Visão Computacional e Realidade Aumentada Prof Marcelo Gattass 2007-s02
-
Upload
amena-wright -
Category
Documents
-
view
34 -
download
0
description
Transcript of Visão Computacional e Realidade Aumentada Prof Marcelo Gattass 2007-s02
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
1
Visão Computacional e Realidade AumentadaProf Marcelo Gattass
2007-s02
Trabalho 1 – Detecção de movimento através de subtração
de fundo
César Palomo
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
2
Motivação
Automatização de tarefas como: Vigilância Eletrônica Monitoramento de atividades humanas Análise de multidões Análise de tráfego urbano Detecção de ações potencialmente perigosas Perseguição de objetos de interesse Detecção de silhuetas
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
3
Método
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
4
Etapa 1 – Modelo de fundo Modelo de fundo: usado para diferenciar objetos em
movimento do fundo estático
Obtenção: por n frames iniciais são calculadas estatísticas (média ou mediana) para os valores dos pixels. Esta medida estatística servirá como modelo do fundo do vídeo
Atualização: em intervalos de m frames as estatísticas são recalculadas e o modelo de fundo é atualizado com novos objetos estáticos, seguindo a seguinte fórmula:
iii s t a t is t ic sn ewA L P H Ast a t is t ic sA L P H Ast a t is t ic s _**)1(
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
5
Etapa 2: Segmentação por threshold A cada frame, cada canal do pixel é comparado ao valor
correspondente ao modelo de fundo.
Se esta diferença ultrapassar um threshold, este pixel é identificado como pertencente a um objeto em movimento (pintado de branco no vídeo de saída)
Caso contrário, pixel é identificado como pertencente ao fundo (pintado de preto no vídeo de saída).
T hb a c k g ro u n df ram e ii
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
6
Etapa 3: Identificação de contornos ativos
A partir da identificação de cada objeto em movimento, seu contorno é mostrado em destaque
Permite rastreamento dos objetos em movimento
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
7
Biblioteca utilizada: OpenCV Biblioteca de visão computacional criada pela Intel Fácil de usar, funciona bem e é cheia de recursos comuns
para uso em visão computacional
Principais funções utilizadas: cvCaptureFromAVI(): inicializa captura a partir de um arquivo de vídeo
cvCaptureFromCAM(): inicializa captura a partir de uma câmera de vídeo
cvGrabFrame() e cvRetrieveFrame(): recupera próximo frame
cvNamedWindow(): cria uma janela com o nome lógico informado
cvCreateImage(): cria uma imagem para manipulação com os parâmetros informados
cvShowImage(): mostra a imagem na janela identificada pelo seu nome lógico
cvFindContours() e cvDrawContours(): identifica e desenha contornos ativos
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
8
Uso do programa Formato:
#T1.exe inputType filePath inputType: câmera (1) ou arquivo AVI (2) filePath: caminho completo do arquivo AVI (usado
somente se tipo de entrada for AVI (2)
Exemplos:
#T1.exe 1 Inicializa captura a partir de uma câmera
#T1.exe 2 c:/videos/videoSeg.avi Inicializa captura a partir de um arquivo AVI
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
9
Notas sobre o método utilizado Método com treinamento inicial pode não ser apropriado
para algumas aplicações
Ruído na captura influencia muito no resultado final de segmentação. Filtros de erosão e dilatação foram usados para tentar minimizar este problema
Estratégia de cálculo do modelo de fundo foi utilizar a média/mediana. Métodos estatísticos mais complexos podem ser utilizados para criação e atualização do modelo de fundo com maior sucesso
Parâmetros para atualização do fundo podem causar anomalias como: Fantasmas de objetos (quando ALPHA muito grande) Objetos em movimento que se tornem estacionários
podem demorar a serem adicionados ao modelo de fundo (quando ALPHA muito pequeno)
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
10
Referências Página da disciplina: http://www.tecgraf.puc-rio.br/~mgattass/ra/ra.html
Enunciado do trabalho: http://www.tecgraf.puc-rio.br/~malf/ra/
OpenCV: http://www.cs.iit.edu/%7Eagam/cs512/lect-notes/opencv-intro/opencv-intro.html
Piccardi 2004 “Background subtraction techniques: a review”
Cucchiara et al 2003 “Detecting Moving Objects, Ghosts, and Shadows in VideoStreams”
Haritaoglu, I., Harwood, D. and Davis, L. S. "W4: real-time surveillance of people and their activities"
20/08/07 Visão Computacional e Realidade AumentadaCésar Palomo – cpalomo @ inf . puc-rio . br
11
?César Palomo
cpalomo @ inf . puc-rio . br
Perguntas