#histogram #opencv-python #estimation #gmm #adaptive-threshold
Вопрос:
Ситуация: обнаружение в реальном времени включения/выключения указателя поворота транспортного средства на основе входных значений видеокадра и ограничительной рамки (на основе обнаружения транспортного средства в видеокадре)
У меня есть один набор верхних(U1) и нижних(L1) пороговых значений (h,s,v) для сценария дня на основе набора данных дневных видеокадров, L1=(18 150 180) U1=(28,75 255) #Янтарный цвет
другой набор верхних(U2) и нижних(L2) пороговых значений (h,s,v) для ночного сценария на основе набора данных ночных видеокадров, L2=(18,60,80) U2=(28,75,255) #Янтарный цвет
и еще один набор набора верхних(U3) и нижних(L3) пороговых значений(h,s,v) для туманного сценария на основе набора данных туманных видеокадров. L1=(18,120,150) U1=(28,75,255) #Янтарный цвет
Как я могу динамически корректировать значения (h,s,v) в соответствии с интенсивностью (v) каждого входного видеокадра в режиме реального времени(любой новый сценарий с другой интенсивностью) или любым подходом.?
Примечание: Входные данные, которые у меня есть, это:
- интенсивность текущего входного кадра.
- значения ограничительной рамки из модели yolo, касающиеся обнаружения транспортного средства.
- три различных набора данных с верхним и нижним пороговыми значениями из 3 сценариев (дневной,ночной и туманный)
Работает ли в этом случае какой-либо подход, основанный на оценке, с наборами данных и интенсивностью входного видео?