Theo dõi đối tượng chuyển động bằng phương pháp lọc tích hợp ppt

THEO DÕI ĐỐI TƯỢNG CHUYỂN ĐỘNG BẰNG PHƯƠNG PHÁP LỌC TÍCH HỢPHọc viên thực hiện: PHẠM BẢO QUỐC Hướng Hướng dẫn dẫn khoa khoa học học: TS.. Giới thiệu thiệu đề đề tài tài Bài toán theo dõi

THEO DÕI ĐỐI TƯỢNG CHUYỂN ĐỘNG BẰNG PHƯƠNG PHÁP LỌC TÍCH HỢP

Học viên thực hiện: PHẠM BẢO QUỐC Hướng

Hướng dẫn dẫn khoa khoa học học: TS NGUYỄN THANH BÌNH : TS NGUYỄN THANH BÌNH

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM

Nội dung

1. Mục tiêu và nội dung

2. Giới hạn đề tài

3. Các công trình nghiên cứu có liên quan

4. Giải thuật đề xuất

5. Kết quả đạt được

6. Những đóng góp của luận văn

Giới thiệu thiệu đề đề tài tài

Bài toán theo dõi đối tượng chuyển động

Mục tiêu và nội dung

— Tìm hiểu các công trình nghiên cứu, các bài báo

— Nghiên cứu và đề xuất giải pháp phát hiện chuyển

động của các đối tượng trong môi trường phức tạp

— Thực nghiệm giải thuật đề xuất và so sánh kết quả

thực nghiệm với các giải thuật hiện có

Giới hạn đề tài

— Giải thuật được áp dụng trên các video giám sát thu

từ camera tĩnh có độ phân giải trung bình

— Tập trung khắc phục nhược điểm bị ảnh hưởng bởi

ánh sáng thay đổi

— Không nghiên cứu sâu trường hợp đối tượng bị giaocắt phức tạp

Các công trình nghiên cứu

Các công trình nghiên cứu (tt)

Bị ảnh hưởng bởi sự thay đổi ánh sáng

Đề tài

đã khắc phục

Hệ thống theo dõi đối tượng chuyển động bằng phương pháp lọc tích hợp

Phát hiện chuyển động(IRI – LK)

Theo vếtđối tượng(Kalman)

Áp dụng bộ lọc hình thái

Mặt nạ đối tượng chuyển động

Phát hiện chuyển động với IRI

Phát hiện chuyển động với IRI LK LK

Theo vết đối tượng với bộ lọc Kalman

Rút trích mô hình đối tượng

Mặt nạ đối tượng chuyển động

Cập nhật đối tượng

và tâm hiệu chỉnh

Dự đoán vị trí

Danh sách đối tượng theo vết

Thêm mới đối tượng

Ước lượng đối tượng hoặc loại bỏ

So khớp đối tượng

Danh sách rỗng hoặc không khớp

Đối tượng khớp

với nhauĐối tượng không

Thực nghiệm và đánh giá

Thực nghiệm dựa trên:

— Các video chuẩn của MATLAB

— Tracking Dataset (PETS 2000, PETS 2001…)

— Video tự quay của nhóm nghiên cứu ĐH Bách Khoa.

Kết quả thực nghiệm được so sánh với phương pháp:

— Lucas Kanade Optical Flow

— Gaussian Mixture Model

Thực nghiệm phát hiện chuyển động 1

Thực nghiệm phát hiện chuyển động 2

Thực nghiệm theo vết 1

Kết quả thử nghiệm video atrium.avi của MatLab

Thực nghiệm theo vết 2

Kết quả thử nghiệm video bachkhoa11.mp4

Kết quả đạt được

— Nghiên cứu các bộ lọc thông dụng

— Đề xuất phương pháp IRI-LK với các bộ lọc tích hợp

— Xử lý được một số trường hợp che khuất và giao cắt đơn giản

— Cài đặt thực nghiệm nhiều phương pháp

— So sánh kết quả với phương pháp Lucas-Kanade

Optical Flow và Gaussian Mixture Model

Ưu và nhược điểm

— Nhận diện chính xác đối tượng chuyển động trong

môi trường ánh sáng thay đổi

— Phương pháp đề xuất hoạt động tốt khi ánh sáng

thay đổi dưới ngưỡng nhất định tuỳ theo độ sáng củakhung hình

Những đóng góp của luận văn

— Đã nghiên cứu và đánh giá một số phương pháp phát hiện chuyển động phổ biến

— Đề xuất phương pháp IRI-LK

— Góp phần tạo nền tảng cho các ứng dụng trong lĩnh

vực thị giác máy tính

— Ứng dụng ngay vào một số lĩnh vực

Hướng mở rộng

— Cải thiện thuật toán đề xuất

— Cải thiện độ chính xác của các vectơ dòng quang học

— Phân lớp đối tượng và tiến đến là nhận diện đối

tượng, nhận diện hành vi của đối tượng

Bài báo gửi hội nghị ICTCC 2014

— Bài báo dựa trên kết quả nghiên cứu:

“Motion detection base on image intensity ratio ”

— Hội nghị quốc tế đã chấp nhận bài báo:

“International Conference on Nature of Computation and Communication 2014”

— Báo cáo tại hội nghị vào ngày 24 và 25/11/2014

— Sẽ được đăng tải bởi:

Nhà xuất bản Springer

Tài liệu liệu tham tham khảo khảo

[1] Moeslund, T B (2012) ‘Introduction to video and image processing: Building real

systems and applications’ Springer.

[3] Stauffer, C., & Grimson, W E L (1999) ‘Adaptive background mixture models for

real-time tracking’ In: Computer Vision and Pattern Recognition, 1999 IEEE Computer Society Conference on (Vol 2) IEEE.

[7] Shirageri, M S., Udupi, G R., & Bidkar, G A (2013) ‘Design and development of

Optical flow based Moving Object Detection and Tracking (OMODT) System’ Vectors.

[15] Johnsen, S., & Tews, A (2009, May) ‘Real-time object tracking and classification using

a static camera’ In: Proceedings of IEEE International Conference on Robotics and

Automation, workshop on People Detection and Tracking.

[16] Ranjan, A., & Chaple, M (2013, April) ‘A Novel Approach For Object Detection And

Tracking’ In: International Journal of Engineering Research and Technology (Vol 2,

No 4 (April-2013)) ESRSA Publications.

THANK YOU!