Estimativa do fluxo óptico através do algoritmo de Horn-Shunck

Slides:



Advertisements
Apresentações semelhantes
SLIDE 1 – Transformações - Translação
Advertisements

Métodos Iterativos.
Tecnologia de Comando Numérico
Paulo Sérgio Rodrigues PEL205
Amintas engenharia.
Luiz Marcos Curvas paramétricas Luiz Marcos
Problemas de Forma Não-padrão
Fluxo Óptico Allan Carlos Avelino Rocha
Visualização de Imagens HDR
Ray Tracer Distribuído
REAÇÕES QUÍMICAS – EQUILÍBRIO CAP 13
Programação Linear Método Simplex
Redes de Hopfield Redes Neurais COPIN
Segmentação de imagens
Reconhecimento de Padrões Segmentação
Estrutura e movimento a partir de imagens
Disparidades, Correspondências e Corte Mínimo para Estéreo
Computação Gráfica: Aula4: Câmeras
TESE DE MESTRADO APLICAÇÃO DE REDES NEURAIS DE
Computer Vision Segmentação Paulo Sérgio Rodrigues PEL205.
Visão Computacional Imagem: Reflexão
Introdução aos Sistemas de Controle
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA
Estabilidade e Estacionariedade em Séries Temporais
Lista 1.
Aula 27 Funções Vetoriais e curvas Espaciais, Continuidade, Derivada e Integral.
Introdução a Computação e Cálculo Numérico
Seminário Introdução à Visão Computacional
Um Estudo de Aplicação do iPACKMAN para Compressão de Texturas Bruno Marques Marcelo Walter
Localização de fonte sonora utilizando microfones
RECONSTRUÇÃO 3D Equipe: Amora Cristina (acat) Anália Lima (alc5)
DINÂMICA DOS FLUIDOS COMPUTACIONAL Cap
Visão Computacional Shape from Shading
Descrição Matemática de Sistemas (C. T. Chen, Capítulo 2)
Reconstrução de formas Solução geométrica baseada na escavação do espaço e em superfícies reflectoras Nuno Martins Coimbra Novembro de 2001.
Aula 13 Derivação Implícita, derivadas das funções trigonométricas inversas e derivadas de funções logarítmicas.
Função derivada e derivadas de ordem superior
Estimação da direção de múltiplas fontes de luz Baseado no artigo Estimation of Illuminant Direction and Intensity of Multiple Light Sources, de W. Zhou.
Tutorial de Utilização do Controle de Pendências – JIRA
Teresa C. S. Azevedo, João Manuel R. S. Tavares, Mário A. P. Vaz
1 - Equações Diferenciais Ordinárias
Processamento de Imagens
Reconstrução Tridimensional usando IPP Trabalho final do curso de Visão Computacional DCC / UFMG Apresentação: Antônio Wilson Vieira.
Cálculo Numérico / Métodos Numéricos
Princípios de Cinemática
Visão Computacional
Funções de várias variáveis
Modelagem de Sistemas Dinâmicos
Aula 14 Disciplina: Sistemas de Controle 1 - ET76H
Aula 5 Disciplina: Sistemas de Controle 1 - ET76H
Mecânica dos Fluidos (Equação da Energia)
Segmentação de Fundo Marcelo Gonella
Métodos de Resolução Solução Analítica Solução Numérica
Regressão e Previsão Numérica.
Gradiente Topológico via Análise de Sensibilidade à Mudança de Forma
Visão Computacional Formação da Imagem Radiometria
Sistemas de Equações Lineares (SEL ) – Parte II
Segmentação A simplificação da imagem é uma questão central na visão computacional, o que pode ser feito reduzindo-se as informações da imagem para regiões.
AVALIAÇÃO DA INCERTEZA DE MEDIÇÃO
Metodologia da Pesquisa em Ensino de Ciências I
Teoria Quase-Geostrófica
WAYPOINTS E PATHFINDING Prof. Rafael Oliz. Introdução  Locomover-se no espaço do jogo é uma ação fundamental dos NPCs em qualquer gênero de jogo.  A.
Ping Su and A.G. Constantinides Department of Electrical Engineering Imperial College of Science Technology and Medicine Aluno: Pedro M. Achanccaray Diaz.
1 Reunião do Grupo de Estudos do Serviço de Informática do InCor Artigo-base: Nonparametric Snakes (Umut Ozertem e Deniz Erdogmus) 28 de março de 2008.
Fundamentos da Computação Gráfica PUC-Rio – Pontifícia Universidade Católica do Rio de Janeiro DI – Departamento de Informática Mestrado em Informática.
Solução Numérica de Equações
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ DEPARTAMENTO DE ENGENHARIA MECÂNICA LABORATÓRIO DE MECÂNICA DOS FLUIDOS ME36L – TRANSMISSÃO DE CALOR I PROF.
CENTRO DE MASSA E MOMENTO LINEAR
Fernando NogueiraModelos de Previsão1. Fernando NogueiraModelos de Previsão2 Introdução A maioria dos métodos de previsão estatística é baseada na utilização.
Transcrição da apresentação:

