Követés (számítógépes grafika)
A követés egy mozgó objektum (több objektum) helyének időbeni kamera segítségével történő meghatározása. Az algoritmus elemzi a videokockákat , és kiadja a mozgó célpontok helyzetét a képkockához képest.
A követés fő problémája a célobjektum pozícióinak egyezése a képkockák sorozatában, különösen, ha az objektum gyorsan mozog a képkockasebességhez képest . Így a nyomkövető rendszerek jellemzően olyan mozgásmodellt használnak, amely leírja, hogy a célobjektum képe hogyan változhat mindenféle mozgással.
Példák az ilyen egyszerű mozgásmintákra:
- lapos tárgyak követése, mozgásmodell - egy tárgy képének (például az eredeti keret) 2D-s transzformációja ( affin transzformáció vagy homográfia)
- ha a cél egy merev 3D objektum, a mozgásmodell a nézetet a térben elfoglalt helyzete és tájolása alapján határozza meg.
- videotömörítéshez a kulcskockákat (kulcskockákat) makroblokkra (makroblokkra) osztják. A mozgásmodell egy kulcskeret-törés, ahol minden makroblokkot a mozgásparaméterekből nyert mozgásvektor segítségével transzformálunk.
- a deformálható tárgy képe hálóval (hálóval) borítható, a tárgy mozgását ennek a hálónak a csúcsainak helyzete adja
A nyomkövető algoritmus fő feladata a videokockák szekvenciális elemzése a mozgási paraméterek becslése érdekében. Ezek a paraméterek a célobjektum helyzetét jellemzik.
Alapvető algoritmusok [1]
A vizuális megfigyelő (követő) rendszer két fő részből áll:
- A célobjektum ábrázolása és lokalizálása ( Célábrázolás és lokalizáció )
- Szűrés és adattársítás ( Szűrés és adattársítás )
A célobjektum ábrázolása és lokalizálása többnyire alulról építkező folyamat, azaz. szekvenciális és az azt követő lépések nem érintik az előzőeket. Általában ezeknek az algoritmusoknak a számítási bonyolultsága meglehetősen kicsi. Íme néhány szabványos célobjektum-ábrázolási és lokalizációs algoritmus :
- Blobkövetés : egy objektum belsejének szegmentálása (például blob-észlelés, blokkalapú korreláció vagy optikai áramlás)
- Kernel alapú követés (Mean-shift követés): A hasonlósági kritérium (Bhattacharyya együttható) maximalizálásán alapuló iteratív lokalizációs eljárás.
- Kontúrkövetés : Egy objektum határvonalának megtalálása (pl. aktív kontúrok vagy kondenzációs algoritmus)
- Vizuális jellemzők illesztése: Képregisztráció
- Pontjellemzők követése [2] : A probléma a következőképpen fogalmazódik meg - adott jelenet képsorozata, amelyet mozgó vagy álló kamerából nyerünk. Minden képkockában meg kell szerezni a jelenet egyes pontjainak vetítési koordinátáinak lehető legpontosabb sorozatát.
Az adatok szűrése és kombinálása egy többnyire felülről lefelé irányuló folyamat, amely magában foglalja a jelenettel vagy objektummal kapcsolatos, az objektum dinamikájával kapcsolatos előzetes információk kombinálását és különféle hipotézisek kiszámítását. Ezeknek az algoritmusoknak a számítási bonyolultsága általában sokkal nagyobb. Íme néhány szabványos szűrési algoritmus [3] :
- Kalman-szűrő : optimális rekurzív (Bayes-szűrő) a Gauss-zajnak kitett lineáris függvényekhez.
- Részecskeszűrő : nemlineáris és nem Gauss-folyamatok eloszlásának mögöttes állapotterének mintavételezésére használható.
Lásd még
Jegyzetek
- ↑ Alper Yilmaz, Omar Javed és Mubarak Shah, "Object Tracking: A Survey", ACM Journal of Computing Surveys, 2006. december.
- ↑ CGM-cikk "Pont jellemzőkövetés" (holt link) . Letöltve: 2010. május 17. Az eredetiből archiválva : 2012. május 23.. (határozatlan)
- ↑ M. Arulampalam, S. Maskell, N. Gordon és T. Clapp, "A Tutorial on Particle Filters for Online Nonlinear/Non-Gaussian Bayesian Tracking", IEEE Trans. on Signal Processing, Vol. 50, sz. február 2 2002.
Linkek