1 / 21

L4 Tecniche di Background Subtraction

L4 Tecniche di Background Subtraction. Corso di Visione Artificiale Ing . Luca Mazzei. Background Subtraction. Insieme di tecniche per separare in un’immagine lo sfondo dagli oggetti interessanti Sfondo, Background: parte statica Foreground : parte di interesse.

isaiah-craft
Download Presentation

L4 Tecniche di Background Subtraction

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. L4 Tecnichedi Background Subtraction Corso di VisioneArtificiale Ing. Luca Mazzei

  2. Background Subtraction • Insieme di tecniche per separare in un’immagine lo sfondo dagli oggetti interessanti • Sfondo, Background: parte statica • Foreground: parte di interesse Visione Artificiale

  3. Background subtraction input image blobimage background image Visione Artificiale

  4. Background Subtraction • Scenario: camera fissa • Foreground = Frame – Background • Necessario impostare il metodo di estrazione del background e del foreground • Operazioni sui pixel Visione Artificiale

  5. Problematiche • Cambiamenti illuminazione • Graduali (ombre sole su strada) • Improvvise (nuvole) • Cambiamenti da movimento • Oscillazioni camera • Oggetti nel bg con movimenti (fronde, onde) • Cambiamenti nella geometria • Oggetti, auto parcheggiate … Visione Artificiale

  6. Foreground • La parte in movimento dell’immagine • Regione di interesse • Boundingbounding box, blob, cluster, ellissi, centroidi – baricentri geometici Blob Bounding Box Cluster Visione Artificiale

  7. Foreground Ellissoide Blob Input image Baricentro Centro di massa Bounding Box Visione Artificiale

  8. Blob extraction • Considerare una classe per i blob con oggetti membri: • Bounding box rettangolare • Ellissoide • Centroide • Blob con i punti appartenenti Visione Artificiale

  9. Metodi base • Differenza di frame • Media • Running Average • Istogrammi • Selectivity Visione Artificiale

  10. Differenza di frame • Sfondo stimato è il frame precedente • Funziona solo sotto certe condizioni di velocità e frame rate • Molto dipendente dalla soglia Th Visione Artificiale

  11. Media (Average o Median) • Si calcola la media, o la mediana, degli ultimi n frame • Richiesta di memoria alta • Si può ottimizzare a • Il calcolo va fatto per ogni pixel del frame Visione Artificiale

  12. RunningAverage • Ho una media pesata dei pixel • Alpha, learning rate tipicamente 0.05 • Pocaoccupazionedimemoria, veloce Visione Artificiale

  13. Istogrammi • Calcoliistogrammi del valorergbdiogni pixel nel tempo • Utile per calcolareunasoglia • Se ho piu’ picchi non funziona Visione Artificiale

  14. Selectivity • Utile se ho oggetti in movimento • Classifica foreground e background per aggiornamento background • formula Visione Artificiale

  15. Limitideimetodi base • Si basano solo sullastoriadi un pixel singolo • Non utilizzanoinformazionispaziali • Difficilesettare e trovare la soglia Visione Artificiale

  16. Metodiavanzati • Incrementano le prestazionideimetodi base • Coinvolgonoinformazionispaziali • Utilizzanoconsiderazionistatistiche Visione Artificiale

  17. Metodi avanzati (solo nomi) • Runninggaussianaverage • Mixtureofgaussian • Kernel density estimator • Meanshiftbasedestimator • Eigenbackgrounds Visione Artificiale

  18. Assegnamento • Realizzareun’applicazione in GOLD chemostriimetodi base di background subtraction, con alcunestatistiche. • Nome applicazione: Matricola_Cognome • Le statistichesipossonoottenere con icronometriedil profiler Visione Artificiale

  19. Assegnamento Input • Filmato camera fissacoloriambientestradale outdoor (ControlloTraffico) • Filmato camera fissazenitalecolori indoor (ControlloAccessoLaboratorio) • I filmatisitrovanonellacartella in cui sidovràcaricarel’assegnamento Visione Artificiale

  20. Assegnamento Output • Immaginedi input • Immagine background • Immagine foreground con blob, bounding box • Immaginedi output con blob e bounding box • Statistiche sui tempi di calcolo (timer nel profiler di GOLD) Visione Artificiale

  21. Assegnamento • Labeling per blob e differenzadall’esercitazioneprecedente (flood fill) • Possibilità di scegliere output, le soglie, eventualmente anche tipologia background da calcolare • Scelta del tipo di foreground da visualizzare in output • Progettare il codice modularmente • Provare ad utilizzare file .ini dell’applicazione Visione Artificiale

More Related