PRAĆENJE OBJEKATA U SLIKOVNIM SEKVENCAMA ALGORITMOM

CAMSHIFT

Igor BonačiMentor: prof. dr. sc. Zoran

Kalafatić

ZAVRŠNI RAD: br. 853

SADRŽAJ

Opis teme završnog rada

Izrada modela objekta

Mean-shift algoritam

Camshift algoritam

ABCshift algoritam

Prikaz rezultata testiranja

Literatura2

OPIS TEME ZAVRŠNOG RADA

Praćenje objekata:

Proces određivanja položaja jednog ili više

pokretnih objekata u vremenu

Problemi:

Praćenje u realnom vremenu

Mogućnost promjene karakteristika praćenog

objekta

Pomična kamera; promjenjiva pozadina objekta

3

IZRADA MODELA OBJEKTA

Mean-shift, Camshift, Abcshift Region based algoritmi Modeliranje objekta histogramom

Odabir prostora boja (RGB, HSV, Lab)

4

MEAN-SHIFT ALGORITAM

Algoritam pomaka prema srednjoj vrijednosti: mean-shift algorithm, Comaniciu [4] Konvergencija najbližem ekstremu funkcije

5

CAMSHIFT ALGORITAM Continuously Adaptive Mean Shift algorithm, Bradski

[1]

6

Bayes-ov teorem

Konvergencija najbližem ekstremu funkcije razdiobe vjerojatnosti

ABC-SHIFT ALGORITAM An Adaptive Background Model for Camshift

Tracking with a Moving camera, R. Stolkin, I. Florescu [3]

Modeliranje objekta i pozadine Histogram objekta i pozadine

Ističe razlike između objekta i pozadine

7

r – omjer površine objekta i prozora za traženje

Prikaz rada abcshift algoritma:

Prikaz rada camshift algoritma:

REZULTATI TESTIRANJA

Praćenje lica (izvorna namjena camshift algoritma)

Praćenje prometnih znakova

8

CAMSHIFT ABCSHIFT

REZULTATI TESTIRANJA (NASTAVAK)

Praćenje prometnih znakova (abcshift algoritam)

Relativna pogreška praćenja

9

Broj iteracija potrebnih za postizanje konvergencije

frame

ZAKLJUČAK

Jednostavan i efikasan model objekta Izuzetno kratko vrijeme učenja

Uspješno praćenje objekata nad zahtjevnim primjerima

Računalno izuzetno efikasni algoritmi Mogućnost integracije u složenije sustave

10

LITERATURA

1. Bradski, G. R.: Computer Vision Face Tracking as a Component of a Perceptual User Interface, In Proc. of the IEEE Workshop on Applications of Comp. Vision, (1998) 214–219

2. Boyle, Michael: The effects of capture conditions on the CAMSHIFT face tracker. Report 2001, Department of computer science, University of Calgary, Alberta, Canada.

3. R. Stolkin, I. Florescu, G. Kamberov: „An adaptive background model for Camshift tracking with a moving camera“. Proc. International Conference on Advances in Pattern Recognition, 2007., pp. 147-151

4. D. Comaniciu, V. Ramesh: Real-Time Tracking of Non-Rigid object using Mean Shift, IEEE CVPR 2000.

5. Mason, M., Duric, Z.: Using histograms to detect and track objects in color video, Applied Imagery Pattern Recognition Workshop, AIPR 2001, 2001, pp. 154-159

11