1 / 11

Visão Computacional e Realidade Aumentada Prof Marcelo Gattass 2007-s02

Trabalho 1 – Detecção de movimento através de subtração de fundo César Palomo. Visão Computacional e Realidade Aumentada Prof Marcelo Gattass 2007-s02. Motivação. Automatização de tarefas como: Vigilância Eletrônica Monitoramento de atividades humanas Análise de multidões

Download Presentation

Visão Computacional e Realidade Aumentada Prof Marcelo Gattass 2007-s02

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Trabalho 1 – Detecção de movimento através de subtração de fundo César Palomo Visão Computacional e Realidade AumentadaProf Marcelo Gattass2007-s02 Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br

  2. Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Motivação • Automatização de tarefas como: • Vigilância Eletrônica • Monitoramento de atividades humanas • Análise de multidões • Análise de tráfego urbano • Detecção de ações potencialmente perigosas • Perseguição de objetos de interesse • Detecção de silhuetas

  3. Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Método

  4. Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Etapa 1 – Modelo de fundo • Modelo de fundo: usado para diferenciar objetos em movimento do fundo estático • Obtenção:por n frames iniciais são calculadas estatísticas (média ou mediana) para os valores dos pixels. Esta medida estatística servirá como modelo do fundo do vídeo • Atualização:em intervalos de m frames as estatísticas são recalculadas e o modelo de fundo é atualizado com novos objetos estáticos, seguindo a seguinte fórmula:

  5. Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Etapa 2: Segmentação por threshold • A cada frame, cada canal do pixel é comparado ao valor correspondente ao modelo de fundo. • Se esta diferença ultrapassar um threshold, este pixel é identificado como pertencente a um objeto em movimento (pintado de branco no vídeo de saída)‏ • Caso contrário, pixel é identificado como pertencente ao fundo (pintado de preto no vídeo de saída).

  6. Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Etapa 3: Identificação de contornos ativos • A partir da identificação de cada objeto em movimento, seu contorno é mostrado em destaque • Permite rastreamento dos objetos em movimento

  7. Biblioteca utilizada: OpenCV • Biblioteca de visão computacional criada pela Intel • Fácil de usar, funciona bem e é cheia de recursos comuns para uso em visão computacional • Principais funções utilizadas: • cvCaptureFromAVI():inicializa captura a partir de um arquivo de vídeo • cvCaptureFromCAM():inicializa captura a partir de uma câmera de vídeo • cvGrabFrame() e cvRetrieveFrame(): recupera próximo frame • cvNamedWindow(): cria uma janela com o nome lógico informado • cvCreateImage(): cria uma imagem para manipulação com os parâmetros informados • cvShowImage(): mostra a imagem na janela identificada pelo seu nome lógico • cvFindContours() e cvDrawContours(): identifica e desenha contornos ativos Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br

  8. Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Uso do programa • Formato: #T1.exe inputType filePath • inputType: câmera (1) ou arquivo AVI (2)‏ • filePath: caminho completo do arquivo AVI (usado somente se tipo de entrada for AVI (2)‏ • Exemplos: #T1.exe 1 • Inicializa captura a partir de uma câmera #T1.exe 2 c:/videos/videoSeg.avi • Inicializa captura a partir de um arquivo AVI

  9. Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Notas sobre o método utilizado • Método com treinamento inicial pode não ser apropriado para algumas aplicações • Ruído na captura influencia muito no resultado final de segmentação. Filtros de erosão e dilatação foram usados para tentar minimizar este problema • Estratégia de cálculo do modelo de fundo foi utilizar a média/mediana. Métodos estatísticos mais complexos podem ser utilizados para criação e atualização do modelo de fundo com maior sucesso • Parâmetros para atualização do fundo podem causar anomalias como: • Fantasmas de objetos (quando ALPHA muito grande)‏ • Objetos em movimento que se tornem estacionários podem demorar a serem adicionados ao modelo de fundo (quando ALPHA muito pequeno)‏

  10. Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Referências • Página da disciplina: http://www.tecgraf.puc-rio.br/~mgattass/ra/ra.html • Enunciado do trabalho:http://www.tecgraf.puc-rio.br/~malf/ra/ • OpenCV:http://www.cs.iit.edu/%7Eagam/cs512/lect-notes/opencv-intro/opencv-intro.html • Piccardi 2004“Background subtraction techniques: a review” • Cucchiara et al 2003“Detecting Moving Objects, Ghosts, and Shadows in VideoStreams” • Haritaoglu, I., Harwood, D. and Davis, L. S."W4: real-time surveillance of people and their activities"

  11. Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Perguntas ? César Palomo cpalomo @ inf . puc-rio . br

More Related