TECHNICKÁ UNIVERZITA V KOŠICIACH FAKULTA ELEKTROTECHNIKY A INFORMATIKY KATEDRA ELEKTRONIKY AMULTIMEDIÁLNYCH TECHNOLÓGIÍ Metódy sledovania objektov vo videosekvenciách na báze geometrických vlastností Študijný program: Multimediálne telekomunikácie Typ záverečnej práce: Diplomová práca Meno vedúceho : prof. Ing. Stanislav Marchevský, CSc. Meno konzultanta: Ing. Ján Valiska Meno študenta: Bc. Stanislav Bogdan
Ciele práce Na základe dostupnej odbornej literatúry preštudujte problematiku metód sledovania objektov vo videosekvenciách pomocou časticových filtrov Výber metódy pre sledovanie objektov podľa ich tvaru Návrh sledovania objektov v programe Matlab Vypracujte dokumentáciu podľa vedúceho DP 2
Zoznam úloh riešených v zimnom semestri Naštudovanie problematiky časticového filtrovania a proces rozpoznávania objektov podľa ich tvaru Výber vhodnej metódy pre sledovanie objektov 3
TECHNICKÁ UNIVERZITA V KOŠICIACH FAKULTA ELEKTROTECHNIKY A INFORMATIKY KATEDRA ELEKTRONIKY AMULTIMEDIÁLNYCH TECHNOLÓGIÍ Metódy sledovania objektov vo videosekvenciách na báze geometrických vlastností Stanislav Bogdan 4
Detekcia na základe tvaru Výber a extrakcia informácie o tvare objektu DT transformácia vybraného objektu vo videu Porovnanie obrazu pomocou NCC Realizuje sa pomocou detektora hrán (canny, sobel detektor) 5
Detekcia na základe tvaru Výber a extrakcia informácie o tvare objektu DT transformácia vybraného objektu vo videu Porovnanie obrazu pomocou NCC DT (Distance Transformation)-realizuje sa medzi dvoma binárnymi obrazmi Segmentovaná šablóna a segmentovaný obraz Tvar obrazu je reprezentovaný ako súbor bodov Mapa obrazu je reprezentovaná ako súbor charakteristických bodov Šablóna sa musí aktualizovať v každom rámci (sekvencii) 6
Detekcia na základe tvaru Výber a extrakcia informácie o tvare objektu DT transformácia vybraného objektu vo videu Porovnanie obrazu pomocou NCC porovnávanie dvoch obrazov pri veľkom pohybe kamery Spracovanie obrazu keď jas obrazu a šablóny sa líši Normalizovanie obrazu: 7
Originálny obraz Detektor hrán
Časticové filtrovanie sekvenčná Monte Carlo metóda založená na reprezentácii hustoty pravdepodobnosti ako sada častíc, ktorá opisuje každý stav objektu. snaží sa priblížiť filtrovanú distribúciu pomocou nastavením váh každej častice váhy častíc sú založené na pravdepodobnosti a mala by sa meniť v závislosti na pozorovaní pri aktuálnej snímke
Realizácia časticového filtra Výber prvého rámca Vybraný objekt sa stal referenčnou šablónou pre prvý rámec a je aktualizovaný v každom rámci Generovanie častíc, nastavenie počtu častíc Predikcia každej častice DT šablóny s informáciou o tvare sú spracované NCC Výpočet NCC Vyberie najpravdepodobnejšie umiestnenie častice Pre usporiadanie častíc pre ďalšiu iteráciu
Porovnanie výsledkov sledovania
Zoznam plánovaných úloh pre letný semester Modifikácia časticového filtra tak aby čo najpresnejšie rozpoznával objekty Testovanie filtra pri rôznom pozadí sledovaných objektov Vytvorenie fungujúceho programu v Matlabe
Zoznam použitej literatúry [1] P. Li, T. Zhang, and A. E. C. Pece, Visual contour tracking based on particle filters, Image Vision Comput., 2003,:111 123. [2] E. Orhan, Particle filtering, Tech. Rep., August 2012. [3] M. Z. Islam, C.-M. Oh, and C.-W. Lee,.: Video Based Moving Object Tracking by Particle Filter, in HCI (3), 2009, pp. 119-131. Dostupné na: http://www.sersc.org/journals/ijsip/vol2_no1/11.pdf [4] VALISKA J.: Sledovanie farebných objektov vo videu s použitím časticového filtra., 2013, ISSN 1338-0087. Dostupné na: http://www.posterus.sk/?p=16357&output=pdf
Ďakujem za pozornosť... 15