テクノモ・フェルナンデスアルゴリズム

テクノモ・フェルナンデスアルゴリズム（TFアルゴリズム）は、与えられたビデオシーケンスの背景画像を生成するための効率的なアルゴリズムです。

背景画像が動画の大部分に表示されると仮定することで、アルゴリズムは動画の良好な背景画像を生成できます。${\displaystyle O(R)}$- 少数のバイナリ演算とブールビット演算のみを使用して時間を短縮し、少量のメモリしか必要とせず、C、C++、Javaなどの多くのプログラミング言語に見られる組み込み演算子を備えています。^{[ 1 ] [ 2 ] [ 3 ]}

動画からの人物追跡では、通常、背景から前景を分離するために何らかの背景差分処理が行われます。前景画像が抽出されたら、これらの画像を使用して、目的のアルゴリズム（モーション追跡、オブジェクト追跡、顔認識など）を実行できます。^{[ 1 ] [ 3 ]}

しかし、背景差分法では背景画像が既に利用可能である必要があり、残念ながら常にそうとは限りません。従来、背景画像は、オブジェクトがない場合にビデオ画像から手動または自動で検索されていました。最近では、オブジェクト検出、メディアルフィルタリング、メドイドフィルタリング、近似メディアンフィルタリング、線形予測フィルタ、ノンパラメトリックモデル、カルマンフィルタ、適応平滑化による自動背景生成が提案されていますが、これらの方法のほとんどは計算複雑度が高く、リソースを大量に消費します。^{[ 1 ] [ 4 ]}

Teknomo–Fernandezアルゴリズムも自動背景生成アルゴリズムです。しかし、その利点は、わずか${\displaystyle O(R)}$解像度に応じて時間${\displaystyle R}$画像とその精度は、扱いやすい数のフレーム内で得られます。背景画像を生成するには、ビデオから少なくとも3フレームだけが必要です。これは、すべてのピクセル位置で、背景がビデオの大部分に存在することを前提としています。さらに、グレースケールビデオとカラービデオの両方で実行できます。^{[ 1 ]}

• カメラは固定されています。
• 周囲の光は、場面内の人物の動きに比べてゆっくりとしか変化しない。
• 人数は、ほとんどの時間、同じ場所に留まっているわけではない。

しかし一般的に、以下の重要な前提条件が満たされる限り、このアルゴリズムは確実に機能します。

各ピクセル位置において、ビデオ全体のピクセル値の大部分は、実際の背景画像（その位置）のピクセル値を含んでいます。^{[ 1 ]}

背景の各部分がビデオの大部分に表示されている限り、背景画像全体がどのフレームにも表示される必要はありません。このアルゴリズムは正確に機能すると予想されます。^{[ 1 ]}

レベルで${\displaystyle \ell }$確率${\displaystyle p_{\ell }}$予測された最頻ビットが実際の最頻ビットであることは、次の式で表されます。${\displaystyle p_{\ell }=(p_{\ell -1})^{3}+3(p_{\ell -1})^{2}(1-p_{\ell -1})}$下の表は、特定の初期確率を使用して複数のレベルで計算された確率値を示しています。考慮されている位置の最頻ビットがフレームの60%と低い場合でも、正確な最頻ビット決定の確率は6レベルですでに99%を超えていることがわかります。^{[ 1 ]}

Teknomo–Fernandezアルゴリズムのメモリ使用量は、以下の関数で与えられる。${\displaystyle O(RF+R3^{L})}$解像度に応じて${\displaystyle R}$画像の番号${\displaystyle F}$ビデオ内のフレーム数と希望する数${\displaystyle L}$レベルの。しかし、${\displaystyle L}$おそらく6を超えないだろう、空間の複雑さは${\displaystyle O(RF)}$[ ^{1 ]​}

アルゴリズム全体は${\displaystyle O(R)}$-時間、画像の解像度のみに依存します。各ビットのモードビットの計算は、${\displaystyle O(1)}$-時間で、与えられた3つの画像から結果の画像を計算すると、${\displaystyle O(R)}$-時間。処理する画像の数${\displaystyle L}$レベルは${\displaystyle O(3^{L})}$しかし、${\displaystyle L\leq 6}$そうすれば、これは実際には${\displaystyle O(1)}$したがって、アルゴリズムは${\displaystyle O(R)}$[ ^{1 ]​}

モンテカルロ法を組み込んだテクノモ・フェルナンデスアルゴリズムの変種であるCRFが開発された。CRFにはCRF9,2とCRF81,1という2つの異なる構成が実装された。いくつかのカラービデオシーケンスでの実験では、精度に関してはCRF構成がTFアルゴリズムを上回ることが示された。ただし、処理時間に関してはTFアルゴリズムの方が効率的である。^{[ 5 ]}

• 物体検出
• 顔検出
• 顔認識
• 歩行者検知
• ビデオ監視
• モーションキャプチャ
• 人間とコンピュータの相互作用
• コンテンツベースのビデオコーディング
• 交通監視
• リアルタイムジェスチャー認識

• Chu, Varian Sherwin B. (2013).ランダムフレームサンプリングと論理ビット演算を用いた背景画像再構成（学位論文）。アテネオ・デ・マニラ大学。
• Abu, Patricia Angela R. (2015).前景セグメンテーションのためのTeknomo-Fernandez背景画像モデリングアルゴリズムの改良（学位論文）。アテネオ・デ・マニラ大学。

• ブール演算を用いた背景画像生成– TFアルゴリズム、その前提条件、処理プロセス、精度、時間および空間計算量、およびサンプル結果について説明します。
• 本研究では、背景生成のためのモンテカルロ法に基づくアルゴリズム、すなわちモンテカルロ法を取り入れたテクノモ・フェルナンデスアルゴリズムの変種を開発した。