Studio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video
-
Upload
icl-image-communication-laboratory -
Category
Technology
-
view
106 -
download
1
description
Transcript of Studio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video
Dipartimento di Elettronica e TelecomunicazioniUniversità di FirenzeLaboratorio Comunicazioni & Immagini
Studio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video
Tesi di Laurea di:
Giacomo SeriniCorso di Laurea in Ingegneria delle Telecomunicazioni
Relatori:
Prof. Vito Cappellini
Ing. Roberto Caldelli
2Firenze, 18 Dicembre 2006
Sommario
Panoramica sull’Object Tracking: classificazione algoritmiAlgoritmi Model BasedAlgoritmi Features BasedAlgoritmi Contour Based
Implementazione Algoritmo basato sul Block MatchingIl Block Matching AlgorithmObject Tracking basato sul BMA
Risultati sperimentali
Algoritmi Region Based
3Firenze, 18 Dicembre 2006
Object Tracking: applicazioni
Analisi del traffico
Videosorveglianza
4Firenze, 18 Dicembre 2006
Analisi del traffico
Frame processing level:Analisi delle regioni in
movimento.
Tracking:Inseguimento, riconoscimento e
classificazione degli oggetti. Estrazione parametri rilevanti (velocità).
Pixel processing level:Appartenenza di un pixel allo
sfondo o ad un oggetto in movimento.
5Firenze, 18 Dicembre 2006
Algoritmi di TrackingAlgoritmi Features Based:si focalizza l’attenzione solo su
alcuni particolari (Es: centroide).
Primi frame
sequenzaIndividuazione
sfondoSegmentazione
Bounding boxe centroidi
OBJECT TRACKING
222
211 )()( NMNM CTDCTDCTDCTD
M e N appartenenti a due frame consecutivi
6Firenze, 18 Dicembre 2006
Algoritmi di TrackingAlgoritmi Model Based:richiedono un dettagliato modello geometrico.
Frame originale
( I )
Estrazione bordi
Distanza bordi I
modello T
Stima somiglianza
OBJECT TRACKING
Tt
I tdN
ITS 2)(1),(
Stima della somiglianza
Numero di punti del Template
Distanza tra il punto t in T e il bordo più vicino di I
MIN
7Firenze, 18 Dicembre 2006
Algoritmi di TrackingAlgoritmi Contour Based:si costruisce una rappresentazione del
contorno aggiornandolo di frame in frame.
Estrazione contornoI(t)
I(t+1)
Stima del moto
Estrazione contorno
OBJECT TRACKING
Confrontocontorni
8Firenze, 18 Dicembre 2006
Algoritmi Region BasedAd ogni oggetto viene associata una regione
corrispondenteSi esegue una stima
del moto su sottoparti dell’immagine (blocchi) e si raggruppano quelle con spostamenti simili.
Gli oggetti così determinati sono infine riconosciuti nella sequenza.
Block Block MatchingMatching AlgorithmAlgorithm((B.M.AB.M.A.).)
9Firenze, 18 Dicembre 2006
Il Block Matching
Dimensione dei blocchi
Massimo spostamento
FINESTRA DI FINESTRA DI RICERCARICERCA
Parametri fondamentali
Criterio di scelta
Comprende tutti i pixel relativi alle posizioni che il blocco può assumere
Determina la somiglianza tra due blocchi
M.A.D. (Mean Absolute Difference)
M.S.E. (Mean Square Error)
Entrambe le funzioni devono essere minimizzate
10Firenze, 18 Dicembre 2006
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).
11Firenze, 18 Dicembre 2006
FRAME tFRAME t--11 FRAME tFRAME t
Il Block Matching
12Firenze, 18 Dicembre 2006
Object Tracking con B.M.A.
Frame 1
Frame 3
Frame 2Block
MatchingRegolarizzazione
vettori moto LabellingElimina zione
etichetterumorose
Resizing Resized Map 1-2
Block Matching
Regolarizzazione vettori moto Labelling Resizing Resized Map
2-3 temp.
Traslazionedi (-V)
Resized Map 2-3 temp. traslata di (-V)
Conteggio sovrapposizioni
Schema a blocchi
Elimina zione
etichetterumorose
13Firenze, 18 Dicembre 2006
Object Tracking con B.M.A.
Per estrarre i vettori di moto si usa l’algoritmo Fullsearch.Il criterio di scelta utilizzato è una variante del M.A.D.
N
i
N
jjiZjiYSAD
1 1),(),(
Sum of Absolute Difference
Dimensione blocco
Valori dei pixel in Y e Z
Estrazione dei Vettori di Moto
14Firenze, 18 Dicembre 2006
Object Tracking con B.M.A.
Regolarizzazione Vettori di Moto
Errori di stima del moto
Regolarizzazione vettori di moto
Applicazione filtro a soglia e mediano
15Firenze, 18 Dicembre 2006
Object Tracking con B.M.A.
Etichettatura oggetti
Due criteri utilizzati:
Vicinanza spazialeSomiglianza vettori di moto
LvuvuL Thyyxxvu 22 )()(||||2
I due vettori di moto
La soglia scelta
16Firenze, 18 Dicembre 2006
Object Tracking con B.M.A.
Eliminazione etichette rumorose
Etichette rumorose
Descrizione scena reale
Eliminazione etichette rumorose
17Firenze, 18 Dicembre 2006
Object Tracking con B.M.A.Il passo di Tracking
-V
Resized Map 2-3 temporanea
33
33
3 3
Resized Map 1-2
33 3
55
555
5
Sovrapposizioni > ThS ?
33
333
3
Resized Map 2-3
18Firenze, 18 Dicembre 2006
Risultati sperimentali
Parametri fondamentaliBloch Matching:
Dimensione dei blocchiMassimo spostamentoSoglia filtro vettori di moto
Labelling:Soglia confronto somiglianza vettori di moto Soglia eliminazione etichette rumorose.
Tracking:Soglia sovrapposizioni
N = 16
P = 7
ThL = 3
ThS = N x N
19Firenze, 18 Dicembre 2006
Risultati sperimentali
Risultati con configurazione standardSequenza Taxi:
Perdita del veicolo bianco a causa di movimenti di rotazione
Sequenza originale
Sequenza elaborata
20Firenze, 18 Dicembre 2006
Risultati sperimentali
Sequenza Highway:
Buoni risultati. Sovrasegmentazione dovuta a N grande
Risultati con configurazione standard
Sequenza originale
Sequenza elaborata
21Firenze, 18 Dicembre 2006
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.