undersea computer vision methods
play

undersea computer vision methods Lynda Hardman CWI (Centrum - PowerPoint PPT Presentation

Fish4Knowledge Large scale coral reef fish monitoring using undersea computer vision methods Lynda Hardman CWI (Centrum Wiskunde & InformaBca), Amsterdam, NL


  1. Fish4Knowledge ¡ Large ¡scale ¡coral ¡reef ¡fish ¡monitoring ¡using ¡ undersea ¡computer ¡vision ¡methods ¡ Lynda ¡Hardman ¡ CWI ¡(Centrum ¡Wiskunde ¡& ¡InformaBca), ¡Amsterdam, ¡NL ¡ Centre ¡for ¡MathemaBcs ¡& ¡Computer ¡Science ¡

  2. THE FISH4KNOWLEDGE PROJECT 1. Collec(ng ¡Video ¡Data ¡ CollecBng ¡videos ¡ • DetecBng ¡fish ¡ • Recognizing ¡fish ¡species ¡ • Recognizing ¡fish ¡behaviors ¡ • EvaluaBng ¡video ¡analysis ¡accuracy ¡ • 2. ¡Exploring ¡Video ¡Data ¡ Exploring ¡fish ¡counts ¡ • InvesBgaBng ¡species ¡composiBon ¡ • Checking ¡potenBal ¡biases ¡ • fish4knowledge.eu ¡ 2 ¡

  3. THE FISH4KNOWLEDGE PROJECT 1. Collec(ng ¡Video ¡Data ¡ CollecBng ¡videos ¡ • DetecBng ¡fish ¡ • Recognizing ¡fish ¡species ¡ • Recognizing ¡fish ¡behaviors ¡ • EvaluaBng ¡video ¡analysis ¡accuracy ¡ • 2. ¡Exploring ¡Video ¡Data ¡ Exploring ¡fish ¡counts ¡ • InvesBgaBng ¡species ¡composiBon ¡ • Checking ¡potenBal ¡biases ¡ • fish4knowledge.eu ¡ 3 ¡

  4. COLLECTING VIDEO DATA  Mul(ple ¡video ¡streams : ¡9 ¡Cameras, ¡>20,000 ¡hours ¡of ¡videos ¡ (Dec. ¡2012) ¡  Terabyte-­‑scale ¡data ¡pla@orm ¡  High-­‑performance ¡servers ¡for ¡data ¡access ¡ ¡ fish4knowledge.eu ¡ 4 ¡

  5. DETECTING FISH  Detec(on ¡of ¡fish ¡in ¡each ¡frame ¡ ¡  Descrip(on ¡of ¡fish ¡contour, ¡color, ¡texture... ¡ (>30 ¡features) ¡  Tracking ¡of ¡single ¡fish ¡over ¡several ¡frames ¡  Handling ¡par(al ¡and ¡total ¡occlusions ¡  Over ¡400 ¡million ¡fish ¡detec(ons ¡ ¡ fish4knowledge.eu ¡ 5 ¡

  6. RECOGNIZING FISH SPECIES  Detec(on ¡of ¡body ¡parts ¡ (head, ¡tail…) ¡  Construc(on ¡of ¡a ¡fish ¡model ¡for ¡each ¡species ¡  15 ¡species ¡detected ¡(96% ¡of ¡total ¡number ¡of ¡fish) ¡

  7. RECOGNIZING FISH BEHAVIORS Fish ¡Trajectories ¡ DescripBon ¡of ¡scene’s ¡background ¡  Detec(on ¡of ¡behaviors ¡by ¡analyzing ¡trajectories ¡  Rela(on ¡to ¡background ¡objects ¡(feeding, ¡hiding…) ¡  Rela(on ¡to ¡other ¡fish ¡(pairing, ¡grouping, ¡solitary…) ¡

  8. THE FISH4KNOWLEDGE PROJECT 1. Collec(ng ¡Video ¡Data ¡ CollecBng ¡videos ¡ • DetecBng ¡fish ¡ • Recognizing ¡fish ¡species ¡ • Recognizing ¡fish ¡behaviors ¡ • EvaluaBng ¡video ¡analysis ¡accuracy ¡ • 2. ¡Exploring ¡Video ¡Data ¡ Exploring ¡fish ¡counts ¡ • InvesBgaBng ¡species ¡composiBon ¡ • Checking ¡potenBal ¡biases ¡ • fish4knowledge.eu ¡ 8 ¡

