Title: Mozg
1Mozgó Objektumok Detektálása és
KövetéseRobotkamera Segítségével
- Horváth Péter
- Témavezeto Dr. Kató Zoltán
2(No Transcript)
3Összefoglalás
- gyors módszer optical flow real-time
meghatározására - mozgó objektumok követése Gaussian Mixture modell
és Expectation Maximization segítségével - robotkamera bemutatása (mechanikai, elektronikai
felépítése, vezérloprogram) - kísérleti eredmények bemutatása
- a robotkamera tesztje
4Optical Flow
Az optical flow field egy olyan vektormezo, mely
megmutatja, hogy egy képkocka pixelei milyen
irányban és mennyire mozdultak el.
5Maximálisan egy pixel nagyságú mozgások
meghatározása
- Futásido ?(NM)
- Segítségével lehetové vált a real-time
implementáció - Kísérleteink alapján legjobbnak a következo
módszer bizonyult - Környezet vizsgálata normális eloszlás
suruségfüggvényével súlyozva
6Gauss-piramis felépítése, méretének meghatározása
Ha a kép méretét felére csökkentjük a mozgások is
felére csökkennek, ezt folytatva az x. muvelet
után a mozgások nagysága 2x-edére csökken.
7Visszafelé dolgozó stratégia
- A piramis legfelso szintjén meghatározzuk a
maximum 1 pixel nagyságú mozgásokat majd egy
szinttel lejjebb ugrunk, itt a (2i, 2j), (2i1,
2j), (2i, 2j1) és (2i1, 2j1) vektorok
megkapják az elozo szint (i, j) vektor értékétnek
kétszeresét. - Ezen becslés után egy finomító lépés következik.
8Optical Flow becslése összefoglalás
- Az Optical Flow meghatározása
- 2 szekvencia kiválasztása
- Gauss-piramis elkészítése a két képbol
- A felso szinten maximálisan 1 pixel nagyságú
mozgások meghatározása. - Egy szinttel alacsonyabban lévo Optical Flow
vektorok meghatározása - Vektorok duplázása
- Finomítás
- GOTO 4 ha nem értük el a piramis alsó szintjét
- Megjegyzés Ha a gyakorlati alkalmazásban
elegendo pontosságú a becsült Optical Flow, akkor
ezen még javíthatunk egy opcionális ponttal, ha a
Finomítás után egy simítást végzünk a vektormezon.
9Összefoglalás
- gyors módszer optical flow real-time
meghatározására - mozgó objektumok követése Gaussian Mixture modell
és Expectation Maximization segítségével - robotkamera bemutatása (mechanikai, elektronikai
felépítése, vezérloprogram) - kísérleti eredmények bemutatása
- a robotkamera tesztje
10Mozgó objektumok követése
Cél Adott referenciaobjektum követése
11HSV, LUV színterek, 2D hisztogram
- RGB nem használható megfeleloen
- HSV, LUV, van egy komponens a fényeronek
- Ezt a komponenst elhagyva egy fényre invariáns 2D
színteret kapunk. - 2D hisztogram készítése
- HSV gyors, de nem lineáris a transzformáció
- LUV az emberi szem színtávolság érzetét jól
közelíti, lassú nem lineáris transzformáció a
hatványozás miatt
12Expectation Maximization
- ismeretlen eloszlás
- Gauss-eloszlások segítségével közelítjük
- Expectation Maximization
- Dempster et al. 1977
13Expectation Maximization
Várható értékek, valószínuségek (m4 esetén) ?
p(j) (101.771 , 191.155) 0.182 (94.391 ,
66.803) 0.267 (76.129 , 43.870) 0.231 (173.542 ,
82.745) 0.319
14Gaussian Mixture Model
Jelölje ? a követendo objektumot mely
hisztogramjának suruségét EM-el becsültük. ?
legyen egy tetszoleges pont melynek ismert a
színe. Annak a valószínusége, hogy a ? pixel az O
objektumhoz tartozik , ahol P(j) a j.
komponens valószínusége. Természetesen
Annak a valószínusége pedig, hogy a ?-t
a j. komponens tartalmazza
15Az objektum lokalizálása
- Az objektum a t-1. képkockán Lt-1 középpontban
St-1 méretu bounding-box-szal (befoglaló
téglalap) - A t. képkocka az Lt
- Ebbol a St
- Küszöbölés
16Összefoglalás
- gyors módszer optical flow real-time
meghatározására - mozgó objektumok követése Gaussian Mixture modell
és Expectation Maximization segítségével - robotkamera bemutatása (mechanikai, elektronikai
felépítése, vezérloprogram) - kísérleti eredmények bemutatása
- a robotkamera tesztje
17A robotkamera
18A robotkamera felépítése
mozgatás léptetomotorok
kommunikáció PC párhuzamos port
saját mikroprocesszor (PIC16C84)
19Összefoglalás
- gyors módszer optical flow real-time
meghatározására - mozgó objektumok követése Gaussian Mixture modell
és Expectation Maximization segítségével - robotkamera bemutatása (mechanikai, elektronikai
felépítése, vezérloprogram) - kísérleti eredmények bemutatása
- a robotkamera tesztje
20Kísérleti eredmények optical flow
21Kísérleti eredmények
22Összefoglalás
- gyors módszer optical flow real-time
meghatározására - mozgó objektumok követése Gaussian Mixture modell
és Expectation Maximization segítségével - robotkamera bemutatása (mechanikai, elektronikai
felépítése, vezérloprogram) - kísérleti eredmények bemutatása
- a robotkamera tesztje
23Vége Köszönöm a figyelmet!