基于背景差法的运动目标分割
基于背景和帧间差分法的运动目标提取
一种改进的基于背景差分的运动目标检测方法
ｄｆｅ ｅ ｃ ｔ ｏ ｏ ｂｅ ｔｄ ｔｃｉｎ ｉ ｒｎ ｅｍｅｈ ｄ ｆｒｏ ｊｃ ｅｅ ｔｏ ．Ａｔｔ ｅｓ ｍｅｔｍｅｔ ｅｂ ｃ ｇ ｏ ｎ ｐ ａｉｇ ａｇ ｒｔ ｍ ｓｎ ｉｒ ｒｈｃ ｌｂ ｔｅ ｏｕ ｉｎｔ ｅ ｆ ｈ ａ ｉ ｈ ａ ｋ ｒ ｕ ｄ ｕ ｄ ｔ ｌｏ ｉ ｎ ｈ ｕ ｉｇ ｈｅ ａｃ ｉａ ｅｔ ｒｓ ｌ ｔ ｈ ｏ
“
ｓ ａ ” ｎ ｈ ａ ｇ — ｃ ｌ ｈ ｎ ｅ ｎ ｉ ｕ ｎ ｔｏ ｏ ｄ ｔ ｎ ， ｎ ｌ ｍｅ ｒ ａ ｄ ｔ ｅｌ ｒ ｅ ｓ ａｅｃ ａ ｇ ｓ ｉ ｌ ｍｉ ａ ｉｎ ｃ ｎ ｉ ｏ ｓ Ｆｉ ａ ｌ ｌ ｉ ｙ，ｔ ｅｐ ｐ ｒｐ ｏ ｏ ｅ ｉ ｌ ｌ ｏ ｉｈ ｔ ｏ ｖ ｈ ｒ ｂ ｅ ｈ ａ ｅ ｒ ｐ ｓ ｄ ａｓｍｐ ｅａ ｇ ｒｔ ｍ Ｏ ｓ ｌ ｅｔ ｅ ｐ ｏ ｌｍ
运 动 目标 检测就 是从整 幅场景 图像 中把感 兴趣 的 运 动 目标 检测 出来 。 是后续 的各种 高级 处理 ， 目标 它 如 跟踪、 目标分类 及行为 分析 的基石 ， 也是 视频监 控系统
动 等影 响较大并 且不能 很好地 解决 “ 拖影 ” 和背 景 区域
大 面积 变化等 问题 。 对 以上 问题 ， 针 本文 在对 图像 前期 和后 期 进行 处理 的基础 上对 背 景差 分 法 的关 键部 分 ：
ｐ ｘ ｌ ｎ ｅ ｓｔ ｌ ｓ ｉ ｃ ｔ ｎ ａ ｄ ｔ ｅ ｓｎ ｌ ｕ ｓａ ｄ ｌ ａ ｅ ａ ｋ ｒ ｕ ｄ ｒ ｃ ｎ ｔ ｕ ｔ ｎ ａ ｇ ｒｔ ｍ ，Ｔｈ ｎ ｕ ｅ ｈ ａ ｋ ｒ ｕ ｄ ｉ ｅ ｔ ｎ ｉ ｃａ ｓｆ ａ ｉ ｎ ｈ ｉ ｇ ｅ Ｇａ ｓ ｉｎ ｍｏ ｅ ｓ ｄ ｂ ｃ ｇ ｏ ｎ ｅ ｏ ｓ ｒ ｃ ｉ ｌｏ ｉｈ ｉ ｙ ｉ ｏ ｂ ｏ ｅ ｓｄ ｔ ｅｂ ｃ ｇ ｏ ｎ
基于背景差分算法的运动目标检测
基于背景差分算法的运动目标检测作者：李娟汪碧玉来源：《中国科技博览》2016年第05期[摘要]运动目标的检测是数字图像处理和模式识别领域研究的主要内容之一，也是计算机视觉研究的一个重要领域。
本文对基于背景差分算法的视频目标检测算法进行了研究，并对其进行了详细的讨论和分析。
利用混合高斯背景模型来提取背景和更新背景。
实验结果表明，采用该算法对运动目标进行检测具有良好的准确性和稳定性。
[关键词]背景差分算法行人检测运动目标检测 OpenCV中图分类号：G391.41 文献标识码：A 文章编号：1009-914X（2016）05-0126-010引言运动目标检测是计算机视觉研究领域中的基础和热点，其目的是在连续的图像序列中，将被检测的运动目标的特征从视频图像中分离出来。
运动目标的检测速率直接影响着整个系统的运算速率，因此，运动目标检测方法的选取至关重要。
本文采用背景差分算法，利用混合高斯模型来提取背景，对运动目标进行了检测。
实验结果表明，采用此方法对运动目标检测具有较好的准确性和稳定性。
1运动目标检测1.1帧间差分法帧间差分法是指在视频图像序列中对相邻的两帧或多帧的差值进行计算，获得运动目标形状的过程。
在背景固定的情况下，若相邻两帧图像的差值Dk（x，y）小于某个设定的阈值T，则认为视频图像中没有出现运动目标；反之，当视频图像中出现运动目标时，运动目标带来的灰度变化必然导致两帧图像之间的灰度差距增大，使得差值大于设定的阈值。
这种检测方法可以很好地适用于存在多个运动目标的情况。
其流程如图1所示。
设相邻的两帧的图像分别为fk（x，y）和fk-1（x，y），两帧图像之差的结果为Dk（x，y），可用公式（1）表示：Dk（x，y）=|fk（x，y）-fk-1（x，y） (1)设阈值为T，提取到的运动目标的区域为Rk（x，y），若公式一得出来的Dk（x，y）大于T，那么Rk（x，y）的值置为1，否则，置为0。
