Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Некоторые методы
сегментации видео
Сергей Матюнин
Video Group
CS MSU Graphics & Media Lab
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Содержание
 Введение
 Общие подходы...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Сегментация изображений
3
S. Brutzer,...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Сегментация изображений
Примеры (1/2)...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Сегментация изображений
Примеры (2/2)...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Сегментация видео
Пример
6F. Liu, M. ...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Применение
Depth Propagation
7
Послед...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Применение
Depth from Motion
8
Видео ...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Содержание
 Введение
 Общие подходы...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Сегментация объектов
Применение в вид...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Сегментация объектов
Применение в вид...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Общие подходы
Вычитание фона
Метод дл...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Общие подходы
Глобальное движение
 О...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Общие подходы
RANdom SAmple Consensus...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Общие подходы
Смесь гауссиан
15F. Liu...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Общие подходы
Спектральная кластериза...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Спектральная кластеризация
Пример
17
...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Содержание
 Введение
 Общие подходы...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Траектории точек
 Вместо покадрового...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Преимущества использования
длинных тр...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Пример данных трекера
21T. Brox and J...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Траектории точек
Мера расстояния межд...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Траектории точек
Мера расстояния межд...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Траектории точек
Схожесть траекторий
...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Траектории точек
Кластеризация

25T....
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Траектории точек
Пример кластеризации...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Траектории точек
Пример работы
27T. B...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Траектории точек
Сравнение с другими ...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Траектории точек
Сравнение с другими ...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Траектории точек
Плотная разметка
 Р...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Содержание
 Введение
 Общие подходы...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Характерист...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Краткое опи...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Кластеризац...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Понижение р...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Разметка об...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Оценка комп...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Оценка схож...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Оценка гран...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Оценка влож...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Распростран...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Оценка веро...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Online Dense Segmentation
Пример рабо...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Восстановление фона
Последовательност...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Сравнение с конкурентом
Последователь...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Сравнение с конкурентом
Последователь...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Сравнение с конкурентом
Последователь...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Содержание
 Введение
 Общие подходы...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Заключение
 Очень популярны статисти...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Литература
1. R. Tron and R. Vidal, “...
CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus 
Лаборатория компьютерной
графики и му...
Upcoming SlideShare
Loading in …5
×

