ఐగాంగ్ జు, జియాకి వు, గువో జాంగ్, షెన్లిన్ పాన్, తాయోయాంగ్ వాంగ్, యోంగ్వా జాంగ్ మరియు జిన్ షెన్
శాటిలైట్ వీడియో మోషన్ డిటెక్షన్ సమస్య దృష్ట్యా, గ్లోబల్ మోషన్ కాంపెన్సేషన్ మరియు లోకల్ డైనమిక్ అప్డేట్ను కలపడం యొక్క బ్యాక్గ్రౌండ్ వ్యవకలన పద్ధతి ప్రతిపాదించబడింది. మొదటి సందర్భంలో, మధ్య ఫ్రేమ్లో బ్యాక్గ్రౌండ్ మోడల్ను ఏర్పాటు చేయడానికి మెరుగైన ViBE మోడల్ పద్ధతి ఉపయోగించబడుతుంది. బ్యాక్గ్రౌండ్ మోడల్లో మరో డైనమిక్ అప్డేట్ ఫ్యాక్టర్ ఉంది. రెండవది, ఫ్రేమ్ల మధ్య ప్రపంచ దృశ్యం యొక్క చలన నమూనా ఏకరీతి నిరోధించబడిన ఫార్వర్డ్-బ్యాక్ LK ఆప్టికల్ ఫ్లోను ఉపయోగించి అంచనా వేయబడుతుంది మరియు గ్లోబల్ మోషన్ పరిహారం నిర్వహించబడుతుంది. చివరిది కాని, పరిహార ఫ్రేమ్ మరియు మోడల్ మధ్య పోలిక మరియు కనెక్ట్ చేయబడిన డొమైన్ విశ్లేషణ చలన వస్తువులను గుర్తించడానికి మరియు విభజించడానికి ఉపయోగించబడతాయి. ఇంకా ఎక్కువగా, "సూడో మోషన్" తీర్పు ప్రకారం మేము మోడల్ యొక్క నవీకరణ కారకాన్ని సరిచేయవచ్చు. ఆపై, మోడల్ స్థానికంగా మరియు అనుకూలంగా నవీకరించబడుతుంది. “లక్ష్యం వారీగా” మూల్యాంకన రీకాల్ రేట్ పద్ధతి ప్రతిపాదించబడింది, ఇది మొత్తం ఆబ్జెక్ట్ని గణిస్తుంది కానీ పిక్సెల్లను కాదు. మేము Skysat మరియు JL1H వీడియోలను ఉపయోగించి నాలుగు ప్రయోగాలు చేస్తాము. ప్రతిపాదిత పద్ధతి "లక్ష్యం వారీగా" రీకాల్ రేట్పై అనుకూలమైన ప్రభావాన్ని చూపుతుందని మరియు లోపాన్ని గుర్తించే రేటు తక్కువగా ఉందని ఫలితాలు చూపిస్తున్నాయి. "టార్గెట్ వారీ" రీకాల్ రేట్ 80% కంటే మెరుగ్గా ఉంది. క్లాసికల్ పద్ధతితో పోల్చితే ఎర్రర్ డిటెక్షన్ రేట్ కనీసం 10 రెట్లు తగ్గింది మరియు 160 రెట్లు ఎక్కువ. ఉపగ్రహ వీడియోలో అధునాతన అప్లికేషన్ మరియు చలన విశ్లేషణ కోసం ఈ పద్ధతి అనుకూలంగా ఉంటుంది