1.2背景差分法背景差分法的实质是通过一定的背景建模的方法得到背景模型fbk（x，y），将视频序列中的每一帧图像fk（x，y）与背景模型fbk（x，y）做差分运算，得到不同时刻的帧差图像Dk （x，y），然后进行二值化处理得到Rk（x，y），当差分图像中的像素差小于某个设定的阈值T时，则认为该点是背景像素，否则为运动目标像素。
运动背景下移动目标分割定位算法研究
ｆ ｒ ｏ ｍ ｍｅ ａ ｎ ｓ ｈ ｉ ｆ ｔ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｇ ． Ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｉ ｎ ｄ ｉ ｃ ａ ｔ ｅ ｔ ｈ ａ ｔ ｔ ｈ ｉ ｓ ｍｅ ｔ ｈ ｏ ｄ ｃ ａ ｎ ｒ ｅ ａ ｌ ｉ ｚ ｅ ｍ ｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｌ ｙ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ｍｏ ｖ ｉ ｎ ｇ ｓ ｃ ｅ ｎ ｅ ｓ ； ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｏ ｂ ｊ ｅ ｃ ｔ ； ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｃ ｏ ｍｐ ｅ ｎ ｓ ａ ｔ ｉ ｏ ｎ ； ｍｅ ａ ｎ ｓ ｈ ｉ ｔ ｆ
１ 背景运动补偿及帧 间差 分
背景运动补偿主要包括角点的提取 ， 角点的匹配， 外点的去除鲁棒估计算法以及仿射变换矩阵的计算 。 利用补偿后的参考帧与当前帧进行帧间差分得到差分图像 。
１ ． １ Ｈ ａ ｒ ｒ ｉ ｓ角点 提取
Ｈａ ｒ ｒ ｉ ｓ 角点 检测 ¨ 叫 相 对于 Ｓ Ｉ Ｆ Ｔ角点 检测 简单 实时 性好 ， 满 足我 们 的要 求 ，比如美 国中央佛 罗里 达 大学 计算机 视 觉实验 室 开发 出的 基于 Ｍａ ｔ ｌ ａ ｂ的 Ｃ ＯＣ ＯＡ 系统用 的就 是 Ｈａ ｒ ｒ ｉ ｓ 角点检 测 。Ｈ ａ ｒ ｒ ｉ ｓ 角 点是指 图像灰
徐克虎（ １ ９ ６ ３ 一 ） ，男（ 汉族） ，安徽蚌埠人。博士 ，教授，主要研究方向为系统仿真技术。Ｅ － ｍ ａ ｉ ｌ ： ｈ ｎ ｄ ｘ ｗ ｔ ｚ ＠１ ２ ６ ． ｃ ｏ ｍ。
ｈ ｔ ｔ ｐ ： ／ ／ ｗｗｗ ｇ ｄ ｇ ｃ ａ ｃ ． ｃ ｎ
运动目标检测方法
运动目标检测方法
运动目标检测是计算机视觉领域中的一个重要任务，旨在识别图像或视频中的运动目标并将其从背景中分割出来。
以下是几种常见的运动目标检测方法：
1. 基于背景差分的方法：该方法通过建立静态背景模型并通过计算当前帧与背景之间的差异来检测运动目标。
常见的背景差分算法有帧差法、高斯混合模型（GMM）法等。
2. 基于光流的方法：光流是描述图像中像素运动方向和速度的一种方法。
基于光流的运动目标检测方法通过计算两个相邻帧之间的光流场，并根据光流的一致性来检测运动目标。
常见的光流算法有Lucas-Kanade算法、Horn-Schunck 算法等。
3. 基于运动轨迹的方法：该方法通过跟踪目标的运动轨迹来检测运动目标。
常见的运动目标跟踪算法有卡尔曼滤波算法、粒子滤波算法等。
4. 基于深度学习的方法：近年来，深度学习技术在计算机视觉领域取得了显著的进展。
基于深度学习的运动目标检测方法通过使用深度学习模型，如卷积神经网络（CNN）或循环神经网络（RNN），来学习图像或视频中的运动目标特征，并进行目标检测。
5. 基于多目标跟踪的方法：运动目标检测通常是多目标跟踪的前置任务。
基于
多目标跟踪的方法可以通过结合目标检测和目标跟踪的技术，实现对连续帧中的多个目标进行准确的检测。
这些方法各有特点和适用领域，选择适合任务需求的方法能够提高运动目标检测的效果。
背景差分的运动目标检测与跟踪 精品
