fullseye

create_bg_esti — MV `tracking` op

データ種: image2d → table
呼び出し: import fullseye as fs; fs.ledger.create_bg_esti(image, process_noise=0.0001, measurement_noise=0.001, threshold=0.1, foreground_gain=0.05) (実装を直接呼ぶなら import mvtrack; mvtrack.create_bg_esti(image, process_noise=0.0001, measurement_noise=0.001, threshold=0.1, foreground_gain=0.05)、台帳から引くなら opsmv.get("create_bg_esti"))
HALCON 相当: create_bg_esti(意味・パラメータは HALCON リファレンスが参考になる)
GPU: なし(CPU 参照実装のみ)

使い方

最初の画像から画素ごとのカルマン背景モデルを作る。

各画素の背景はランダムウォークと見なし、過程の雑音 process_noise と観測の雑音 measurement_noise の分散からゲインが決まる。前景と判定された画素はゲインに foreground_gain を掛けて弱く更新し、通過する物体を背景に取り込まない。空の入力(image が 0 要素)は ValueError。

Args: image: 最初の画像 (H, W)。 process_noise: 過程の雑音の分散(> 0)。 measurement_noise: 観測の雑音の分散(> 0)。 threshold: 前景と判定する残差の絶対値(> 0)。 foreground_gain: 前景の画素のゲイン倍率(0..1)。

Returns: 背景 background と分散 variance を持つモデルの dict。

詳しい使い方ガイド

machine_vision_classics ファミリガイド

参考(サンプルデータ・文献)

サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。
アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

machine_vision_tour — py -3.11 examples/machine_vision_tour.py

型が繋がる次の op(`table` を入力に取れる)

map_image · rectify_to_world_plane · change_radial_distortion_image · find_ncc_models · run_bg_esti · give_bg_esti · update_bg_esti · classify_class_gmm

同カテゴリ(`tracking`)

filter_kalman · run_bg_esti · give_bg_esti · update_bg_esti

Provenance: mvtrack.py — MV operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。

This site is open source. Improve this page.