create_bg_esti
— Erzeugt Datensatz für Hintergrundschätzer und belegt diesen mit
Parametern.
create_bg_esti(InitializeImage : : Syspar1, Syspar2, GainMode, Gain1, Gain2, AdaptMode, MinDiff, StatNum, ConfidenceC, TimeC : BgEstiHandle)
create_bg_esti
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 InitializeImage
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' oder
'real' sein.
Ferner werden nur einkanalige Bilder verarbeitet, daher muss für jeden
Kanal ein eigener Datensatz aufgebaut werden.
Mit dem InitializeImage
wird die Größe und der aktuelle
Ausschnitt (Region) für alle Hintergrundschätzungen
(run_bg_esti
), die mit diesem Datensatz durch geführt werden,
festgelegt.
Syspar1
und Syspar2
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 GainMode
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 GainMode
= 'fixed' gewählt, so ist
Gain1
der Kalmangain, der bei der Schätzung für Pixel, die
Vordergrund detektiert wurden, verwendet wird und Gain2
ist
der Kalmangain, der bei der Schätzung für Pixel, die als Hintergrund
detektiert wurden, verwendet wird. Gain1
ist sinnvollerweise
kleiner als Gain2
, 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 Gain1
sehr klein
oder 0.0 gewählt wurde. Gain1
und Gain2
sollten hier zwischen 0.0 und 1.0 gewählt werden.
Wird GainMode
= 'frame' gewählt, so wird für die
Vordergrundschätzung, sowie für die Hintergrundschätzung eine Tabelle mit
Kalmangains für alle 256 möglichen Grauwertdifferenzen bestimmt. Mit
Gain1
und Gain2
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. Gain1
ist hier
sinnvollerweise größer als Gain2
, 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 (Gain1
) nicht zu groß
gewählt werden. Gain1
und Gain2
sollten hier größer
als 1.0 gewählt werden.
Mit AdaptMode
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 AdaptMode
= 'off' gewählt wird, wird mit
MinDiff
die absolute Schwelle angegeben.Die Parameter
StatNum
, ConfidenceC
und TimeC
sind hier
ohne Bedeutung.
Wenn AdaptMode
= 'on' gewählt wird, wird mit
MinDiff
eine Basisschwelle angegeben, auf die, entsprechend der
statistischen Auswertung der Grauwertverteilung über die Zeit in jedem
Bildpunkt, ein Offset hinzu addiert wird. Mit StatNum
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 ConfidenceC
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%' ('99,0%' , '98,0%' , '95,0%' )
Konfidenzintervall. Mit TimeC
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.
Wenn für GainMode
= 'frame' gewählt wurde, kann bei
der Wahl von großen Werten für Gain1
oder Gain2
die
Laufzeit sehr groß werden, da die Werte für die Gaintabelle mit einem
eindimensionalen Optimierer (binäre Suche) bestimmt werden.
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.
InitializeImage
(input_object) singlechannelimage →
object (byte / real)
Initialisierungsbild.
Syspar1
(input_control) real →
(real)
1. Parameter der Systemmatrix.
Defaultwert: 0.7
Wertevorschläge: 0.65, 0.7, 0.75
Typischer Wertebereich: 0.05
≤
Syspar1
≤
1.0
Empfohlene Schrittweite: 0.05
Syspar2
(input_control) real →
(real)
2. Parameter der Systemmatrix.
Defaultwert: 0.7
Wertevorschläge: 0.65, 0.7, 0.75
Typischer Wertebereich: 0.05
≤
Syspar2
≤
1.0
Empfohlene Schrittweite: 0.05
GainMode
(input_control) string →
(string)
Art der Gains.
Defaultwert: 'fixed'
Werteliste: 'fixed' , 'frame'
Gain1
(input_control) real →
(real)
Kalmangain / Adaptionszeit für Vordergrund.
Defaultwert: 0.002
Wertevorschläge: 10.0, 20.0, 50.0, 0.1, 0.05, 0.01, 0.005, 0.001
Restriktion: 0.0 <= Gain1
Gain2
(input_control) real →
(real)
Kalmangain / Adaptionszeit für Hintergrund.
Defaultwert: 0.02
Wertevorschläge: 2.0, 4.0, 8.0, 0.5, 0.1, 0.05, 0.01
Restriktion: 0.0 <= Gain2
AdaptMode
(input_control) string →
(string)
Adaption der Schwelle.
Defaultwert: 'on'
Werteliste: 'off' , 'on'
MinDiff
(input_control) real →
(real)
Schwelle, für Vordergrund / Hintergrund.
Defaultwert: 7.0
Wertevorschläge: 3.0, 5.0, 7.0, 9.0, 11.0
Empfohlene Schrittweite: 0.2
StatNum
(input_control) integer →
(integer)
Anzahl statistischer Datensätze.
Defaultwert: 10
Wertevorschläge: 5, 10, 20, 30
Typischer Wertebereich: 1
≤
StatNum
Empfohlene Schrittweite: 5
ConfidenceC
(input_control) real →
(real)
Konfidenzkonstante.
Defaultwert: 3.25
Wertevorschläge: 4.30, 3.25, 2.82, 2.62
Empfohlene Schrittweite: 0.01
Restriktion: 0.0 < ConfidenceC
TimeC
(input_control) real →
(real)
Abklingkonstante.
Defaultwert: 15.0
Wertevorschläge: 10.0, 15.0, 20.0
Empfohlene Schrittweite: 5.0
Restriktion: 0.0 < TimeC
BgEstiHandle
(output_control) bg_estimation →
(handle)
ID des BgEsti-Datensatzes.
* read Init-Image: read_image (InitImage, 'xing/init') * 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)
create_bg_esti
liefert den Wert 2 (H_MSG_TRUE), falls die Parameter
korrekt sind.
set_bg_esti_params
,
close_bg_esti
Foundation