Embed Size (px)
DESCRIPTION
Apresentão PDI - 15/11/2012
Citation preview
Diferentes técnicas para a detecção de peões em vídeo
Introdução
● Procuramos investigar soluções e técnicas para a detecção de peões;
● Podemos usar estas técnicas para vídeo vigilância, robótica e tracking de jogadores de jogos de equipa;
● Difícil de fazer devido a questões de aparência, luminosidade e articulações;
1. Sistemas existentes
● 2 tipos de métodos:– Detecção por partes;– Detecção do corpo inteiro;
1.1. Detecção partes
● Rosto é uma característica que se destinge facilmente;
● Reconhecimento de faces encontra-se em fase avançada;
● Problemas: imagem nem sempre esta visível;● Algoritmos: Viola e Jonas (derivados do
método de Haar);
● Detecta diferentes partes do corpo;– Cabeça;– Braços;– Pernas;
● Analisa depois tamanho e distancia relativa gerando um resultado;
1.2. Detecção corpo inteiro
● Papgeorgiou e Poggio usaram representações baseadas em Haar juntamente com o polinómio SVM;
● Algoritmos: Gavrila e Philomin (comparação de contornos);
● Dalal e Triggs usaram uma densa representação de Histogramas Orientados a Gradientes (HoG) para obter sucesso na representação dos objetos;
1.4. Comparação entre algoritmos
Algoritmo Conjunto de
Recursos
Aplicação Taxa de retenção (falsos
positivos)
Taxa de Frames
Tamanho de janela
Tamanho de
Imagem
Gravrila Modelos de formas
e transformação de
distâncias
Reconhecimento de peões por
carros
87% (3.58 por
imagem)
7-15 fps (P4-2.5G
Hz)
140 pixéis altura (max)
N/A
Viola Características de ar e padrões
de moviment
o
Vigilância de ruas
80% (0,5 por
imagem)
4 fps (P4-2.8G
Hz)
20 x 15 pixels
N/A
Zhu Histograma de
gradientes orientados
(HoG)
Detecção de peões em geral
88% (1,25 por
imagem)
18 fps (N/A)
64 x 128 pixels
320 x 240
1.4. Comparação entre algoritmos
Algoritmo Conjunto de
Recursos
Aplicação Taxa de retenção (falsos
positivos)
Taxa de Frames
Tamanho de janela
Tamanho de
Imagem
Mohan Detenção de
componentes e
relação de distâncias
Detecção de peões em geral
85% (6 x 10-4
FRPW)
N/A 64 x 128 pixels
N/A
Zhang Combinação de
contornos e HoG
Vigilância de ruas
80% (2,5 por
imagem)
N/A 24 x 58 pixels
N/A
Alonso Combina diferentes características como
os contornos
HoG e Haar
Reconhecimento de peões por
carros
85% (0,008 FFPW)
20 fps (P4-2.4G
Hz)
N/A 320 x 240
1.5. Análise comparação algoritmos
● Técnicas baseadas em HoG são mais eficazes;
● Técnica que analisaremos;
2. Técnicas baseadas em HoG
2.1. Algoritmo Dalal-Triggs
● Cada janela de detecção é dividida em células de 8x8 px;
● Cada grupo de células 2 x 2 é de forma deslizante integrado num único bloco;
● Blocos ficam sobrepostos;
● Cada célula consiste numa matriz de 9 canais que armazenam o Histograma Orientado a Gradientes;
● Cada bloco contem um vector concatenado de todas as suas células;
● Cada célula é representada por um vector de 36 características normalizado;
● Cada janela de detecção de tamanho 64 x 128 é representada sobre a forma de 7 x 15 blocos dando um total de 3780 características por janela;
2.2. Algoritmo de Zhu
● Baseado no anterior;
● Foram integrados classificadores estruturais em cascata;
● Estas alterações permitem aumentar a velocidade de processamento da detecção de formas humanas e manter uma boa performance;
2.3. Vídeo Exemplo
http://www.youtube.com/watch?v=PyNGX74IPV8
3. Desafios de implementação
● Principal desafio para a implementação deste tipo de algoritmos:– recorrer à câmara do nosso computador, a taxa de
detecção dos algoritmos rondar os 20 frames por segundo, o que é muito baixo para os efeitos pretendidos;
● Melhoria do processo: tornar os algoritmos mais rápidos e mais leves para o computador.
4. Outras técnicas utilizadas
● Métodos anteriormente implementados utilizando uma simples câmara;
● Durante a pesquisa foram analisadas outras técnicas que não foram abordadas devido a não se poder aceder a todo o material necessário:– Câmaras de infravermelho;– Câmaras stereo.
● Detecção de passadeiras;
