create_bg_esticreate_bg_estiCreateBgEsticreate_bg_estiCreateBgEstiCreateBgEsti (Operator)

Name

create_bg_esticreate_bg_estiCreateBgEsticreate_bg_estiCreateBgEstiCreateBgEsti — Erzeugt Datensatz für Hintergrundschätzer und belegt diesen mit Parametern.

Signatur

Beschreibung

create_bg_esticreate_bg_estiCreateBgEsticreate_bg_estiCreateBgEstiCreateBgEsti legt einen neuen Datensatz für die Hintergrundschätzung an und belegt diesen mit den übergebenen Parametern. Zu diesem Datensatz gehört auch das geschätzte Hintergrundbild. Der erzeugte Datensatz wird automatisch der aktuelle Datensatz.

Mit InitializeImageInitializeImageInitializeImageInitializeImageInitializeImageinitializeImage wird eine Anfangsvorhersage für das Hintergrundbild festgelegt. Es ist sinnvoll eine Aufnahme der Szene ohne bewegte Objekte zu übergeben, so dass eine geringe Adaption für den Vordergrund gewählt werden kann. Falls keine Aufnahme der leeren Szene zur Verfügung steht, kann z.B. ein Graubild übergeben werden. Es muss dann allerdings eine schnellere Adaption für den Vordergrund gewählt werden, da alle Bildbereiche zunächst als Vordergrund erkannt werden. Das Initialisierungsbild muss ein Bild vom Typ 'byte'"byte""byte""byte""byte""byte" oder 'real'"real""real""real""real""real" sein. Ferner werden nur einkanalige Bilder verarbeitet, daher muss für jeden Kanal ein eigener Datensatz aufgebaut werden. Mit dem InitializeImageInitializeImageInitializeImageInitializeImageInitializeImageinitializeImage wird die Größe und der aktuelle Ausschnitt (Region) für alle Hintergrundschätzungen (run_bg_estirun_bg_estiRunBgEstirun_bg_estiRunBgEstiRunBgEsti), die mit diesem Datensatz durch geführt werden, festgelegt.

Syspar1Syspar1Syspar1Syspar1Syspar1syspar1 und Syspar2Syspar2Syspar2Syspar2Syspar2syspar2 sind die Parameter der Systemmatrix. Die Systemmatrix beschreibt das System der Grauwertveränderungen entsprechend der Kalmanfilter-Theorie. Im Hintergrundschätzer ist für jedes Pixel ein solches System realisiert.

Mit GainModeGainModeGainModeGainModeGainModegainMode wird bestimmt, ob ein festes Kalman-Gain für die Schätzung verwendet werden soll oder ob das Gain in Abhängigkeit der Grauwertdifferenz zwischen Vorhersage und Messwert verwendet werden soll. Wird GainModeGainModeGainModeGainModeGainModegainMode = 'fixed'"fixed""fixed""fixed""fixed""fixed" gewählt, so ist Gain1Gain1Gain1Gain1Gain1gain1 der Kalmangain, der bei der Schätzung für Pixel, die Vordergrund detektiert wurden, verwendet wird und Gain2Gain2Gain2Gain2Gain2gain2 ist der Kalmangain, der bei der Schätzung für Pixel, die als Hintergrund detektiert wurden, verwendet wird. Gain1Gain1Gain1Gain1Gain1gain1 ist sinnvollerweise kleiner als Gain2Gain2Gain2Gain2Gain2gain2, denn die vollständige Adaption des Vordergrundes sollte langsamer als die Adaption des Hintergrundes erreicht sein. Feste Gains sind sinnvoll, wenn mit dem Hintergrundschätzer Regionen mit Bewegung gefunden werden sollen und somit Gain1Gain1Gain1Gain1Gain1gain1 sehr klein oder 0.0 gewählt wurde. Gain1Gain1Gain1Gain1Gain1gain1 und Gain2Gain2Gain2Gain2Gain2gain2 sollten hier zwischen 0.0 und 1.0 gewählt werden.

