Close

Modele de fond pour cv

Comme son nom l`indique, BS calcule le masque de premier plan effectuant une soustraction entre le cadre actuel et un modèle d`arrière-plan, contenant la partie statique de la scène ou, plus généralement, tout ce qui peut être considéré comme arrière-plan compte tenu des caractéristiques de la scène observée. Il s`agit d`un algorithme de segmentation de fond/de premier plan basé sur un mélange gaussien. Il a été introduit dans le document “un modèle amélioré de mélange de fond adaptatif pour le suivi en temps réel avec détection des ombres” par P. KadewTraKuPong et R. Bowden en 2001. Il utilise une méthode pour modéliser chaque pixel d`arrière-plan par un mélange de distributions gaussiennes K (K = 3 à 5). Les poids du mélange représentent les proportions temporelles que ces couleurs restent dans la scène. Les couleurs de fond probables sont celles qui restent plus longues et plus statiques. Nous utiliserons CV:: BackgroundSubtractorMOG2 dans cet exemple pour générer le masque de premier plan.

Soyez créatif avec votre propre présentation de CV, s`il est approprié pour le travail que vous postulez pour. Quels documents sont pertinents pour votre domaine, et comment pourriez-vous modéliser votre curriculum vitae après eux? Par exemple, un CV qui ressemble à un Playbill pourrait être un concept intéressant pour un travail dans un théâtre. Un CV qui est modélisé après un site de médias sociaux populaires pourrait bien fonctionner pour une position de marketing des médias sociaux. Il utilise les premières trames (120 par défaut) pour la modélisation d`arrière-plan. Il emploie l`algorithme de segmentation probabiliste de premier plan qui identifie les objets de premier plan possibles utilisant l`inférence Bayésienne. Les estimations sont adaptatives; les observations plus récentes sont plus fortement pondérées que les anciennes observations pour tenir compte de l`illumination variable. Plusieurs opérations de filtrage morphologiques comme la fermeture et l`ouverture sont faites pour éliminer le bruit indésirable. Vous obtiendrez une fenêtre noire pendant les premières images.

Dans la première étape, un modèle initial de l`arrière-plan est calculé, tandis que dans la deuxième étape, ce modèle est mis à jour afin de s`adapter aux changements possibles dans la scène. La soustraction de fond est une étape de prétraitement majeure dans de nombreuses applications basées sur la vision. Par exemple, considérez le cas d`un compteur de visiteur où une caméra statique prend le nombre de visiteurs entrant ou sortant de la salle, ou une caméra de circulation extrayant des informations sur les véhicules etc. Dans tous ces cas, vous devez d`abord extraire la personne ou les véhicules seuls. Techniquement, vous devez extraire le premier plan en mouvement de l`arrière-plan statique. Une fois que nous avons recueilli les images de résultat, nous pouvons les comparer avec les données de vérité au sol. Il existe plusieurs séquences publiquement disponibles pour la soustraction d`arrière-plan qui viennent avec des données de vérité au sol.