Rastreamento de Múltiplos Objetos utilizando uma Combinação de Filtros de Partículas e K-Médias Dr. Hemerson Pistori Universidade Católica Dom Bosco –

Apresentação em tema: "Rastreamento de Múltiplos Objetos utilizando uma Combinação de Filtros de Partículas e K-Médias Dr. Hemerson Pistori Universidade Católica Dom Bosco –"— Transcrição da apresentação:

1 Rastreamento de Múltiplos Objetos utilizando uma Combinação de Filtros de Partículas e K-Médias Dr. Hemerson Pistori Universidade Católica Dom Bosco – UCDB Outubro, 2007

2 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

3 Visão Geral Inteligência Artificial Processamento Digital de Imagens Visão Computacional (VC) Aprendizagem Automática Computação Gráfica Reconhecimento de 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)

4 Classificação de Couro Bovino www.gpec.ucdb.br/dtcouro Grupon Fora do Grupon D1 - 200cm 2 D2 - 173cm 2 D3 - 15cm 2 D4 - 87cm 2 fazenda frigorífico curtume

5 Identificação de Comportamento Animal www.gpec.ucdb.br/topolino

6 Interação Homem-Máquina www.gpec.ucdb.br/sigus

7 Monitoramento de Bioensaios http://www.vims.edu/pfiesteria/ Patten et Alli (UNR e Verdia Inc.)

8 Arquitetura de Sistema de VC CapturaPré-processamentoSegmentaçãoRastreamento Extração Atrib.Seleção Atrib. Aprendizagem Classificação F.1 F.2 F.2 > 3.6 [0.2 0.1 40 30 0.2] Vertical

9 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. Reamostragem Novo Estado Filtros Preditivos: Observação+Previsão (E.g: Kalman, HMM, etc) Estado Inicial ou Anterior

10 K-Means From Wikipedia, the free encyclopedia

11 K-Means + Filtros de Partículas

12 Experimentos e Resultados - Ground-truth criado através da marcação manual de regiões (procedimento padrão) - 150 imagens (96 em contato) - Variações nos parâmetros e modelos de dinâmica (Brownian e Interpolação)

13 Experimentos e Resultados Total de Partículas Taxa de Acerto

14 Experimentos e Resultados Total de Partículas Tempo de Execução

15 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

16 Agradecimentos SIBGRAPI – Outubro 2008 - UCDB