题目基于背景差分的运动目标检测与跟踪1引言运动目标的检测与跟踪是视觉监控系统等应用领域的重要研究内容。
随着视频信息智能化处理需求[1,2]的不断增加，如何从视频流中提取运动目标、并对目标进行实时跟踪越来越受到人们的关注。
减背景方法[3,4]是常用的运动目标检测方法。
其基本思想是将视频流中当前一帧所有像素点与事先通过某种方法计算得到的背景图像中对应像素点相减并取绝对值，如果绝对值超过某个预先设定好的阀值，则认为当前帧中对应的像素点是运动目标的像素点；否则，就认为对应的像素点是背景像素点。
相减运算的结果还提供了视频流中运动目标的位置、大小及形状等信息。
但是该方法在应用过程中常会遇到如下的问题：（1）背景获取：最简单的背景获取方法就是在视频场景没有运动目标的情况下直接将某一帧存储为背景图像，但在大多数的视频应用中，如交通监控和行人检测，这一要求很难得到满足，故需要一种能够在运动目标存在的视频流中实时获取背景图像的方法。
（2）背景扰动：背景中经常存在一些对象轻微的扰动，如树枝的摇动，扰动部分不应该看作是前景运动目标。
（3）光照变化：天气、光线等因素随着时间的变化也会影响运动目标的检测结果，这是必须要考虑的问题。
（4）背景更新：为了适应外界各种条件的不断变化，有必要对建立起来的背景模型进行实时更新。
以往的运动目标检测方法或者不能解决以上所有问题，或者是通过构造复杂的模型来解决以上问题，其计算复杂性和对系统的要求都比较高，有时可能无法满足实时处理的要求。
本文在减背景方法的基础上，提出了一种更为有效的运动目标检测方法。
在背景的提取阶段，允许视频流中有运动目标的存在，在这种情况下，首先采用基于统计的方法建立背景模型，然后进行减背景操作来检测视频中的运动目标，并对背景模型进行实时更新，以适应光线的变化和场景本身的变化，最后对检测结果使用形态学运算和连通区域面积限制目标大小的方法进行后处理，消除噪声和背景扰动带来的影响。
基于背景差分法的运动目标分割
本文对图像进行中值滤 波效果如 图 １ 所示 。
算法 ［ ． ］ 快 速 提 取 并 更 新 背 景 图像 ； 对 当 前 帧 和 背 景 图像 进 行 差 分， 对 差 分 后 的二 值 图像 进 行 膨 胀 、 腐蚀 、 填 充 等 数 学 形 态 学 操
苟娟 迎 （ 西安航天发动机厂 ， 陕西 西安 ７ １ ０ １ ０ ０ ）
摘 要
运 动 目标 分 割 在 基 于视 频 的运 动 目标 检 测 与 识 别 研 究 中发 挥 着 重 要 作 用。 以 图像 差 分 法 为基 础 ， 实现 了 一 种 复 杂 背 景 下 快速 分 割 运 动 目标 的 方 法 。通 过 中值 滤 波 对 原 始 图像 进 行 预 处理 ； 运 用 改进 的 Ｓ ｕ ｒ ｅ ｎ ｄ ｒ ａ算 法 快 速 提取 并 更 新 背 景 图
像； 利 用数 学 形 态 学运 算 对 差分 二 值 图像 进 行 处理 ， 进 行 运 动 区域 的初 检 测 ； 将 Ｒ ＧＢ 图像 转 换 到 Ｈ Ｓ ｌ 域 中进 行 适 当 的
阴影 去 除 ， 完 成 运 动 目标 分 割 。 实验 结 果 表 明 该 方 法 能 够较 为有 效 地 分 割 出感 兴趣 区 域 （ Ｒ ＯＩ ） 内的 运 动 目标 。
基 于 背 景 差 分 法 的 运 动 目标 分 割
基于背景差分法的运动 目标分割
Ｍ ｏ ｖ ｉ ｎ ｇ Ｏ ｂ ｊ ｅ ｃ ｔ Ｓ ｅ ｇ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ Ｂ ａ ｓ ｅ ｄ ｏ ｎ Ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ Ｓ ｕ ｂ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ
基于背景差与帧间方块编码差值法的运动目标检测
