Download
1 / 11
110 likes | 253 Views
Trabalho 1 – Detecção de movimento através de subtração de fundo César Palomo. Visão Computacional e Realidade Aumentada Prof Marcelo Gattass 2007-s02. Motivação. Automatização de tarefas como: Vigilância Eletrônica Monitoramento de atividades humanas Análise de multidões
E N D
Trabalho 1 – Detecção de movimento através de subtração de fundo César Palomo Visão Computacional e Realidade AumentadaProf Marcelo Gattass2007-s02 Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br
Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br 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
Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Método
Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br 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:
Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br 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).
Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br 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
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 Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br
Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br 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
Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br 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)
Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br 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"
Visão Computacional e Realidade Aumentada César Palomo – cpalomo @ inf . puc-rio . br Perguntas ? César Palomo cpalomo @ inf . puc-rio . br