  9. EVALUATING VIDEO ANALYSIS ACCURACY  Comparison ¡with ¡manual ¡detec(ons ¡by ¡experts ¡  Fish ¡detec(on ¡game ¡to ¡encourage ¡crowd ¡sourcing ¡ fish4knowledge.eu ¡ 9 ¡

  10. EVALUATING VIDEO ANALYSIS ACCURACY Score ¡> ¡0.2 ¡ Score ¡> ¡0.4 ¡ Score ¡> ¡0.5 ¡ Score ¡> ¡0.6 ¡ Score ¡> ¡0.8 ¡ Certainty ¡Score : ¡ 0.4 ¡ Certainty ¡Score : ¡ 0.6 ¡ Fish ¡Counts ¡for ¡5 ¡Certainty ¡Score ¡Thresholds ¡ Certainty ¡Score : ¡ 0.75 ¡ Certainty ¡Score : ¡ 0.9 ¡  Certainty ¡Scores ¡indicate ¡the ¡quality ¡of ¡each ¡detec(on ¡  These ¡can ¡be ¡used ¡to ¡filter ¡out ¡low-­‑quality ¡fish ¡

  11. THE FISH4KNOWLEDGE PROJECT 1. Collec(ng ¡Video ¡Data ¡ CollecBng ¡videos ¡ • DetecBng ¡fish ¡ • Recognizing ¡fish ¡species ¡ • Recognizing ¡fish ¡behaviors ¡ • EvaluaBng ¡video ¡analysis ¡accuracy ¡ • 2. ¡Exploring ¡Video ¡Data ¡ Exploring ¡fish ¡counts ¡ • InvesBgaBng ¡species ¡composiBon ¡ • Checking ¡potenBal ¡biases ¡ • fish4knowledge.eu ¡ 11 ¡

  12. ABUNDANCE OF DASCYLLUS RETICULATUS

  13. ABUNDANCE OF DASCYLLUS RETICULATUS

  14. THE FISH4KNOWLEDGE PROJECT 1. Collec(ng ¡Video ¡Data ¡ CollecBng ¡videos ¡ • DetecBng ¡fish ¡ • Recognizing ¡fish ¡species ¡ • Recognizing ¡fish ¡behaviors ¡ • EvaluaBng ¡video ¡analysis ¡accuracy ¡ • 2. ¡Exploring ¡Video ¡Data ¡ Exploring ¡fish ¡counts ¡ • InvesBgaBng ¡species ¡composiBon ¡ • Checking ¡potenBal ¡biases ¡ • fish4knowledge.eu ¡ 14 ¡

  15. SPECIES COMPOSITION DEPENDS ON LOCATION

  16. Amphiprion ¡clarkii , ¡Camera ¡ 38 ¡ Plectroglyphidodon ¡dickii , ¡Camera ¡ 39 ¡

  17. SPECIES COMPOSITION DEPENDS ON LOCATION

  18. THE FISH4KNOWLEDGE PROJECT 1. Collec(ng ¡Video ¡Data ¡ CollecBng ¡videos ¡ • DetecBng ¡fish ¡ • Recognizing ¡fish ¡species ¡ • Recognizing ¡fish ¡behaviors ¡ • EvaluaBng ¡video ¡analysis ¡accuracy ¡ • 2. ¡Exploring ¡Video ¡Data ¡ Exploring ¡fish ¡counts ¡ • InvesBgaBng ¡species ¡composiBon ¡ • Checking ¡potenBal ¡biases ¡ • fish4knowledge.eu ¡ 18 ¡

  19. SPECIES COMPOSITION DEPENDS ON LOCATION Plectroglyphidodon ¡dickii , ¡Camera ¡ 38 ¡ Amphiprion ¡clarkii , ¡Camera ¡ 38 ¡ Plectroglyphidodon ¡dickii , ¡Camera ¡ 39 ¡ Amphiprion ¡clarkii , ¡Camera ¡ 39 ¡

  20. THE FISH4KNOWLEDGE PROJECT h\p://fish4knowledge.eu/people.htm ¡ ¡ ¡ ¡University ¡of ¡Edinburgh ¡(United ¡Kingdom) ¡ ¡  ¡ ¡ ¡Università ¡di ¡Catania ¡(Italy) ¡  ¡ ¡ ¡Centrum ¡Wiskunde ¡& ¡Informa(ca ¡(Netherlands) ¡  ¡ ¡ ¡Na(onal ¡Applied ¡Research ¡Laboratories ¡(Taiwan) ¡  fish4knowledge.eu ¡ 20 ¡

Recommend


More recommend