Estimativa do fluxo óptico através do algoritmo de Horn-Shunck Leonardo de Oliveira Martins

Fluxo óptico Pode ser compreendido como um campo de velocidade que descreve o movimento aparente dos padrões de intensidade em uma imagem Dada uma sequência de imagens variando no tempo, é possível obter, para cada pixel, um vetor de velocidade Aplicações Correspondência de pontos, navegação exploratória, acompanhamento e segmentação de objetos, avaliação de tempo para colisão

Fluxo óptico Os métodos para estimativa do fluxo óptico podem ser divididos em 3 grupos Técnicas diferenciais Técnicas de correlação Técnicas de frequência e energia

Equação de restrição Técnicas diferenciais assumem por hipótese que a intensidade entre uma imagem e outra em um intervalo pequeno é aproximadamente constante, ou seja

Equação de restrição

Equação de restrição Somente a equação anterior não é suficiente para determinar as componentes de velocidade A solução é utilizar alguma técnica de estimativa, como o método de Lucas-Kanade ou Horn-Shunck O método de Lucas-Kanade apresenta robustez contra ruídos, porém a malha gerada não é densa

Método de Horn-Shunck A velocidade é computada a partir das derivadas espaço-temporais na imagem

Método de Horn-Shunck Restrições Restrição de iluminação A iluminação é constante nas duas imagens Restrição de suavização Pontos vizinhos apresentam velocidades semelhantes

Método de Horn-Shunck Restrição de iluminação constante Iluminação em (x,y) é descrita por E(x,y,t)

Método de Horn-Shunck Restrição de suavização Se cada ponto se movesse de forma independente, seria quase impossível recuperar o campo de movimento Pontos vizinhos têm velocidades semelhantes e a velocidade varia suavemente na maior parte do campo

Método de Horn-Shunck Uma maneira de expressar esta restrição é minimizar o quadrado da magnitude do gradiente da velocidade do fluxo nas duas direções

Método de Horn-Shunck Estimativa das derivadas parciais A estimação é feita pela média das quatro primeiras regiões adjacentes da imagem

Método de Horn-Shunck O problema passa a ser então um problema de minimização, ou seja, achar o valor eb que minimize a expressão com a restrição Uma solução direta é computacionalmente cara, portanto é necessária uma abordagem interativa

Método de Horn-Shunck Solução interativa Método de Gauss-Seidel Com base nas derivadas estimadas e na média dos valores obtidos anteriormente, é possível obter novos valores de u e v a partir das equações abaixo

Resultados (Simples rotação)

Resultados (Horn-Schunck)

Resultados (vision.middlebury.edu)

Resultados (vision.middlebury.edu)

Resultados (Hale)

Resultados (Hale)

Próximos passos Testar outros métodos de estimação Técnicas variacionais Combinação de Lucas-Kanade com Horn-Schunck Implementar a extensão do método de Horn-Schunk para dados tridimensionais (dados sísmicos)

Referências Faria, Alexandre. Fluxo óptico. Visão computacional, UFMG. http://www.verlab.dcc.ufmg.br/_media/cursos/visao/2007-1/alunos/alexandrewagner/optical_flow_article.pdf?id=cursos%3Avisao%3A2007-1%3Aalunos%3Aalexandrewagner%3Aindex&cache=cache Horn and Schunck. Determining Optical Flow.Artificial Intelligence, 1981 Tutorial: Computing 2D and 3D Optical flow. http://www.tina-vision.net/docs/memos/2004-012.pdf