Rastreamento de Múltiplos Objetos utilizando uma

Combinação de Filtros de Partículas e K-Médias

Dr. Hemerson PistoriUniversidade Católica Dom Bosco – UCDB

Outubro, 2007

Sumário

– Contexto e Aplicações– Arquitetura de um sistema de

visão computacional– Rastreamento– Filtros Preditivos e Filtros de

Partículas– Filtros de Partículas + K-Means– Experimentos e Resultados– Conclusões

Visão Geral

InteligênciaArtificial

ProcessamentoDigital deImagens

Visão Computacional

(VC)

AprendizagemAutomática

ComputaçãoGráfica

Reconhecimentode Padrões (RP)

RP: Identificação ou classificação de “objetos” ou “coisas”(Faces, expressões, voz, sons, bases, comportamento, textos, etc)

VC: Interpretação e reação a partir de imagens(Filmes, fotos, imagens de satélite, raio-x, tomografia, etc)

Classificação de Couro Bovinowww.gpec.ucdb.br/dtcouro

Grupon

Fora do Grupon

D1 - 200cm2

D2 - 173cm2

D3 - 15cm2

D4 - 87cm2

fazenda frigorífico curtume

Identificação de Comportamento Animalwww.gpec.ucdb.br/topolino

Interação Homem-Máquinawww.gpec.ucdb.br/sigus

Monitoramento de Bioensaios

http://www.vims.edu/pfiesteria/

Patten et Alli (UNR e Verdia Inc.)

Arquitetura de Sistema de VC

Captura Pré-processamento Segmentação Rastreamento

Extração Atrib.Seleção Atrib.AprendizagemClassificação

0 2 4 6 8 10 12 14

0

1

2

3

4

5

6

F.1

F.2

F.2 > 3.6

[0.2 0.1 40 30 0.2]

Vertical

Filtros Preditivos e de Partículas

1. Previsão(Determ.)

2. Previsão(Estocástica)

3. Observação(Extração de Atributos)

4. Combinação(Peso Maior para Partículas

mais Próximas da Observação)

5. ReamostragemNovo Estado

Filtros Preditivos: Observação+Previsão (E.g: Kalman, HMM, etc)

Estado Inicialou Anterior

K-Means

From Wikipedia, the free encyclopedia

K-Means + Filtros de Partículas

Experimentos e Resultados

- Ground-truth criado através da marcação manual de regiões (procedimento padrão)

- 150 imagens (96 em contato)

- Variações nos parâmetros e modelos dedinâmica (Brownian e Interpolação)

Experimentos e Resultados

Total de Partículas

Taxade Acerto

Experimentos e Resultados

Total de Partículas

Tempode Execução

Conclusões

- Retroalimentação - K-Means e Filtros de Partículas – Maior Precisão

- Combinação de detecção de blobs + K-means no modelo de observação (Menor tempo de processamento)

Wesley Nunes Goncalves, João Bosco Monteiro, Jonathan Andrade Silva, Bruno Brandoli Machado, Valguima Odakura, Hemerson Pistori Multiple Mice Tracking using a Combination of Particle Filter and K-Means . In: SIBGRAPI - Proceedings of the Brazilian Symposium on Computer Graphics and Image Processing, Belo Horizonte, 7-10 Outubro, 2007

Agradecimentos

SIBGRAPI – Outubro 2008 - UCDB