Некоторые методы сегментации видео

617 views

Published on

Published in: Education
  • Be the first to comment

  • Be the first to like this

Некоторые методы сегментации видео

  1. 1. Некоторые методы сегментации видео Сергей Матюнин Video Group CS MSU Graphics & Media Lab
  2. 2. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Содержание  Введение  Общие подходы  Сегментация на основе траекторий  Online Dense Segmentation  Заключение 2
  3. 3. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Сегментация изображений 3 S. Brutzer, B. Hoferlin, and G. Heidemann, “Evaluation of background subtraction techniques for video surveillance,” IEEE CVPR, 2011  Сегментация – задача разбиения изображения на несколько множеств пикселей (суперпикселей) так, чтобы разбиение удовлетворяло заданным условиям  Кластеризация – задача разбиения заданной выборки объектов на подмножества (кластеры) так, чтобы  каждое подмножество состояло из схожих объектов  объекты разных кластеров существенно отличались
  4. 4. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Сегментация изображений Примеры (1/2) 4Matthias Grundmann, Vivek Kwatra, Mei Han, Irfan Essa, “Efficient Hierarchical Graph-Based Video Segmentation,” CVPR 2010 Исходное изображение Результат сегментации Исходное изображение Результат сегментации Разными цветами отмечены различные кластеры
  5. 5. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Сегментация изображений Примеры (2/2) 5Matthias Grundmann, Vivek Kwatra, Mei Han, Irfan Essa, “Efficient Hierarchical Graph-Based Video Segmentation,” CVPR 2010 Исходный кадр Результат сегментации
  6. 6. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Сегментация видео Пример 6F. Liu, M. Gleicher, “Learning color and locality cues for moving object detection and segmentation,” IEEE CVPR, 2009 Кадры последовательности Результаты сегментации
  7. 7. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Применение Depth Propagation 7 Последовательность «Parrots» Исходное видео Распространенная глубина
  8. 8. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Применение Depth from Motion 8 Видео из фильма «Люди Икс. Первый класс»
  9. 9. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Содержание  Введение  Общие подходы  Сегментация на основе траекторий  Online Dense Segmentation  Заключение 9
  10. 10. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Сегментация объектов Применение в видеонаблюдении (1/2) 10 S. Brutzer, B. Hoferlin, and G. Heidemann, “Evaluation of background subtraction techniques for video surveillance,” IEEE CVPR, 2011 Типичный процесс выделения объектов
  11. 11. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Сегментация объектов Применение в видеонаблюдении (2/2) 11 A. Griesser et al., “GPU-Based Foreground-Background Segmentation using an Extended Colinearity Criterion,” Vision, Modeling, and Visualization, 2005  Камера неподвижна  Объекты малы  Точность часто не критична Кадр без объектов Кадр с объектами Маска объектов
  12. 12. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Общие подходы Вычитание фона Метод для неподвижной камеры 1. Находим фон усреднением или медианой большого количества кадров 2. Вычитаем из исходного кадра 3. То, что осталось – объекты 12R. Tron and R. Vidal, “A Benchmark for the Comparison of 3-D Motion Segmentation Algorithms,” IEEE CVPR, 2007
  13. 13. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Общие подходы Глобальное движение  Оцениваем глобальное движение  Считаем объектами области, где движение не совпадает с глобальным  Остальные области – фон 13R. Tron and R. Vidal, “A Benchmark for the Comparison of 3-D Motion Segmentation Algorithms,” IEEE CVPR, 2007
  14. 14. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Общие подходы RANdom SAmple Consensus (RANSAC) Сегментируем пространство координат точек на нескольких последовательных кадрах 1. Применяем RANSAC к исходному множеству. Находим подпространство из inliers. Остальные точки – outliers 2. Применяем шаг 1 к множеству outliers, пока не найдем все подпространства 3. Для каждого подпространства inliers применяем метод главных компонент, чтобы найти наилучший базис для каждого подпространства 4. Выбираем для каждой точки ближайшее подпространство 14R. Tron and R. Vidal, “A Benchmark for the Comparison of 3-D Motion Segmentation Algorithms,” IEEE CVPR, 2007
  15. 15. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Общие подходы Смесь гауссиан 15F. Liu and M. Gleicher, “Learning color and locality cues for moving object detection and segmentation,” IEEE CVPR, 2009  Пытаемся представить множество точек видео как смесь гауссиан в некотором пространстве  Выделяем компоненты, которые соответствуют объекту или фону
  16. 16. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Общие подходы Спектральная кластеризация  16T. Brox and J. Malik, “Object segmentation by long term analysis of point trajectories,” ECCV, 2010 Матрица схожести точек
  17. 17. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Спектральная кластеризация Пример 17 D. Hamad, P. Biela, “Introduction to spectral clustering,” in IEEE Information and Communication Technologies: From Theory to Applications, 2008 Матрица расстояний в графе Матрица Кирхгофа
  18. 18. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Содержание  Введение  Общие подходы  Сегментация на основе траекторий  Online Dense Segmentation  Заключение 18
  19. 19. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Траектории точек  Вместо покадрового OF используем длинные траектории  Траектории строим на основе трекера [Sundaram et al., ECCV 2010]. Трекер основан на OF 19T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010 Оптический поток Результат трекинга
  20. 20. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Преимущества использования длинных траекторий 20T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010 Кадр 0 Кадр 30 Кадр 50 Кадр 80 Кадры из фильма «Miss Marple: Murder at the vicarage»
  21. 21. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Пример данных трекера 21T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010 Кадры из фильма «Miss Marple: Murder at the vicarage» Кадр 0 Выбранные точки Кадр 211 Результат трекинга Кадр 400 Результат трекинга Точки распределяются равномерно в контрастных областях При необходимости добавляются новые в области открытия Цвета от новых к старым: синий, зеленый, желтый, красный, розовый
  22. 22. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Траектории точек Мера расстояния между траекториями  Определяем меру расстояния между траекториями:  Максимум считаем по тем кадрам, где присутствуют обе траектории  Можем разделять сегменты даже на тех кадрах, где они движутся одинаково 22T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010
  23. 23. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Траектории точек Мера расстояния между точками  23T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010
  24. 24. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Траектории точек Схожесть траекторий  От расстояния переходим к мере схожести:  Составляем квадратную матрицу схожести Близость траекторий объекта, которые не пересекаются по времени, учитывается за счет транзитивности расстояния  Можем кластеризовать траектории, используя разложение по собственным векторам 24T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010
  25. 25. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Траектории точек Кластеризация  25T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010
  26. 26. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Траектории точек Пример кластеризации 26T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010 Чрезмерная сегментация После слияния После учета похожести движения
