La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

L4 Tecniche di Background Subtraction Corso di Visione Artificiale Ing. Luca Mazzei.

Presentazioni simili


Presentazione sul tema: "L4 Tecniche di Background Subtraction Corso di Visione Artificiale Ing. Luca Mazzei."— Transcript della presentazione:

1 L4 Tecniche di Background Subtraction Corso di Visione Artificiale Ing. Luca Mazzei

2 Background Subtraction n Insieme di tecniche per separare in unimmagine lo sfondo dagli oggetti interessanti n Sfondo, Background: parte statica n Foreground: parte di interesse AA 2009/2010 Visione Artificiale 2

3 Background subtraction AA 2009/2010 Visione Artificiale 3 input image background image blob image

4 Background Subtraction n Scenario: camera fissa n Foreground = Frame – Background n Necessario impostare il metodo di estrazione del background e del foreground n Operazioni sui pixel AA 2009/2010 Visione Artificiale 4

5 Problematiche n Cambiamenti illuminazione – Graduali (ombre sole su strada) – Improvvise (nuvole) n Cambiamenti da movimento – Oscillazioni camera – Oggetti nel bg con movimenti (fronde, onde) n Cambiamenti nella geometria – Oggetti, auto parcheggiate … AA 2009/2010 Visione Artificiale 5

6 Foreground n La parte in movimento dellimmagine n Regione di interesse n Bounding bounding box, blob, cluster, ellissi, centroidi – baricentri geometici AA 2009/2010 Visione Artificiale 6 Blob Bounding BoxCluster

7 Foreground AA 2009/2010 Visione Artificiale 7 Blob Ellissoide Bounding Box Baricentro Centro di massa Input image

8 Blob extraction n Considerare una classe per i blob con oggetti membri: n Bounding box rettangolare n Ellissoide n Centroide n Blob con i punti appartenenti AA 2009/2010 Visione Artificiale 8

9 Metodi base n Differenza di frame n Media n Running Average n Istogrammi n Selectivity AA 2009/2010 Visione Artificiale 9

10 Differenza di frame n Sfondo stimato è il frame precedente n Funziona solo sotto certe condizioni di velocità e frame rate n Molto dipendente dalla soglia Th AA 2009/2010 Visione Artificiale 10

11 Media (Average o Median) n Si calcola la media, o la mediana, degli ultimi n frame n Richiesta di memoria alta n Si può ottimizzare a n Il calcolo va fatto per ogni pixel del frame AA 2009/2010 Visione Artificiale 11

12 Running Average n Ho una media pesata dei pixel n Alpha, learning rate tipicamente 0.05 n Poca occupazione di memoria, veloce AA 2009/2010 Visione Artificiale 12

13 Istogrammi n Calcoli istogrammi del valore rgb di ogni pixel nel tempo n Utile per calcolare una soglia n Se ho piu picchi non funziona AA 2009/2010 Visione Artificiale 13

14 Selectivity n Utile se ho oggetti in movimento n Classifica foreground e background per aggiornamento background n formula AA 2009/2010 Visione Artificiale 14

15 Limiti dei metodi base n Si basano solo sulla storia di un pixel singolo n Non utilizzano informazioni spaziali n Difficile settare e trovare la soglia AA 2009/2010 Visione Artificiale 15

16 Metodi avanzati n Incrementano le prestazioni dei metodi base n Coinvolgono informazioni spaziali n Utilizzano considerazioni statistiche AA 2009/2010 Visione Artificiale 16

17 Metodi avanzati (solo nomi) n Running gaussian average n Mixture of gaussian n Kernel density estimator n Mean shift based estimator n Eigenbackgrounds AA 2009/2010 Visione Artificiale 17

18 Assegnamento n Realizzare unapplicazione in GOLD che mostri i metodi base di background subtraction, con alcune statistiche. n Nome applicazione: Matricola_Cognome n Le statistiche si possono ottenere con i cronometri ed il profiler AA 2009/2010 Visione Artificiale 18

19 Assegnamento Input n Filmato camera fissa colori ambiente stradale outdoor (Controllo Traffico) n Filmato camera fissa zenitale colori indoor (Controllo Accesso Laboratorio) n I filmati si trovano nella cartella in cui si dovrà caricare lassegnamento AA 2009/2010 Visione Artificiale 19

20 Assegnamento Output n Immagine di input n Immagine background n Immagine foreground con blob, bounding box n Immagine di output con blob e bounding box n Statistiche sui tempi di calcolo (timer nel profiler di GOLD) AA 2009/2010 Visione Artificiale 20

21 Assegnamento n Labeling per blob e differenza dallesercitazione precedente (flood fill) n Possibilità di scegliere output, le soglie, eventualmente anche tipologia background da calcolare n Scelta del tipo di foreground da visualizzare in output n Progettare il codice modularmente n Provare ad utilizzare file.ini dellapplicazione AA 2009/2010 Visione Artificiale 21


Scaricare ppt "L4 Tecniche di Background Subtraction Corso di Visione Artificiale Ing. Luca Mazzei."

Presentazioni simili


Annunci Google