद नहीं करेगी ! @ Mirror2image द्वारा संदर्भित पेपर पृष्ठभूमि घटाव के बारे में है, लेकिन "मैट्रिक्स फैक्टराइजेशन" पर आधारित नहीं है।

चलती वस्तुओं का पता लगाने के लिए रनिंग वीडियो का उपयोग करना (यह मानव या वाहन हो) अनुसंधान का एक सक्रिय क्षेत्र है।

एक बुनियादी सिद्धांत के रूप में प्रणाली कई चित्रों पर नमूना लेकर एक विशिष्ट स्थिर पृष्ठभूमि का अनुमान लगाती है और पृष्ठभूमि पर आने वाली छवि के बीच ऊर्जा का अंतर लेती है। यदि ऊर्जा महत्वपूर्ण है तो पिक्सेल को अग्रभूमि के रूप में वर्गीकृत किया जाता है। अग्रभूमि का ऐसा सेट आपको बताता है कि सिस्टम में ऑब्जेक्ट का प्रवेश है या नहीं।

आपके शोध पत्र का सबसे अच्छा संदर्भ (और यदि आप वास्तव में लागू करना चाहते हैं तो अपेक्षाकृत सरल भी) - W4 सिस्टम इसे यहां खोजेगा और सिस्टम में अन्य तकनीकों के लिए अधिक विस्तृत सर्वेक्षण के रूप में यहां Picardi पेपर को देखेगा ।

कई चुनौतियाँ हैं जो समस्या पर लागू होती हैं:

1. शोर की उपस्थिति प्रमुख अस्पष्टता के मुद्दों को बनाती है। यहां दृष्टिकोण कुशल अस्थायी फ़िल्टरिंग और शोर के विचरण को लागू करने के लिए है ताकि इसे थ्रेसहोल्ड के लिए प्रतिरक्षा बनाया जा सके।

2. छाया की उपस्थिति न तो अग्रभूमि होने की अस्पष्टता पैदा करती है और न ही अग्रगामी होने की। ऐसे कागजात हैं जो छाया बनाम वास्तविक अग्रभूमि को भेद करने के लिए रंग बनाम तीव्रता भेद को मॉडल करते हैं।

3. पृष्ठभूमि जटिल हो सकती है जैसे कि लहराते पेड़ या समुद्र आदि।

4. पृष्ठभूमि में प्रकाश की धीमी या अचानक भिन्नता हो सकती है जहां पहले "सीखा" पृष्ठभूमि फिर नए के लिए अनुकूलित होती है।

सबसे अधिक संदर्भित लैंडमार्क पेपर में से एक को वॉल फ्लावर एल्गोरिदम कहा जाता है जो मजबूत चलती वस्तु का पता लगाने के लिए ऐसे विभिन्न परिदृश्यों को संयोजित करने का सबसे अच्छा तरीका दिखाता है।

Answer 4

मुझे सटीक समाधान नहीं पता है, लेकिन आपको किसी तरह की हैश इमेज बनानी चाहिए; छवि से निकाला गया एक छोटा डेटा सेट, जो पूरी छवि की तुलना में बेहतर है।

मुझे लगता है, रंग हिस्टोग्राम इसके लिए एक अच्छा विकल्प है।

यदि आप अपनी छवि को क्षेत्रों में विभाजित करते हैं और इन क्षेत्रों के लिए अलग-अलग हिस्टोग्राम बनाते हैं, तो आप घुसपैठिए की स्थिति / पथ निर्धारित कर सकते हैं।

Comments

बहुत बहुत धन्यवाद, मैं अन्य समाधानों की प्रतीक्षा करूंगा, अगर मुझे बेहतर नहीं मिल सकता है, तो आप स्वीकार करेंगे। FYI करें, मैं घुसपैठिए के मार्ग का निर्धारण नहीं करना चाहता, क्योंकि 1 मिनट उसके लिए पर्याप्त नहीं है, लेकिन सिर्फ अलर्ट भेजना बहुत अच्छा है। धन्यवाद।

सावधान रहें, कुछ घुसपैठिए 1 मिनट में खत्म कर सकते हैं! जितनी बार संभव हो बस लगातार जांच करें। यदि आपका कार्यक्रम बहुत धीमा है, तो छवि रिज़ॉल्यूशन को कम करें।

हाँ, वास्तव में, मैं हर 10 के दशक में एक तस्वीर लेने की योजना बना रहा हूं, और केवल उन्हें अपलोड करता हूं जब मुझे कोई समस्या नहीं होने पर एक घुसपैठिया, या हर माइनट का पता चलता है।

Answer 5

दो बार अंतर करने से अंतर के अंतर में मदद मिल सकती है .. इसलिए यदि पिक्सेल का डबल व्युत्पन्न कुछ क्षेत्रों में सीमा से अधिक है, तो आप इसे किसी कमरे में प्रवेश करने के रूप में कह सकते हैं। चमक में परिवर्तन पूरी छवि में लगभग निरंतर ढाल देगा, लेकिन हेस्सियन या डबल व्युत्पन्न लेने से कमरे में आंदोलन या बड़े बदलाव का एक अच्छा संकेत मिलेगा।