بخشی از پاورپوینت
اسلاید 1 :
بینایی کامپیوتری
آنالیز حرکت
اسلاید 2 :
مقدمه
آنالیز حرکت در سالهای اخیر کاربردهای متعددی پیدا کرده است.
بکارگیری تعداد بیشمار دوربینهای نظارت تصویری باعث شده که خودکارسازی استفاده از این تصاویر مورد توجه باشد (به ازای هر 100 نفر در آمریکا 15.28، در چین 14.36 و در انگلیس 7.5 دوربین نظارت تصویری نصب است))
کاربردهایی از آنالیز حرکت
کاربردهای نظارتی چون آشکارسازی و ردیابی صورت، افراد پیاده و خودروها
فشردهسازی ویدیو مبتنی بر اشیا
سیستمهای دستیار راننده
خودروهای خودران
حرکت روبات
واسطهای کاربر
برخی مسایل در آنالیز حرکت
بدست آوردن اطلاعاتی در باره اشیای متحرک و ساکن در صحنه
استخراج اطلاعات سه بعدی صحنه و تفاوت در عمق نقاط بر اساس حرکت
اسلاید 3 :
مقدمه
ورودی به یک سیستم آنالیز حرکت: رشتهای از تصاویر
فرضیاتی که به سادهسازی مساله کمک میکند
دانش قبلی نسبت به موضوع
دوربین متحرکت است یا ساکن
فاصله زمانی در رشته تصاویر چقدر است
اسلاید 4 :
مسایل مرتبط با حرکت
آشکارسازی حرکت
آشکارسازی و تعیین محل جسم متحرک
با دوربین ساکن و یا دوربین متحرک
بدست آوردن مسیر حرکت (Trajectory) جسم متحرک
استخراج اطلاعات سه بعدی از رشته تصاویر دوبعدی
اسلاید 5 :
یک سیستم آشکارساز حرکت
اسلاید 6 :
روشهای آنالیز حرکت مبتنی بر تفاضل فریم
با فرض ساکن بودن دوربین و عدم تغییر نورپردازی، تفاوت بین فریمها بیانگر وجود حرکت در تصویر است
اسلاید 7 :
روشهای آنالیز حرکت مبتنی بر تفاضل فریم
اسلاید 8 :
روشهای آنالیز حرکت مبتنی بر تفاضل فریم
فریم 1
فریم 5
فریم 2
تفاضل فریم 1 و 2 (برای رویت بهتر معکوس شده)
اسلاید 9 :
روشهای آنالیز حرکت مبتنی بر تفاضل فریم
حالتهای مختلفی که می تواند موجب 1 شدن d شود:
f1 متعلق به شیء متحرک و f2 متعلق به زمینه ساکن است (و برعکس)
f1 متعلق به شیء متحرک و f2 نیز متعلق به شیء متحرکی دیگر است
f1 متعلق به شیء متحرک و f2 متعلق به بخشی دیگر از همان شیء متحرک است
نویز و یا عدم دقت در سکون دوربین و .
خطای سیستم ناشی از حالت چهارم بایستی حذف شود (یک روش ساده استفاده از آستانه مناسب است)
اسلاید 10 :
روشهای آنالیز حرکت مبتنی بر تفاضل فریم
حل مشکل ظهور مضاعف در حاصل تفاضل
اسلاید 11 :
روشهای آنالیز حرکت مبتنی بر تفاضل زمینه
اگر تصویری از یک صحنه ساکن در اختیار داشته باشیم که شامل فقط اشیای ساکن باشد، و این تصویر را به عنوان تصویر مرجع در نظر بگیریم، تفاضل فریم تمام اشیای ساکن را حذف میکند.
مساله اصلی در این روش عدم امکان گرفتن تصویر ساکن مرجع است. در این حال بایستی یک مرحله یادگیری برای ساختن تصویر مرجع داشته باشیم
سادهترین روش استفاده این است که اشیای متحرک در نواحی غیرمتحرک زمینه در تصویری دیگر آشکار شود.
برخی مشکلات
برای یک ناحیه متحرک یکنواخت (مثلاً مستطیلی که در جهت افق حرکت می کند)، فقط دو طرف ناحیه متحرک آشکار می شود
اسلاید 12 :
روشهای آنالیز حرکت مبتنی بر تفاضل زمینه
با فرض ساکن بودن دوربین و عدم تغییر نورپردازی، تفاوت بین زمینه و فریم جاری بیانگر وجود حرکت در تصویر است
اسلاید 13 :
روشهای آنالیز حرکت مبتنی بر تفاضل زمینه
برخی مشکلات
این روش در شرایط وقوع تغییر روشنایی، حرکات غیر مهم (مانند حرکت برگ درختان متاثر از باد، انعکاس نور خورشید از روی خودرو و یا آب و .) دچار مشکل میشود
اسلاید 14 :
روشهای آنالیز حرکت مبتنی بر تفاضل زمینه
برخی مشکلات
حرکت و لرزش دوربین
اسلاید 15 :
روشهای آنالیز حرکت مبتنی بر تفاضل زمینه
برخی مشکلات
نیاز به بروزرسانی زمینه
اسلاید 16 :
روشهای آنالیز حرکت مبتنی بر تفاضل زمینه
مدل سازی زمینه
با استفاده از یک فیلتر میانگینگیر ساده
فیلتر IIR
فیلتر FIR
استفاده از فیلتر میانه
اسلاید 17 :
روشهای آنالیز حرکت مبتنی بر تفاضل زمینه
مدل سازی زمینه
اسلاید 18 :
روشهای آنالیز حرکت مبتنی بر تفاضل زمینه
مدل سازی زمینه
استفاده از یک مدل گوسی برای پیکسلها: در این شیوه هر پیکسل زمینه با یک مدل گاوسی تخمین زده می شود. سپس میانگین و واریانس هر پیکسل در یک دوره زمانی محاسبه می گردد. در صورتی که فاصله مقدار یک پیکسل از میانگین، کمتر از ضریبی از ریشه دوم واریانس باشد، آن نقطه به عنوان زمینه در نظر گرفته می شود. روش
محاسبه میانگین و واریانس:
اسلاید 19 :
روشهای آنالیز حرکت مبتنی بر تفاضل
آنالیز حرکت مبتنی بر تفاضل مسیر حرکت را نمیدهد
آنالیز حرکت با استفاده از الگوهای زمانی - مکانی
در صورت نیاز به جهت حرکت، استفاده از تصویر انباشت تفاضل (Cumulative Difference) مفید است
ak درجه اهمیت تصویر در رشته تصویر n تایی است
تصویر انباشت تفاضل در یک رشته 5 تصویری (برای رویت بهتر معکوس شده)
اسلاید 20 :
روشهای آنالیز حرکت مبتنی بر تفاضل
آنالیز حرکت با استفاده از الگوهای زمانی – مکانی (ادامه)
با استفاده از Accumulative Difference Image (ADI)
دنباله ای از فریم های را در نظر بگیرید. اگر به عنوان مدلی از زمینه باشد، در این صورت ADI بر اساس رشته تصاویر و تصویر زمینه به سه شکل مطلق، مثبت و منفی و به صورت زیر می تواند تولید شود:
