SYSTEM DYNAMICZNEGO
PRZETWARZANIA
OBRAZU NA
PRZYKŁADZIE
MONITORINGU
Wrocław 03-12-2013
Mateusz Gąsiorek
180514
Śr 13:15
Plan prezentacji:
Pierwsze kroki - „mały” monitoring
Jak działa rozpoznawanie ludzi?
Opis algorytmu
Krótki przykład (rozpoznawanie
ludzi)
Co dalej…(rozpoznawanie
przedmiotów)
Co następnym razem?
Pierwsze kroki
„
Mały” monitoring – czyli od czego zacząć
Pomieszczenie o określonej liczbie
osób
Wejście do budynku
Kamera w przejściach (np. kampus
uczelni)
Gry zespołowe
Łatwe do przetworzenia obrazy
Sprawdzenie algorytmu
doskonalenie
Monitoring miejski
Jak to działa? (1)
Odczytanie obrazu z kamery
Podział na klatki
Działania na obrazie
Rozpoznanie osoby (znajomość tła) (1-SVM)
Różnice w osobach
○
Histogram RGB
○
Znormalizowanie
○
Histogram RGB + ‚shapes histogram’ (zależny
od kontrastu)
○
Lokalne funkcje kształtu (podział na elementy)
Jak to działa? (2)
Tworzenie klas postaci (2-SVM)
Wykorzystanie LSVM – Linear
Support Vector Machine
(Liniowa Metoda Wektorów
Nośnych)
Wydzielenie klas postaci
Oszacowanie błędu granicy
Podzielenie obszarów
Sprawdzenie poprawności
założenia błędu
akceptacja
Ogólne założenie:
Szerszy margines →lepsze własności
generalizacji, mniejsza podatność na
ew. przeuczenie (overfitting)
Wąski margines → mała zmiana
granicy, radykalne zmiany
klasyfikacji
Wybieramy szerszy margines:
Funkcja zmieniająca margines (max)
Różne sposoby wyznaczania najlepszej oceny różnic klas:
Z góry do dołu
Z dołu do góry
Każdy z każdym
W praktyce:
Krótki przykład (gry zespołowe)
3 etapy:
Detection – detekcja ludzi /
elementów
Tracking – śledzenie ich na tle
Identifiaction – określanie cech
szczególnych i identyfikacja
detekcja
śledzenie
identyfikac
ja
Co dalej?
Rozpoznajemy osoby
Potrafimy je śledzić
Odróżniamy indywidualne cechy
Krok dalej…
Rozpoznanie „posiadanych” rzeczy
Rozpoznanie piłki w grach
zespołowych
Charakterystyka szukanego elementu
Utworzenie wektora zmiennych dla
danego obrazu
Sprecyzowanie dokładności
wyszukiwanego elementu (wartość
błędu algorytmu)
Namierzenie i śledzenie przedmiotu
piłka
Jak to wykorzystać?
Rozpoznanie ludzi wchodzących do budynku
Śledzenie ich na kamerach
pięter/pomieszczeń
Sprawdzenie nieprzewidzianych osób
O czym na następnej prezentacji?
Opis wzorów użytych przy algorytmie
Obliczenie i wybór kryteriów SVM
Zastosowanie algorytmów:
Kampus, budynek, pomieszczenie
Kilka słów o RGB (kinect, asus xlive
pro)
Przykładowe filmy obrazujące działanie
algorytmu