Machine learning TensorFlow视频处理，变化检测

我是机器学习的新手，我只有神经网络的基本知识

我有一个非常明确的任务：

1.视频流显示静态图片（带黄色方块的白色区域） （位于不同位置的不同视频广场）

2.在某个时刻，视频内容会发生变化，并开始显示白色区域，但没有一些黄色方块

3.我需要创建一种机制，它可以确定并以某种方式指示变化

我将使用TensorFlow框架来完成这个任务。谁能把我推向正确的方向？或者我很高兴看到克服这个问题的步骤列表

---

提前感谢。

如果您事先知道静态图片的外观，可能需要一些背景减法才能工作？基本上你只需要从每一帧中减去静态图片，然后检查结果的内容。如果生成的图片为空（零或接近某个阈值），则没有要检测的更改。如果结果图片包含非零区域（可能高于或低于某个手动调整的阈值），你发现了那个区域的变化。

记住，为了检测变化，你必须向NN提供两个图像并检索这个信息，或者你可能想考虑RNN的- NN的，它能够记住从一次运行到下一次运行的一些数据。顺便说一句：你是否意识到（在我听来）NN的这一点太过分了？静态图片总是一样的吗？或者在不同的视频流中，甚至在同一个视频流中，有几个“静态”图片吗？@RuDevel我理解正确了吗？你认为NN不适用于该任务吗？你能建议从smth开始吗？@kaufmanu是的，在不同的视频中有几个“静态”图片。一个视频-一张可能随时间变化的图片。为了澄清这一点：神经网络学习这样的减法策略应该很容易-但是如果你知道一个简单的解决方案，那么训练神经网络完成这项任务是没有意义的。当然，除了学习/实验的目的。谢谢，但是有什么办法可以对付noize吗？“模糊”是一种常见的策略，但可能有更有效的方法吗？我提到的阈值应该能够处理一些噪音。除此之外，我想最好尝试一下，看看这个简单的方法是如何执行的，并在此基础上开发更复杂的策略（如果需要）。祝你的项目好运！