Dipartimento di Elettronica e Telecomunicazioni            Università di Firenze            Laboratorio Comunicazioni & Im...
SommarioPanoramica sull’Object Tracking: classificazione algoritmi    Algoritmi Model Based    Algoritmi Features Based...
Object Tracking: applicazioni        Videosorveglianza        Analisi del trafficoFirenze, 18 Dicembre 2006             ...
Analisi del traffico  Pixel processing level:  Appartenenza di un pixel allo   sfondo o ad un oggetto in   movimento.  Fr...
Algoritmi di Tracking                             Algoritmi Features Based:                                 si focalizza...
Algoritmi di Tracking                            Algoritmi Model Based:                                richiedono un det...
Algoritmi di Tracking                            Algoritmi Contour Based:                             si costruisce una ...
Algoritmi Region Based    Ad ogni oggetto viene associata una regione                  corrispondenteSi esegue una stima...
Il Block Matching                            Parametri fondamentali Dimensione dei blocchi                              ...
Il Block Matching                   Tecniche di B.M.A. Esaustive :        Si cerca il miglior confronto ovunque (Fullse...
Il Block Matching             FRAME t-1      FRAME tFirenze, 18 Dicembre 2006                                      11
Object Tracking con B.M.A.Frame 1                                  Schema a blocchi                                      ...
Object Tracking con B.M.A.                  Estrazione dei Vettori di MotoPer estrarre i vettori di moto si usa l’algori...
Object Tracking con B.M.A.                Regolarizzazione Vettori di Moto                                               ...
Object Tracking con B.M.A.                             Etichettatura oggettiDue criteri utilizzati:     Vicinanza spazi...
Object Tracking con B.M.A.                  Eliminazione etichette rumorose                                          Elim...
Object Tracking con B.M.A.                      Il 1-2                        Sovrapposizioni > ThS ? temporanea        ...
Risultati sperimentali                     Parametri fondamentaliBloch Matching:    Dimensione dei blocchi             ...
Risultati sperimentali     Risultati con configurazione standard                            Sequenza Taxi: Sequenza    ...
Risultati sperimentali    Risultati con configurazione standard                            Sequenza Highway: Sequenza  ...
ConclusioniPanoramica sull’Object Tracking:   Classificazione algoritmi.Implementazione Algoritmo basato sul Block Matc...
Upcoming SlideShare
Loading in …5
×

Studio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video

1,107 views

Published on

Studio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video - Giacomo Serini - AA 2005-2006 Relatori: Prof. Vito Cappellini, Dr. Roberto Caldelli

Published in: Technology, Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,107
On SlideShare
0
From Embeds
0
Number of Embeds
294
Actions
Shares
0
Downloads
2
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Studio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video

