mozgó objektumok detektálása és követése robotkamera segítségével
DESCRIPTION
Mozgó Objektumok Detektálása és Követése Robotkamera Segítségével. Horváth Péter Témavezető: Dr. Kató Zoltán. Összefoglalás. gyors módszer optical flow real-time meghatározására mozgó objektumok követése Gaussian Mixture modell és Expectation Maximiz a tion segítségével - PowerPoint PPT PresentationTRANSCRIPT
Mozgó Objektumok Detektálása és Követése
Robotkamera Segítségével
Horváth Péter
Témavezető: Dr. Kató Zoltán
Összefoglalás
•gyors módszer optical flow real-time meghatározására
•mozgó objektumok követése Gaussian Mixture modell és Expectation Maximization segítségével
•robotkamera bemutatása (mechanikai, elektronikai felépítése, vezérlőprogram)
•kísérleti eredmények bemutatása
•a robotkamera tesztje
Optical Flow
Az optical flow field egy olyan vektormező, mely megmutatja, hogy egy képkocka pixelei milyen irányban és mennyire mozdultak el.
Maximálisan egy pixel nagyságú mozgások meghatározása
•Futásidő = θ(NM)•Segítségével lehetővé vált a real-time implementáció •Kísérleteink alapján legjobbnak a következő módszer bizonyult:
•Környezet vizsgálata normális eloszlás sűrűségfüggvényével súlyozva:
Gauss-piramis felépítése, méretének meghatározása
Ha a kép méretét felére csökkentjük a mozgások is felére csökkennek, ezt folytatva az x. művelet után a mozgások nagysága 2x-edére csökken.
• A piramis legfelső szintjén meghatározzuk a maximum 1 pixel nagyságú mozgásokat majd egy szinttel lejjebb ugrunk, itt a (2i, 2j), (2i+1, 2j), (2i, 2j+1) és (2i+1, 2j+1) vektorok megkapják az előző szint (i, j) vektor értékétnek kétszeresét.
• Ezen becslés után egy finomító lépés következik.
Visszafelé dolgozó stratégia
Optical Flow becslése — összefoglalás
Az Optical Flow meghatározása:
1. 2 szekvencia kiválasztása
2. Gauss-piramis elkészítése a két képből
3. A felső szinten maximálisan 1 pixel nagyságú mozgások meghatározása.
4. Egy szinttel alacsonyabban lévő Optical Flow vektorok meghatározása:
1. Vektorok duplázása
2. Finomítás
5. GOTO 4 ha nem értük el a piramis alsó szintjét
Megjegyzés: Ha a gyakorlati alkalmazásban elegendő pontosságú a becsült Optical Flow, akkor ezen még javíthatunk egy opcionális ponttal, ha a Finomítás után egy simítást végzünk a vektormezőn.
Összefoglalás
•gyors módszer optical flow real-time meghatározására
•mozgó objektumok követése Gaussian Mixture modell és Expectation Maximization segítségével
•robotkamera bemutatása (mechanikai, elektronikai felépítése, vezérlőprogram)
•kísérleti eredmények bemutatása
•a robotkamera tesztje
Mozgó objektumok követése
Cél: Adott referenciaobjektum követése
HSV, LUV színterek, 2D hisztogram
•RGB nem használható megfelelően•HSV, LUV,… van egy komponens a fényerőnek•Ezt a komponenst elhagyva egy fényre invariáns 2D színteret kapunk.•2D hisztogram készítése
HSV: gyors, de nem lineáris a transzformáció
LUV: az emberi szem színtávolság érzetét jól közelíti, lassú nem lineáris transzformáció a hatványozás miatt
Expectation Maximization
•ismeretlen eloszlás•Gauss-eloszlások segítségével közelítjük•Expectation Maximization•Dempster et al. 1977
Expectation Maximization
0
10
20
30
40
0
5
10
15
20
25
Várható értékek, valószínűségek (m=4 esetén): p(j)(101.771, 191.155) 0.182(94.391 , 66.803) 0.267(76.129 , 43.870) 0.231(173.542, 82.745) 0.319
Gaussian Mixture Model
Jelölje a követendő objektumot mely hisztogramjának sűrűségét EM-el becsültük. legyen egy tetszőleges pont melynek ismert a színe. Annak a valószínűsége, hogy a pixel az O objektumhoz tartozik:
, ahol P(j) a j. komponens valószínűsége. Természetesen: Annak a valószínűsége pedig, hogy a -t a j. komponens tartalmazza:
Az objektum lokalizálása
•Az objektum a t-1. képkockán Lt-1 középpontban St-1
méretű bounding-box-szal (befoglaló téglalap)
•A t. képkocka az Lt:
•Ebből a St:
•Küszöbölés
Összefoglalás
•gyors módszer optical flow real-time meghatározására
•mozgó objektumok követése Gaussian Mixture modell és Expectation Maximization segítségével
•robotkamera bemutatása (mechanikai, elektronikai felépítése, vezérlőprogram)
•kísérleti eredmények bemutatása
•a robotkamera tesztje
A robotkamera
A robotkamera felépítése
mozgatás: léptetőmotorok
saját mikroprocesszor (PIC16C84)
kommunikáció: PC párhuzamos port
Összefoglalás
•gyors módszer optical flow real-time meghatározására
•mozgó objektumok követése Gaussian Mixture modell és Expectation Maximization segítségével
•robotkamera bemutatása (mechanikai, elektronikai felépítése, vezérlőprogram)
•kísérleti eredmények bemutatása
•a robotkamera tesztje
Kísérleti eredmények – optical flow
Kísérleti eredmények
Összefoglalás
•gyors módszer optical flow real-time meghatározására
•mozgó objektumok követése Gaussian Mixture modell és Expectation Maximization segítségével
•robotkamera bemutatása (mechanikai, elektronikai felépítése, vezérlőprogram)
•kísérleti eredmények bemutatása
•a robotkamera tesztje
VégeKöszönöm a figyelmet!