在此 基础 上 ， 们 采 用 背 景 差 和 帧 问方 块 编 实际 灰度 值与 门限值 ． 我 比较 ， 到邻 域 内各点 的 得 码 差值法 来 判 断外 界环 境 的变 化 ， 方 法 既 融 入 二值 图像 ，由 Ｐ 表示 ； 该 了背景差 法 对 物 体 的准 确 分 割 ， 又融 入 了 帧 差法
维普资讯
第４ 期
李泉富等 ：基于背景差与帧问方块编码差值法的运动 目 标检测
・ ３・ ３
（ ） 景 是 静 止 的 ， 景 中 可 以含 有 轻 微 的 １背 背 扰动 ， 如树 枝 、 叶 的 摇 动． 动 部 分 不 会 被 看 作 树 扰 是前 景运 动 目标 ；
技 术 研究 ” ．
并且 随着 时间 的变化 对背景 进行 更新 ． 本 文 的图像 来 自于静 止 的摄像 机 拍 摄 的 图像
序列 ， 因此 它满 足 以下几个 条件 ：
作 者 简 介 ： 泉 富 （ ９０ ） 男 ， 北 衡 水 人 ， 士 研 究 生 ． 李 １８一 ， 河 硕
颜色 相似 ， 检 测 出来 的 运 动 目标通 常 是 不 完 整 则
的． 因此 ， 本文 提 出一种 利用 背景 差 分 法 和帧 问 方
块 编 码差 值法 相结 合 的运动 目标检 测算 法 ．
运动 目标 的图像 除 了运 动 目标 区域 的像 素值 发 生 变化 ， 其余 属于 背景 的部分 均 保持 不 变 ， 这样 的情
文章编号 ：０ ３—１５ （０６）４— ０ ２— １０ ２１２０ ０ ０３ ０ ４
基 于 背 景 差 与 帧 间 方 块 编 码 差 值 法 的 运 动 目标 检 测
李泉 富， 慧颖 ， 全 邦 董 赵
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
差 法 。 一 。
图 １ 运 动 目标 分 割 过 程
本 实验运 动 目标 分 割过程 如 图 １所示 。
１ 图 像 预 处 理
文 中所 使用 图像 为 车辆 交 通 图像 ， 典 型 的 车
收 稿 日期 ： ２ ０ １ ３ — ０ １ － １ ５ 基 金 项 目 ：山西 大 学 商 务 学 院科 研 基 金 资 助 项 目（ Ｊ Ｇ２ ０ １ １ ０ ０ ４ ） 作 者 简 介 ：张 建 荣 （ １ ９ ８ ３ 一） ， 女， 汉 族， 山西 晋 中人 ， 山西大学 商务学 院助教 ， 硕士 ， 主要 从事信号 与信息 处理方 向研究 ， Ｅ — ｍａ ｉ ｌ ：
ｚ ｊ ｒ １ ９ ８ ３ ０ ５ ０ ５ ＠１ ２ ６ ． ｅ ｏ ｍ．
第 ２期
张建 荣 ：基 于 背 景 差 法 的运 动 目标 分 割
１ ３ １
辆交 通 图像具 有 以下 特点 ：
以运 用背 景 相减 ［ ７ 法来 获 得 运 动 目标 ， 即用 当前 帧 图像与 所 获 得 的 背 景 图像 相 减 以 获 得 差 值 图 像， 并 采 用取绝 对 值 的方 法来 避 免 做 差 可能 出现 负像 素 的情况 。
１ ） 车辆是 唯 一运 动的 物体 ； ２ ） 车 辆运 动 基 本 与 车道 平 行 ， 很 少 有 并道 的
现象 ；
３ ） 路 面 的平 均灰度 反 映 了当前 的光 照条 件 。
实验 中对 于 可能 由于 背景 图像 光线 的不 断变
４ 阈值 分 割
在获 得差 图像 之后 ， 为 了能 突 出运 动 目标 区
ｂａ ｓ ｅｄ ｏ ｎ ｔ ｈ ｅ ｂ ａ ｃ ｋｇ ｒ ｏ ｕ ｎ ｄ ｓ ｕ ｂ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ
ＺＨＡＮＧ Ｊ ｉ ａ ｎ — ｒ ｏ ｎ ｇ
（ Ｂ ｕｓ ｉ ｎ ｅ ｓ ｓ Ｃｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｓｈ ａ ｎｘ ｉ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ，Ｔａ ｉ ｙ ｕ ａ ｎ ０ ３ ０ ０ ３ １，Ｃｈ ｉ ｎ ａ ）
０ 引 言
近年来 ， 随着信息 科技 的发 展 ， 视频 监控 系统