  1. 1. Dipartimento di Elettronica e Telecomunicazioni Università di Firenze Laboratorio Comunicazioni & Immagini Studio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video Tesi di Laurea di: Giacomo Serini Corso di Laurea in Ingegneria delle TelecomunicazioniRelatori:Prof. Vito CappelliniIng. Roberto Caldelli
  2. 2. SommarioPanoramica sull’Object Tracking: classificazione algoritmi  Algoritmi Model Based  Algoritmi Features Based  Algoritmi Contour Based  Algoritmi Region BasedImplementazione Algoritmo basato sul Block Matching Il Block Matching Algorithm Object Tracking basato sul BMARisultati sperimentali Firenze, 18 Dicembre 2006 2
  3. 3. Object Tracking: applicazioni  Videosorveglianza Analisi del trafficoFirenze, 18 Dicembre 2006 3
  4. 4. Analisi del traffico Pixel processing level: Appartenenza di un pixel allo sfondo o ad un oggetto in movimento. Frame processing level: Analisi delle regioni in movimento. Tracking: Inseguimento, riconoscimento e classificazione degli oggetti. Estrazione parametri rilevanti (velocità).Firenze, 18 Dicembre 2006 4
  5. 5. Algoritmi di Tracking Algoritmi Features Based: si focalizza l’attenzione solo su alcuni particolari (Es: centroide). Primi Bounding box frame Individuazione OBJECT Segmentazione sequenza sfondo e centroidi TRACKING (CTD 1  CTD 1)  (CTD 2  CTD 2 )   M N M 2 N 2 M e N appartenenti a due frame consecutiviFirenze, 18 Dicembre 2006 5
  6. 6. Algoritmi di Tracking Algoritmi Model Based: richiedono un dettagliato modello geometrico. Frame Distanza Stima MIN Estrazione OBJECToriginale bordi I somiglianza bordi TRACKING (I) modello T 1 S (T , I )  N  t T d I (t ) 2 Stima della somiglianza Distanza tra il Numero di punto t in T e punti del il bordo più Template vicino di IFirenze, 18 Dicembre 2006 6
  7. 7. Algoritmi di Tracking Algoritmi Contour Based: si costruisce una rappresentazione del contorno aggiornandolo di frame in frame. Estrazione I(t) contorno Stima del moto I(t+1) Estrazione Confronto contorno contorni OBJECT TRACKINGFirenze, 18 Dicembre 2006 7
  8. 8. Algoritmi Region Based Ad ogni oggetto viene associata una regione corrispondenteSi esegue una stima del moto su sottoparti dell’immagine (blocchi) e si Block Matching Algorithm raggruppano quelle con spostamenti simili. (B.M.A.) Gli oggetti così determinati sono infine riconosciuti nella sequenza. Firenze, 18 Dicembre 2006 8
  9. 9. Il Block Matching Parametri fondamentali Dimensione dei blocchi FINESTRA DI Massimo spostamento RICERCA Comprende tutti i pixel relativi alle posizioni che ilCriterio di scelta M.A.D. (Mean blocco può assumere Absolute Determina la Entrambe le Difference) somiglianza funzioni devono tra due essere blocchi M.S.E. (Mean minimizzate Square Error)Firenze, 18 Dicembre 2006 9
  10. 10. Il Block Matching Tecniche di B.M.A. Esaustive : Si cerca il miglior confronto ovunque (Fullsearch). Multi step: Si ricercano i blocchi solo in alcune posizioni (Three Step Search).Firenze, 18 Dicembre 2006 10
  11. 11. Il Block Matching FRAME t-1 FRAME tFirenze, 18 Dicembre 2006 11
  12. 12. Object Tracking con B.M.A.Frame 1 Schema a blocchi Elimina Block Regolarizzazione zione Resized Map Matching vettori moto Labelling etichette ResizingFrame 2 1-2 rumorose Elimina Block Regolarizzazione zione Resized Map vettori moto Labelling ResizingFrame 3 Matching etichette 2-3 temp. rumorose Traslazione Resized Map 2-3 temp. Conteggio di (-V) traslata di (-V) sovrapposizioniFirenze, 18 Dicembre 2006 12
  13. 13. Object Tracking con B.M.A. Estrazione dei Vettori di MotoPer estrarre i vettori di moto si usa l’algoritmo Fullsearch.Il criterio di scelta utilizzato è una variante del M.A.D. N N SAD   Y (i, j )  Z (i, j ) i 1 j 1 Sum of Absolute Dimensione Valori Difference blocco dei pixel in Y e ZFirenze, 18 Dicembre 2006 13
  14. 14. Object Tracking con B.M.A. Regolarizzazione Vettori di Moto Applicazione filtro a soglia e medianoErrori di stimadel moto Regolarizzazione vettori di motoFirenze, 18 Dicembre 2006 14
  15. 15. Object Tracking con B.M.A. Etichettatura oggettiDue criteri utilizzati: Vicinanza spaziale Somiglianza vettori di moto   || u  v ||L2  ( xu  xv )  ( yu  yv )  ThL 2 2 I due vettori La soglia di moto sceltaFirenze, 18 Dicembre 2006 15
  16. 16. Object Tracking con B.M.A. Eliminazione etichette rumorose Eliminazione etichette rumorose Etichette rumorose Descrizione scena realeFirenze, 18 Dicembre 2006 16
  17. 17. Object Tracking con B.M.A. Il 1-2 Sovrapposizioni > ThS ? temporanea Resized Map passo di Tracking Map 2-3 Resized Resized Map 2-3 3 3 5 3 3 3 3 5 5 3 3 3 3 5 5 3 3 3 3 5 3 -VFirenze, 18 Dicembre 2006 17
  18. 18. Risultati sperimentali Parametri fondamentaliBloch Matching: Dimensione dei blocchi N = 16 Massimo spostamento Soglia filtro vettori di moto P=7Labelling: Soglia confronto somiglianza vettori di moto Soglia eliminazione etichette rumorose. ThL = 3Tracking: Soglia sovrapposizioni ThS = N x NFirenze, 18 Dicembre 2006 18
  19. 19. Risultati sperimentali Risultati con configurazione standard Sequenza Taxi: Sequenza Perdita del veicolo Sequenza originale bianco a causa di elaborata movimenti di rotazione 19Firenze, 18 Dicembre 2006
  20. 20. Risultati sperimentali Risultati con configurazione standard Sequenza Highway: Sequenza Sequenza Buoni risultati. originale elaborata Sovrasegmentazione dovuta a N grandeFirenze, 18 Dicembre 2006 20
  21. 21. ConclusioniPanoramica sull’Object Tracking: Classificazione algoritmi.Implementazione Algoritmo basato sul Block Matching: Descrizione dettagliata dell’algoritmo. Buone prestazioni. Difficoltà rilevazione movimenti rotatori. Fortemente dipendente da stima del moto. Necessità di immagini a buona risoluzione.Sviluppi futuri: Migliore regolarizzazione vettori di moto. Assunzioni a priori per gli spostamenti dei veicoli.Firenze, 18 Dicembre 2006 21

×