create_bg_esti — MV `tracking` op

• 데이터 종류: image2d → table

• 호출: 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)(구현을 직접 호출하려면 import mvtrack; mvtrack.create_bg_esti(image, process_noise=0.0001, measurement_noise=0.001, threshold=0.1, foreground_gain=0.05), 원장에서 가져오려면 opsmv.get("create_bg_esti"))

• HALCON 대응: create_bg_esti(의미·매개변수는 HALCON 레퍼런스가 참고가 됩니다)

• GPU: 없음(CPU 참조 구현만)

사용법

첫 영상에서 화소별 칼만 배경 모델을 만든다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

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。画素値は [0, 1] の float(threshold と雑音の分散も同じ尺度)。整数 dtype の画像と [0, 1] の外の値は ValueError(uint8 は / 255 してから渡す)。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。

자세한 사용 가이드

• machine_vision_classics 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• machine_vision_tour — py -3.11 examples/machine_vision_tour.py

• poc_real_bg_kalman_tracking — py -3.11 examples/poc_real_bg_kalman_tracking.py

타입이 이어지는 다음 연산자(`table` 를 입력으로 받는 것)

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

같은 카테고리(`tracking`)

filter_kalman · run_bg_esti · give_bg_esti · update_bg_esti

*Provenance: mvtrack.py — MV 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

create_bg_esti — MV tracking op

사용법