  27. 27. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Траектории точек Пример работы 27T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010 Кадры из фильма «Miss Marple: Murder at the vicarage» Кадр 1 Кадр 110 Кадр 135 Кадр 170 Кадр 250 Видео Сегментация Эталон
  28. 28. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Траектории точек Сравнение с другими методами (1/2) 28T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010 Скорость работы Качество сегментации
  29. 29. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Траектории точек Сравнение с другими методами (2/2) 29T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010 Исходный кадр Предложенный метод Rao et al., 2009RANSAC
  30. 30. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Траектории точек Плотная разметка  Разреженные траектории берутся из-за ограничений по производительности  Предлагается распространить метки на все точки изображения после сегментации От тех же авторов есть статья, но метод медленный 30T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” ECCV, 2010
  31. 31. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Содержание  Введение  Общие подходы  Сегментация на основе траекторий  Online Dense Segmentation  Заключение 31
  32. 32. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Характеристика Цель: разделить объект и фон  Работает для случая нестационарной камеры  Может обрабатывать длинные видео «online»  Использует долгосрочные траектории (long term trajectories)  Подходит для движения нежестких объектов  Обрабатывает частичные перекрытия 32A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012
  33. 33. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Краткое описание алгоритма 1. Инициализация для первого кадра Для каждого последующего кадра: 2. Трекинг точек с предыдущего кадра 3. Продолжение траектории с предыдущего кадра 4. Инкрементная кластеризация 5. Обновление меток (BG/FG) для кластеров 6. Оценка движения для всех пикселей объектов и фона 7. Построение восстановленного фона 33A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012
  34. 34. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Кластеризация траекторий  34A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012
  35. 35. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Понижение размерности 35A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012  При помощи статистических методов понижаем размерность данных  В подпространстве меньшей размерности траектории моделируем смесью гауссиан (GMM)  Получаем кластеризованные данные Кластеры на исходном кадре Пример кластеризации траекторий
  36. 36. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Разметка объект/фон  Помечаем кластеры как объект или фон в зависимости от значения нескольких признаков  Вводим функционал энергии  Ищем разметку 36A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012 Компактность (Compactness) Границы в подпространстве (Borders) Вложенность (Surroundedness) Схожесть по движению (Affinity)
  37. 37. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Оценка компактности  37A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012
  38. 38. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Оценка схожести движения  Поощряем одинаковое движение для фона  Штрафуем одинаковое движение у объекта и у фона 38A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012 характеристика меры близости кластеров в пространстве уменьшенной размерности –
  39. 39. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Оценка границ Штрафуем:  Отдаленные кластеры, помеченные как фон  Близкие кластеры, помеченные как объект и фон 39A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012 Расстояние между кластерами
  40. 40. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Оценка вложенности  40A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012
  41. 41. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Распространение разметки  Распространяем метки на все точки кадра  Используем байесовский подход и марковские цепи 41A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012 Метки FG/BG Яркость кадра Произведение по всем точкам Произведение по всем парам соседних точек Гауссиан Поощряем одинаковые метки Описание Feature points
  42. 42. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Оценка вероятности метки 43 Скомпенсированный пиксель Средний вектор движения Оценивается по движению особых точек Цвет (яркость) пикселя Описание особых точек Известно с предыдущего кадра A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012
  43. 43. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Online Dense Segmentation Пример работы 44A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012 Sheikh et al., 2009 Proposed
  44. 44. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Восстановление фона Последовательность Tennis 45A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012
  45. 45. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Сравнение с конкурентом Последовательность Tennis 46A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012
  46. 46. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Сравнение с конкурентом Последовательность Drive1 47A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012
  47. 47. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Сравнение с конкурентом Последовательность Marple 48A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” ECCV, 2012
  48. 48. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Содержание  Введение  Общие подходы  Сегментация на основе траекторий  Online Dense Segmentation  Заключение 49
  49. 49. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Заключение  Очень популярны статистические и вероятностные методы  Что привело к успеху: сама модель или правильно подобранные картинки и параметры?  Часто очень медленные  Стоит использовать информацию о движении с нескольких кадров (траектории)  Нужно объединять сразу много признаков  Возможно распространение разметки с надежных точек на ненадежные  Полезно понижать размерность данных  Если задача позволяет, можно использовать глобальную сегментацию 50
  50. 50. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Литература 1. R. Tron and R. Vidal, “A Benchmark for the Comparison of 3-D Motion Segmentation Algorithms,” in IEEE International Conference on Computer Vision and Pattern Recognition, 2007, pp. 1–8. 2. T. Brox and J. Malik, “Object Segmentation by Long Term Analysis of Point Trajectories,” in European Conference on Computer Vision, 2010, pp. 282–295. 3. A. Griesser, S. Roeck, A. Neubeck, and L. V. Gool, “GPU-Based Foreground- Background Segmentation Using an Extended Colinearity Criterion,” in Vision, Modeling, and Visualization, 2005, pp. 319–326. 4. S. Brutzer, B. Hoferlin, and G. Heidemann, “Evaluation of Background Subtraction Techniques for Video Surveillance,” in IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2011, pp. 1937–1944. 5. Y. Sheikh, O. Javed, and T. Kanade, “Background Subtraction for Freely Moving Cameras,” in IEEE International Conference on Computer Vision, 2009, pp. 1219–1225. 6. A. Elqursh and A.M. Elgammal, “Online Moving Camera Background Subtraction,” in European Conference on Computer Vision (ECCV), 2012, pp. 228–241. 7. D. Hamad, P. Biela, “Introduction to spectral clustering,” in IEEE Information and Communication Technologies: From Theory to Applications, 2008, pp. 1–6. 51
  51. 51. CS MSU Graphics & Media Lab (Video Group) www.compression.ru/video/ Only for Maxus  Лаборатория компьютерной графики и мультимедиа Видеогруппа — это:  Выпускники в аспирантурах Англии, Франции, Швейцарии (в России в МГУ и ИПМ им. Келдыша)  Выпускниками защищены 5 диссертаций  Наиболее популярные в мире сравнения видеокодеков  Более 3 миллионов скачанных фильтров обработки видео 52

×