Search
Abstract
Automatyczna obróbka obrazu w czasie rzeczywistym jest kluczowa dla wielu rozwiązań monitoringu wykorzystywanych m.in. w celach bezpieczeństwa. Często jednym z ważniejszych etapów obróbki jest oddzielenie tła od obiektów na pierwszym planie, tak aby wykluczyć wszystkie nieistotne informacje z obrazu. Celem niniejszej pracy jest podsumowanie doświadczenia zdobytego podczas śledzenia pływaków oraz pokazanie możliwości skutecznego automatycznego nadzoru wideo osób korzystających z basenu. Porównano skuteczność działania dwóch wybranych algorytmów (MOG i KNN) przy użyciu różnych odwzorowań kolorów oraz omówiono zalety i wady analizowanych metod.
Citations
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Authors (2)
Cite as
Full text
download paper
downloaded 38 times
- Publication version
- Accepted or Published Version
- License
-
open in new tab
Keywords
Details
- Category:
- Articles
- Type:
- artykuły w czasopismach recenzowanych i innych wydawnictwach ciągłych
- Published in:
-
Pomiary Automatyka Robotyka
pages 15 - 22,
ISSN: 1427-9126 - Language:
- Polish
- Publication year:
- 2018
- Bibliographic description:
- Reiter K., Kowalczuk Z.: Usuwanie tła w video nagraniach pochodzących z monitorowania basenu pływackiego// Pomiary Automatyka Robotyka. -., nr. 3 (2018), s.15-22
- DOI:
- Digital Object Identifier (open in new tab) 10.14313/par_229/15
- Bibliography: test
-
show (13) hide
- Baldini G., Campadelli P., Cozzi D., Lanzarotti R., A simple and robust method for moving target tracking, Proceedings of the International Conference Signal Processing Pattern Recognition and Applications (SPPRA 2002) 2002, 108-112. open in new tab
- Bishop C.M., Neural Networks for Pattern Recognition, chap. 2, 51-57. Clarendon Press. 1995.
- Dai J., Li Y., He K., Sun J., R-FCN: Object detection via region-based fully convolutional networks, https://arxiv.org/ pdf/1605.06409.pdf.
- Gonzalez R.C., Woods R.E., Image segmentation. [in:] Dig- ital Image Processing (2nd Ed), chap. 10, 567-635. Prentice Hall 2002.
- KaewTraKulPong P., Bowden R., An improved adaptive background mixture model for real-time tracking with shadow detection. The 2nd European Workshop on Advanced Vid- eo-based Surveillance Systems. 1-5. Kluwer Academic Pub- lishers 2001. open in new tab
- Piccardi M., Background subtraction techniques: A review. 2004 IEEE International Conference on Systems, Man and Cybernetics. Vol. 4, 3099-3104. IEEE (2004), DOI: 10.1109/ICSMC.2004.1400815. open in new tab
- Reiter K., Monitoring basenu publicznego. Praca magi- sterska nr pg/weti/ksdir/zk263m/09/2017 (promotor: prof. Z. Kowalczuk), Wydział ETI, Politechnika Gdańska, Gdańsk 2017.
- Rypniewski J.J., Monitoring wizyjny w pracy ratownika wod- nego (2014), http://plywalnieibaseny.pl/monitoring-wizyjny- -w-pracy-ratownika-wodnego.
- Wren C.R., Azarbayejani A., Darrell T., Pentland A.P., Pfinder: Real-time tracking of the human body. IEEE Trans. Pattern Anal. Mach. Intell. 19(7), 780-785, 1997. open in new tab
- Yilmaz A., Javed O., Shah M., Object tracking: A survey. ACM Computing Surveys 38(4), 13:1-45 (2006) open in new tab
- Zhu X., Zhu J.D.X., Yuan Y.W.L., Towards high perfor- mance video object detection for mobiles 2018, https://arxiv. org/pdf/1804.05830.pdf open in new tab
- Zivkovic Z., Improved adaptive gaussian mixture model for background subtraction. Proceedings of the 17th International Conference on Pattern Recognition, 2004. ICPR 2004. Vol. 2, pp. 28-31. IEEE 2004. open in new tab
- Zivkovic Z., Heijden, F.v.d.: Improved adaptive gaussian mix- ture model for background subtraction. Pattern Recognition Letters 27(7), 773-780 (2006) 15 open in new tab
- Verified by:
- Gdańsk University of Technology
seen 117 times