得 到越来 越广 泛 的应 用 。视频 图像分 割是 其 中一 个关 键 问题 。运动 目标分 割最 简单 的方法 是光 流 法［ １ ］ ， 但光 流法容 易受 光照 和噪声 等 的影 响 ， 实 时 性也 较差 ， 故本 实 验采 用 分 割 结果 较 理 想 的 背景
Ｖｏ １ ． ３ ４ Ｎｏ． ２
ＡＤ ｒ ．２ ０１ ３
基 于背 景差 法 的运 动 目标 分 割
张 建 荣
（ 山西 大 学 商 务 学 院 ，山西 太 原 ０ ３ ０ ０ ３ １ ）
摘 要 ： 针 对 交通 视 频 图像 序列 ， 采用 了背景 差 法 的运 动 目标 分 割方 法 。用 背景 更新 算 法提 取 背景 ， 利 用 背景差 法检测 目标边 缘 ， 再利用 形 态学处 理获取 精确 的运 动 目标 。
第 ３ ４卷 第 ２ 期 ２ ０ １ ３年 Ｏ ４月
长 春 工 业 大 学 学 报（ 自然 科 学 版 ）
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｃ
ｃ ｈ ｕ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔｅ ｔ ｈ ｎ ｏ ｌ ｏ ｇ ｙ（ Ｎａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅｄ ｉ ｔ ｉ ｏ ｎ ）
ｔ ｈ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｉ ｍａ ｇ ｅ ． Ｔｈ ｅ ｎ ， ｉ ｔ ｆ ｉ ｎ ｄ ｓ ｔ ｈ ｅ ｍｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｗｉ ｔ ｈ ｔ ｈ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｓ ｕ ｂ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ． Ａｆ ｔ ｅ ｒ ｍｏ ｒ ｐ ｈ ｏ ｌ ｏ ｇ ｉ ｃ ａ ｌ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ，ｔ ｈ ｅ ｍｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｃ ａ ｎ ｂ ｅ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｌ ｙ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ：ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｕ ｐ ｄ ａ ｔ ｉ ｎ ｇ；ｍｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ；ｖ ｉ ｓ ｕ ａ ｌ ｍｏ ｎ ｉ ｔ ｏ ｒ ｉ ｎ ｇ ．
关键 词 ：背景 更新 ；运 动 目标 分 割 ； 视 频监 控 中 图分 类 号 ： ＴＰ ３ ９ １ ． ４ 文献标 志码 ： Ａ 文 章编 号 ：１ ６ ７ ４ — １ ３ ７ ４ （ ２ ０ １ ３ ） ０ ２ — ０ １ ３ ０ — ０ ３
Ｍｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ
Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ａ ｍｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ｉ ｓ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ｅ ｄ ｆ ｏ ｒ ｔ ｈ ｅ ｔ ｒ ａ ｆ ｆ ｉ ｃ ｖ ｉ ｄ ｅ ｏ ｓ ｅ ｑ ｕ ｅ ｎ ｃ ｅ ｓ ，ｗｈ ｉ ｃ ｈ