Обзор методов поиска и сопровождения особых точек Моисейцев Алексей Video Group CS MSU Graphics & Media Lab
Only for Maxus Содержание Введение KLT IPAN Particle Video 2 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus Введение Задача: Сопоставить каждому трехмерному объекту сцены набор точек, неподвижных относительно объекта, и отслеживать траектории этих точек. Применение: Определение траекторий движения отдельных объектов Восстановление движения камеры Выделение информации о перспективе в сцене 3 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus Введение Точечная особенность – точка сцены, окрестность которой можно отличить от всех окрестностей соседних точек сцены. Траектория – последовательность координат точечной особенности в видео. 4 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus Введение 5 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus Введение 6 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus Содержание Введение KLT IPAN Particle Video 7 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus KLT (Kanade-Lucas-Tomasi) Модель движения - вектор смещения Аффинная модель движения: 8 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Нахождение параметров движения Минимизация функции W – окно w(x) – весовая функция – предыдущий кадр I – следующий кадр J 9 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Линейная модель Симметричная запись: Линеаризация: Условие 10 CS MSU Graphics & Media Lab (Video Group) Derivation of Kanade-Lucas-Tomasi Tracking Equation, Stan Birchfield, 1997
Only for Maxus KLT Линейная модель Производная ошибки: Условие минимума: 11 CS MSU Graphics & Media Lab (Video Group) Derivation of Kanade-Lucas-Tomasi Tracking Equation, Stan Birchfield, 1997
Only for Maxus KLT Линейная модель Окончательный вид уравнения: Запись в виде СЛАУ: 12 CS MSU Graphics & Media Lab (Video Group) Derivation of Kanade-Lucas-Tomasi Tracking Equation, Stan Birchfield, 1997
Only for Maxus KLT Нахождение параметров движения Решение СЛАУ: - искомое решение 13 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Нахождение параметров движения 14 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Нахождение параметров движения Уравнение T z = a дает лишь приближенную оценку на величину смещения d Решение: Необходимо делать несколько итераций! 15 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Итеративное решение J I итерация 1 16 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus KLT Итеративное решение J I итерация 2 17 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus KLT Итеративное решение J I итерация 3 18 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus KLT Итеративное решение Ошибки в D приводят к ошибкам в оценке величины смещения d Можно искать корни уравнения Z d = e Аффинные преобразования можно заменить историей областей 19 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus KLT Выбор особенностей Выбор текстурированных областей или областей с уголками не гарантирует возможность их отслеживания Для решения уравнения желательно иметь хорошо обусловленную матрицу Z 20 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Выбор особенностей λ 1 , λ 2 – собственные значения Z λ 1 , λ 2 < λ th – гладкие области λ 1 < λ th < λ 2 – границы λ th < λ 1 , λ 2 – углы 21 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Пример работы оригинальное 4- я итерация 8- я итерация 19- я итерация целевое изображение изображение 22 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Пример работы различие d error , A error , d, A, ошибка ошибка смешение деформация смещения деформации 23 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Пример работы различие d, A, смешение деформация 24 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Пример работы 25 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Пример работы 26 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Пример работы 27 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Пример работы # кадра 28 Good Features to Track, Jianbo Shi, Carlo Tomasi, CS MSU Graphics & Media Lab (Video Group) IEEE Conference on Computer Vision and Pattern Recognition, 1994
Only for Maxus KLT Достоинства Учет аффинных преобразований GPU- реализации Недостатки Подвержен накоплениям ошибок 29 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus Содержание Введение KLT IPAN Particle Video 30 30 30 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus IPAN Недостаток предыдущего метода: Точки могут перекрываться, что приводит к разрыву траекторий Предположения: Неразличимость точек Гладкое движение Ограниченная скорость Короткие по времени перекрытия 31 Feature Point Tracking for Incomplete Trajectories, D. Chetverikov, J. CS MSU Graphics & Media Lab (Video Group) Verestói , 1998, International Conf. on Pattern Recognition
Only for Maxus Неразличимость точек 32 CS MSU Graphics & Media Lab (Video Group)
Only for Maxus IPAN Обработка Инициализация Постобработка особенностей 33 Feature Point Tracking for Incomplete Trajectories, D. Chetverikov, J. CS MSU Graphics & Media Lab (Video Group) Verestói , 1998, International Conf. on Pattern Recognition
Recommend
More recommend