Please use this identifier to cite or link to this item: https://hdl.handle.net/10955/1308
Title: Background subtraction for moving object detection
Authors: Guachi Guachi, Lorena De Los Angeles
Pantano, Pietro
Cocorullo, Giuseppe
Perri, Stefania
Corsonello, Pasquale
Keywords: Elettronia
Sistemi complessi
Issue Date: 13-Feb-2017
Series/Report no.: ING-INF/01;
Abstract: Background Subtraction è una tecnica che si occupa di separare dei cornice di ingresso in significativi oggetti in movimento (foreground) con i rispettivi confini dei (background) oggetti statici che rimangono quiescente per un lungo periodo di tempo per ulteriori analisi. Questo lavora principalmente con telecamere fisse focalizzati sul migliorare la qualità della raccolta di dati al fine di "comprendere le immagini". Questa tecnica per il rilevamento di oggetti in movimento ha diffuse applicazioni nel sistema di visione artificiale con le moderne tecnologie ad alta velocità, insieme con la progressivamente crescente capacità del computer, che fornisce un’ampia gamma di soluzioni reali ed efficienti per la raccolta di informazioni attraverso l’immagine/video come sequenza di ingresso. Un accurato algoritmo per Background Subtraction deve gestire sfide come jitter fotocamera, automatiche regolazioni della fotocamera, i cambiamenti di illuminazione, il bootstrapping, camuffamento, apertura foreground, gli oggetti che vengono a fermarsi e muoversi di nuovo, background dinamici, ombre, scena con diversi oggetti e notte rumorosa. Questa tesi è focalizzata sullo studio della tecnica di Background Subtraction attraverso una panoramica delle sue applicazioni, le sfide, passi e diversi algoritmi che sono stati trovati in letteratura, al fine di proporre approcci efficaci per Background Subtraction per alto performance su applicazioni in tempo reale. Gli approcci proposti hanno consentito indagini di varie rappresentazioni utilizzati per modellare il background e le tecniche considerate per la regolazione dei cambiamenti ambientali, questo ha fornito capacità di vari combinazioni di colori invarianti per segmentare il foreground e anche per eseguire una valutazione comparativa delle versioni ottimizzate del Gaussian Mixture Model e il multimodale Background Subtraction che sono approcci con alte prestazioni per la segmentazione in tempo reale. Deep Learning è stato anche studiato attraverso l’uso di architettura auto-encoder per Background Subtraction
Description: Scuola di Dottorato ""Archimede" in Scienze Comunicazione e Tecnologie, Ciclo XXVIII, a.a. 2015-2016
URI: http://hdl.handle.net/10955/1308
https://doi.org/10.13126/unical.it/dottorati/1308
Appears in Collections:Dipartimento di Ingegneria Informatica, Modellistica, Elettronica e Sistemistica - Tesi di Dottorato

Files in This Item:
File Description SizeFormat 
Thesis-Background Subtraction for moving object detection.pdf3,19 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.