1 / 74

TÌM HIỂU KỸ THUẬT PHÁT HIỆN NGƯỜI TRONG VIDEO GIÁM SÁT LỚP HỌC

TÌM HIỂU KỸ THUẬT PHÁT HIỆN NGƯỜI TRONG VIDEO GIÁM SÁT LỚP HỌC. GVHD: TS. Đinh Bá Tiến. SVTH: Nguyễn Xuân Tường Huy Nguyễn Hoàng Vũ. Nội dung trình bày. Nội dung trình bày. Giới thiệu. Vấn đề phát hiện và giám sát đối tượng được ứng dụng trong nhiều lĩnh vực.

meryl
Download Presentation

TÌM HIỂU KỸ THUẬT PHÁT HIỆN NGƯỜI TRONG VIDEO GIÁM SÁT LỚP HỌC

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. TÌM HIỂU KỸ THUẬT PHÁT HIỆN NGƯỜI TRONG VIDEO GIÁM SÁT LỚP HỌC GVHD: TS. Đinh Bá Tiến SVTH: Nguyễn Xuân Tường Huy Nguyễn Hoàng Vũ

  2. Nội dung trìnhbày

  3. Nội dung trìnhbày

  4. Giớithiệu • Vấnđềpháthiệnvà giám sát đốitượngđượcứngdụngtrongnhiềulĩnhvực

  5. Giớithiệu Cóbaonhiêungườitronglớphọc ???

  6. Giớithiệubàitoán • Tìmhiểucáckỹthuậtpháthiệnngườivàứngdụngvào video giámsátlớphọc • Cácgiảđịnh • Màutóccủangườilàmàuđen • Pháthiệntrênmộtdãybànquansátrõ

  7. Hướngtiếpcận Hair Blobs Frame SVM Result Result

  8. Mụctiêu • Mụctiêu: loạibỏnền, táchrađượcvùngđốitượng • Phươngpháp: • Trừnền • Táchmàutóc

  9. Cácphươngpháptrừnền • Ưu điểm: camera cốđịnh • Khuyếtđiểm: sựchelấplẫnnhau, cácvậtdụng …

  10. Táchmàutóc • Ưuđiểm: Màutóclànổibật, phânbiệtrõ • Khuyếtđiểm: gâynhiễubởicáckhuvựctối Single Gaussian

  11. Single Gaussian • Xácđịnhmộtđiểmcócùngmàuvớimàuchúngtamuốntìm hay không • Gồm haibước: • Huấnluyện • Phânlớp

  12. HuấnLuyện Means () Covariance () HuấnLuyện Trongđó: - : means - : covariance - n: tổng pixel - cj: giátrịmàutại pixel thứ j Nguồn: http://en.wikipedia.org/wiki/HSL_and_HSV

  13. Thựcnghiệm • Bộdữliệumàutóc: 30 ảnhvớikíchthước 100 x 100 pixels • Kếtquảsaukhihuấnluyện: Means: Covariance:

  14. PhânLớp MàuTóc P(c|color) > Ngưỡng Means () Covariance () P(c|color) ≤Ngưỡng Ngưỡng = -6.5

  15. Thựcnghiệm Ngưỡng = -6.5

  16. Kếtquả

  17. Kết quả thực nghiệm

  18. Hướngtiếpcận Hair Blobs Frame SVM Result Result

  19. Upper body detection by SVM + HOG • Dữliệuđầuvào: • Khuvựcđượcpháthiệncómàutócngười • Mụctiêu: • Pháthiệnphầnthântrêncủangười

  20. Upper body detection by SVM + HOG • Ý tưởngchínhcủaphươngpháp

  21. Histogram of gradient (HOG)

  22. Histogram of gradient (HOG) • HOG: đặctrưngđượcdùngnhiềutronglĩnhvựcpháthiệnđốitượng. • Đềxuấtbởi Bill Triggsvà Navel Dalalvàonăm 2005 tạiviệnnghiêncứu INRIA • Ý tưởng: hình dạng và trạng thái xuất hiện (appearance) của vật có thể được đặc trưng bằng sự phân bố về gradient và hướng của cạnh (edge direction).

