Upload
tanek
View
30
Download
1
Embed Size (px)
DESCRIPTION
PRA Ć ENJE OBJEKATA U SLIKOVNIM SEKVENCAMA ALGORITMOM CAMSHIFT. ZAVRŠNI RAD: br. 853. Igor Bonači Mentor: prof. dr. sc. Zoran Kalafatić. Sadržaj. Opis teme završnog rada Izrada modela objekta Mean-shift algoritam Camshift algoritam ABCshift algoritam Prikaz rezultata testiranja - PowerPoint PPT Presentation
Citation preview
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