Wird GainModeGainModeGainModeGainModeGainModegainMode = 'frame'"frame""frame""frame""frame""frame" gewählt, so wird für die Vordergrundschätzung, sowie für die Hintergrundschätzung eine Tabelle mit Kalmangains für alle 256 möglichen Grauwertdifferenzen bestimmt. Mit Gain1Gain1Gain1Gain1Gain1gain1 und Gain2Gain2Gain2Gain2Gain2gain2 wird dann die Anzahl der Frames angegeben, die benötigt werden, um eine Abweichung zwischen Vorhersagewert und Messwert zu adaptieren. Es ist einleuchtend, dass bei gleicher Adaptionszeit (Anzahl der Frames) bei einer großen Differenz ein größeres Kalmangain benötigt wird als bei einer kleinen Differenz. Gain1Gain1Gain1Gain1Gain1gain1 ist hier sinnvollerweise größer als Gain2Gain2Gain2Gain2Gain2gain2, denn die Adaptionszeit für die Vordergrundadaption sollte länger sein, als die der Hintergrundadaption. Unterschiedliche Gains für verschiedene Grauwertdifferenzen sind sinnvoll, wenn der Hintergrundschätzer zur Aufnahme der 'leeren Szene' verwendet wird, d.h. wenn sich im Aufnahmebereich ständig Objekte bewegen und ein Bild des reinen Hintergrundes erstellt werden muss. Hierzu darf dann die Adaptionszeit für den Vordergrund (Gain1Gain1Gain1Gain1Gain1gain1) nicht zu groß gewählt werden. Gain1Gain1Gain1Gain1Gain1gain1 und Gain2Gain2Gain2Gain2Gain2gain2 sollten hier größer als 1.0 gewählt werden.

Mit AdaptModeAdaptModeAdaptModeAdaptModeAdaptModeadaptMode wird festgelegt, ob der Schwellenwert, der auf die Grauwertdifferenz zwischen Messwert und Schätzwert angewendet wird, fest ist oder entsprechend der Streuung der Grauwerte der als Hintergrund detektieten Pixel verändert wird.

Wenn AdaptModeAdaptModeAdaptModeAdaptModeAdaptModeadaptMode = 'off'"off""off""off""off""off" gewählt wird, wird mit MinDiffMinDiffMinDiffMinDiffMinDiffminDiff die absolute Schwelle angegeben.Die Parameter StatNumStatNumStatNumStatNumStatNumstatNum, ConfidenceCConfidenceCConfidenceCConfidenceCConfidenceCconfidenceC und TimeCTimeCTimeCTimeCTimeCtimeC sind hier ohne Bedeutung.

Wenn AdaptModeAdaptModeAdaptModeAdaptModeAdaptModeadaptMode = 'on'"on""on""on""on""on" gewählt wird, wird mit MinDiffMinDiffMinDiffMinDiffMinDiffminDiff eine Basisschwelle angegeben, auf die, entsprechend der statistischen Auswertung der Grauwertverteilung über die Zeit in jedem Bildpunkt, ein Offset hinzu addiert wird. Mit StatNumStatNumStatNumStatNumStatNumstatNum gibt man die Anzahl der statistischen Datensätze an, d.h. wie viele der vergangenen Frames zur Berechnung der Varianz verwendet werden sollen (FIR-Filter). Mit ConfidenceCConfidenceCConfidenceCConfidenceCConfidenceCconfidenceC gibt man die Konfidenzkonstante an, die zur Bestimmung des Konfidenzintervalles dient. Mit dem Konfidenzintervall werden die Werte für die Hintergrundstatistik nachgeführt, wenn der Bereich durch ein Objekt im Vordergrund verdeckt ist, d.h. das Pixel als Vordergrund detektiert ist. Entsprechend der Students t-Verteilung ist die Konfidenzkonstante 4.30 (3.25, 2.82, 2.26) für ein '99,8%'"99,8%""99,8%""99,8%""99,8%""99,8%" ('99,0%'"99,0%""99,0%""99,0%""99,0%""99,0%", '98,0%'"98,0%""98,0%""98,0%""98,0%""98,0%", '95,0%'"95,0%""95,0%""95,0%""95,0%""95,0%") Konfidenzintervall. Mit TimeCTimeCTimeCTimeCTimeCtimeC gibt man eine Zeitkonstante für die e-Funktion an, mit der die Schwelle im Fall der Vordergrunddetektion angehoben werden soll. Dies bedeutet, dass die Schwelle in den Bereichen, in denen Bewegung im Vordergrund detektiert wurde, angehoben wird, damit bei anschließendem wieder freigegebenem Blick auf den Hintergrund die Toleranz (Schwelle) für Beleuchtungsänderungen gestiegen ist. Dies ist nötig, da man in der Zeit, in der der Hintergrund verdeckt ist keine Aussage über die Beleuchtungsänderungen im Hintergrund, machen kann und somit das geschätzte Hintergrundbild auch nicht adaptieren kann.

Achtung

Wenn für GainModeGainModeGainModeGainModeGainModegainMode = 'frame'"frame""frame""frame""frame""frame" gewählt wurde, kann bei der Wahl von großen Werten für Gain1Gain1Gain1Gain1Gain1gain1 oder Gain2Gain2Gain2Gain2Gain2gain2 die Laufzeit sehr groß werden, da die Werte für die Gaintabelle mit einem eindimensionalen Optimierer (binäre Suche) bestimmt werden.

