1 / 11

PRA Ć ENJE OBJEKATA U SLIKOVNIM SEKVENCAMA ALGORITMOM CAMSHIFT

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

tanek
Download Presentation

PRA Ć ENJE OBJEKATA U SLIKOVNIM SEKVENCAMA ALGORITMOM CAMSHIFT

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. PRAĆENJE OBJEKATA U SLIKOVNIM SEKVENCAMA ALGORITMOM CAMSHIFT ZAVRŠNI RAD: br. 853 Igor Bonači Mentor: prof. dr. sc. Zoran Kalafatić

  2. Sadržaj • Opis teme završnog rada • Izrada modela objekta • Mean-shift algoritam • Camshift algoritam • ABCshift algoritam • Prikaz rezultata testiranja • Literatura

  3. 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

  4. Izrada modela objekta • Mean-shift, Camshift, Abcshift • Region based algoritmi • Modeliranje objekta histogramom • Odabir prostora boja (RGB, HSV, Lab)

  5. Mean-shift algoritam • Algoritam pomaka prema srednjoj vrijednosti: • mean-shift algorithm, Comaniciu [4] • Konvergencija najbližem ekstremu funkcije

  6. Camshift algoritam • Continuously Adaptive Mean Shift algorithm, Bradski [1] Bayes-ov teorem Konvergencija najbližem ekstremu funkcije razdiobe vjerojatnosti

  7. 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 r – omjer površine objekta i prozora za traženje Prikaz rada abcshift algoritma: Prikaz rada camshift algoritma:

  8. Rezultati testiranja • Praćenje lica (izvorna namjena camshift algoritma) • Praćenje prometnih znakova

  9. Rezultatitestiranja(nastavak) • Praćenje prometnih znakova (abcshift algoritam) • Relativna pogreška praćenja Broj iteracija potrebnih za postizanje konvergencije frame

  10. 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

  11. Literatura • 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 • Boyle, Michael: The effects of capture conditions on the CAMSHIFT face tracker. Report 2001, Department of computer science, University ofCalgary, Alberta, Canada. • 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 • D. Comaniciu, V. Ramesh: Real-Time Tracking of Non-Rigid object using Mean Shift, IEEE CVPR 2000. • 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

More Related