Detecção de Movimento

Usando contornos ativos para detectar movimento

http://www.cin.ufpe.br/~mfv/motion

Equipe:

Mauro Florêncio Vieira – líder Rodrigo Queiroz da Costa Lima Silvana Corrêa da Silva Talita Rodrigues de Menezes

Motivação

Segurança: Detecção de movimento em imagens de câmeras

de vigilância

Robótica: Identificação de possíveis obstáculos móveis

Compressão de vídeos: MPEG-4

Antecedentes

A Multi-body Factorization Method for Motion Analysis detecção de múltiplos objetos baseia-se na forma dos objetos detecção do objeto em movimento sem calcular

sua forma explicitamente independe do número de objetos em movimento

Antecedentes (cont.)

Moving object segmentation algorithm for Human-like Visual System Sistema Visual Humano (HVS) é o melhor

mecanismo de segmentação de objetos móveis conhecido

é mais sensível acormovimento

Antecedentes (cont.)

Partes estáticas do objeto podem não ser detectadas

Proposta

Ferramenta para detecção automática de movimento em vídeos no formato AVI

Múltiplos objetos móveis são destacados do background

Técnicas Utilizadas

Detecção de movimento em imagens baseada em tensor Vídeo representado como um volume

tridimensional (escalar X escalar X temporal) Movimento estimado pela análise de estruturas

locais de valores de cinza Contorno ativo geodésico dirigido a tensor

Permite flexibilidade topológica

Exemplo

Cronograma

29/01/2002 - 15/02/2002 – Estudo/Pesquisa 18/02/2002 - 22/02/2002 – Análise/Design do

sistema 25/02/2002 - 29/03/2002 – Implementação/Redação

do Relatório 01/04/2002 - 08/04/2002 – Teste/Validação/Ajustes

Finais/Redação do Relatório

Resultados Esperados

Adquirir conhecimentos de implementação de uma técnica de detecção de movimento e Snakes

Desenvolvimento de uma ferramenta, em Java, para detecção automática de movimento

Entrada: arquivo AVI Filmado a partir de uma câmera em preto-e-branco

estática

Saída: imagem com objetos móveis contornados

Referências

[1] A. Dumitras & A. N. Venetsanopoulos, "A comparative study of snake models with application to object shape description in bi-level and gray-level images", Proc. of IEEE-EURASIP Workshop on Nonlinear Signal and Image Processing, Baltimore, USA, June 3-6, 2001

[2] G. Kühne, J. Weickert, O. Schuster & S. Richter, "A tensor-driven active contour model for moving object segmentation", Proc. 2001 IEEE International Conference on Image Processing (ICIP-01, Thessaloniki, Oct. 2001), Vol. 2, 73-76, 2001

Referências (cont.)

[3] J. Costeira & T. Kanade, "A Multi-body Factorization Method for Motion Analysis", http://www.ri.cmu.edu/pubs/pub_2097.html

(29/01/2002). [4] G. Kühne, S. Richter & M. Beier, “Motion-

based Segmentation and Contour-based Classification of Video Objects”, http://www1.acm.org/sigs/sigmm/MM2001/ep/kuehne/(29/01/2002).

Referências (cont.)

[5] Kuk-Jin Yoon & In-So Keon, “Moving Object Segmentation Algorithm for Human-Like Vision System”, Human-friendly Welfare Robot System 2000.