Rastreamento de Múltiplos Objetos utilizando uma Combinação de Filtros de Partículas e K-Médias Dr. Hemerson Pistori Universidade 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 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)

Classificação de Couro Bovino Grupon Fora do Grupon D cm 2 D cm 2 D3 - 15cm 2 D4 - 87cm 2 fazenda frigorífico curtume

Identificação de Comportamento Animal

Interação Homem-Máquina

Monitoramento de Bioensaios Patten et Alli (UNR e Verdia Inc.)

Arquitetura de Sistema de VC CapturaPré-processamentoSegmentaçãoRastreamento Extração Atrib.Seleção Atrib. Aprendizagem Classificação F.1 F.2 F.2 > 3.6 [ ] 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. Reamostragem Novo Estado Filtros Preditivos: Observação+Previsão (E.g: Kalman, HMM, etc) Estado Inicial ou 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) imagens (96 em contato) - Variações nos parâmetros e modelos de dinâmica (Brownian e Interpolação)

Experimentos e Resultados Total de Partículas Taxa de Acerto

Experimentos e Resultados Total de Partículas Tempo de 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 UCDB