  23. Rút trích đặc trưng • Tính toán HOG • Chuẩn hóa ảnh • Tính gradient • Tính HOG cho từng cell • Thu thập HOG • Tính và chuẩn hóa vector đặc trưng cho từng block • Thu thập các đặc trưng HOG cho các cửa sổ

  24. Chuẩn hóa ảnh • Cânbằng Histogram • Làmgiảmđiảnhhưởngcủasựthayđổiánhsángvà shadowing ( chechắn) Nguồn: Wei Jiang, "Human Feature Extraction in VS image Using HOG Algorithm"

  25. Tính gradient Lấy gradient theo chiều x:  Ảnh X-Gradient Lấy gradient theo chiều y:  Ảnh Y-Gradient Nguồn: Wei Jiang, "Human Feature Extraction in VS image Using HOG Algorithm"

  26. Tính gradient Hướng (orientation) Biên độ (magnitude) X-Gradient Orientation Magnitude Y-Gradient Nguồn: Wei Jiang, "Human Feature Extraction in VS image Using HOG Algorithm"

  27. Tính gradient histogram từng cell Nguồn: Wei Jiang, "Human Feature Extraction in VS image Using HOG Algorithm"

  28. Tính vector đặctrưngtừng block Nguồn: Wei Jiang, "Human Feature Extraction in VS image Using HOG Algorithm"

  29. Thu thậpđặctrưngtừngcửasổ • Đặctrưngcủamộtcửasổsẽđượctínhbằngcáchghéptừngđặctrưngcủatừng block tạonêncửasổđó. • Lưu ý : các block đượclắpghéptrùnglắpnhau Nguồn: Wei Jiang, "Human Feature Extraction in VS image Using HOG Algorithm"

  30. Support VeCTOR MACHINES (SVM)

  31. SVM • SVM: Giớithiệunăm 1992 bởi Vladimir Vapnikvàhaiđồngsự Bernhard Boservà Isabelle Guyon • Bộphân lớp: • Phânloạiđâulàphầnthântrênngười? • Trải qua haibước: • Huấnluyệndựatrêntậpdữliệu positive và negative • Phânlớp

  32. HuấnLuyện Negative Positive Rúttríchđặctrưng HOG HUẤN LUYỆN BỘ PHÂN LỚP SVM

  33. PhânLớp Rúttríchđặctrưng HOG SVM Rúttríchđặctrưng HOG

  34. Kếtquả SVM + HOG

  35. Kết quả thực nghiệm

  36. Hướngtiếpcận Hair Blobs Frame SVM Result Result

  37. Snake • Giới thiệu trong bài báo “Probabilistic Data Association Methods for Tracking Multiple and Compound Visual Object”, bởi Chirtopher Rasmussen và Gregory D.Hager Nguồn: Chirtopher Rasmussen và Gregory D.Hager, “Probabilistic Data Association Methods for Tracking Multiple and Compound Visual Object”,

  38. Snake • Mụcđích: • loạibỏnhiễutrongkếtquảpháthiệnngườibằng SVM + HOG • Dữliệuđầuvào: • Khuvựcmàutócngười • Khuvựcđượcpháthiệncóngườibởi SVM Cácpháthiệnsaigâynhiễu

  39. Snake • Ý tưởnghoạtđộngcủa Snake Phầnđầucủangười

  40. Snake p < threshold

  41. Snake p ≥ threshold threshold = 0.25

  42. Snake • Tưthếcủangườithìđadạngvàphứctạp Biếnđổi Affine …

  43. Thực nghiệm • Chuyển vị: • x: -12  18 pixels, step 3 pixels • y: -21  12 pixels, step 3 pixels • Scale: • x, y: 0.9  1.1, step 0.1 • Xoay: • -5o 5o, step 5o

  44. Snake • Omega shape

  45. Snake

  46. Nhận xét • Ưu điểm • Nhanh, đơn giản. • Khuyết điểm • Tốn chi phí bộ nhớ lưu trữ • Phụ thuộc vào kết quả của bước xác định đường viền và dạng mẫu ban đầu.

  47. Nội dung trìnhbày

  48. Kết quả thực nghiệm

  49. Khókhăn • Ánhsángthayđổi • Khuvựcđầungườitiếpxúcvớinhữngvùnghoặcđồvậtcómàutối • Chấtlượng video kém

  50. Hướngpháttriển • Theo vếttừnghọcsinh • Tínhđộdaođộng

More Related