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