Parallelisierung

• Multithreading-Typ: exclusive (läuft parallel nur zu unabhängigen Operatoren).
• Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
• Wird ohne Parallelisierung verarbeitet.

Dieser Operator liefert ein Handle zurück. Es ist zu beachten, dass der Zustand einer Instanz dieses Handletyps durch bestimmte Operatoren geändert werden kann, obwohl das Handle als Eingabeparameter in diesen Operatoren verwendet wird.

Parameter

* read Init-Image:
read_image(InitImage,'Init_Image')
* initialize 1. BgEsti-Dataset with
* fixed gains and threshold adaption:
create_bg_esti(InitImage,0.7,0.7,'fixed',0.002,0.02, \
               'on',7.0,10,3.25,15.0,BgEstiHandle1)
* initialize 2. BgEsti-Dataset with
* frame orientated gains and fixed threshold
create_bg_esti(InitImage,0.7,0.7,'frame',30.0,4.0, \
               'off',9.0,10,3.25,15.0,BgEstiHandle2)

Hlong Handle1, Handle2;
/* read Init-Image: */
read_image(&InitImage,"Init_Image") ;
/* initialize 1. BgEsti-Dataset with
   fixed gains and threshold adaption: */
create_bg_esti(InitImage,0.7,0.7,"fixed",0.002,0.02,
               "on",7.0,10,3.25,15.0:&BgEstiHandle) ;
/* initialize 2. BgEsti-Dataset with
   frame orientated gains and fixed threshold */
create_bg_esti(InitImage,0.7,0.7,"frame",30.0,4.0,
               "off",9.0,10,3.25,15.0:&BgEstiHandle2) ;

* read Init-Image:
read_image(InitImage,'Init_Image')
* initialize 1. BgEsti-Dataset with
* fixed gains and threshold adaption:
create_bg_esti(InitImage,0.7,0.7,'fixed',0.002,0.02, \
               'on',7.0,10,3.25,15.0,BgEstiHandle1)
* initialize 2. BgEsti-Dataset with
* frame orientated gains and fixed threshold
create_bg_esti(InitImage,0.7,0.7,'frame',30.0,4.0, \
               'off',9.0,10,3.25,15.0,BgEstiHandle2)

* read Init-Image:
read_image(InitImage,'Init_Image')
* initialize 1. BgEsti-Dataset with
* fixed gains and threshold adaption:
create_bg_esti(InitImage,0.7,0.7,'fixed',0.002,0.02, \
               'on',7.0,10,3.25,15.0,BgEstiHandle1)
* initialize 2. BgEsti-Dataset with
* frame orientated gains and fixed threshold
create_bg_esti(InitImage,0.7,0.7,'frame',30.0,4.0, \
               'off',9.0,10,3.25,15.0,BgEstiHandle2)

* read Init-Image:
read_image(InitImage,'Init_Image')
* initialize 1. BgEsti-Dataset with
* fixed gains and threshold adaption:
create_bg_esti(InitImage,0.7,0.7,'fixed',0.002,0.02, \
               'on',7.0,10,3.25,15.0,BgEstiHandle1)
* initialize 2. BgEsti-Dataset with
* frame orientated gains and fixed threshold
create_bg_esti(InitImage,0.7,0.7,'frame',30.0,4.0, \
               'off',9.0,10,3.25,15.0,BgEstiHandle2)

* read Init-Image:
read_image(InitImage,'Init_Image')
* initialize 1. BgEsti-Dataset with
* fixed gains and threshold adaption:
create_bg_esti(InitImage,0.7,0.7,'fixed',0.002,0.02, \
               'on',7.0,10,3.25,15.0,BgEstiHandle1)
* initialize 2. BgEsti-Dataset with
* frame orientated gains and fixed threshold
create_bg_esti(InitImage,0.7,0.7,'frame',30.0,4.0, \
               'off',9.0,10,3.25,15.0,BgEstiHandle2)

Ergebnis

create_bg_esticreate_bg_estiCreateBgEsticreate_bg_estiCreateBgEstiCreateBgEsti liefert den Wert 2 (H_MSG_TRUE), falls die Parameter korrekt sind.

Nachfolger

run_bg_estirun_bg_estiRunBgEstirun_bg_estiRunBgEstiRunBgEsti

Siehe auch

set_bg_esti_paramsset_bg_esti_paramsSetBgEstiParamsset_bg_esti_paramsSetBgEstiParamsSetBgEstiParams, close_bg_esticlose_bg_estiCloseBgEsticlose_bg_estiCloseBgEstiCloseBgEsti

Modul

Foundation