Detecção da Bola em Vídeos de Futebol Universidade Federal de Pernambuco Centro de Informática Computação Gráfica – Acompanhamento de Projeto Luiz Felipe.

Slides:

Advertisements

Apresentações semelhantes

João Luiz Fernandes e Aura Conci Universidade Federal Fluminense

Advertisements

Filtros de Kalman.

Geração de Tráfego Auto-Similar e Estimação do Parâmetro de Hurst através do método R/S Thiago Souto Maior.

Fluxo Óptico Allan Carlos Avelino Rocha

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

David Menotti Estruturas de Dados I DECOM – UFOP

Iana Alexandra Alves Rufino

Estrutura e movimento a partir de imagens

Visão computacional.

Estimativa do fluxo óptico através do algoritmo de Horn-Shunck

Trabalho 1 – Detecção de movimento através de subtração de fundo

Segmentação de Imagens

Pablo C.Elias e Thiago Bastos, Dezembro de 2006 Reconstrução de Ruínas em Tempo Real.

Disparidades, Correspondências e Corte Mínimo para Estéreo

Acompanhamento de Cenas com Calibração Automática de Câmeras

RECONSTRUÇÃO 3D Visão Computacional e Realidade Aumentada

Dissertação de Mestrado Michel Alain Quintana Truyenque

Simulação Física de Corpos Rígidos com Detecção e Reação à Colisões

Computação Gráfica: Aula5: Rendering e Rasterização

Tracking I Paulo Sérgio Rodrigues PEL205. Tracking com Subtração de Fundo Tipos de Tracking (Rastreamento) Background Estático (Câmera parada) Background.

Introdução ao Processamento Digital de Imagens

Lógica de Programação Módulo II

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA

Nome: Rafael Baeta Orientador: Dr. David Menotti

Autores: Jean Suellen Silva de Almeida Victor Hugo Cunha de Melo

Processamento de Imagens: Conceitos Básicos

Maria João M. Vasconcelos1, João Manuel R. S. Tavares1,2

Segmentação do fundo estático de um vídeo Pedro Sampaio Vieira.

Universidade Federal do Rio Grande do Sul Instituto de Informática

Detecção de anomalias no protocolo DNS

“LOCALIZAÇÃO DE ROBÔS E MAPEAMENTO DO AMBIENTE USANDO KINECT®”

Laboratório de Técnicas Inteligentes - LTI Universidade de São Paulo – USP Escola Politécnica Laboratório de Técnicas Inteligentes – LTI SAURON Localização.

Correspondência entre Pontos no Seguimento de Movimento em Imagens

II Workshop de Dissertação Pós-Graduação em Ciência da Computação Faculdade de Computação – FACOM Universidade Federal de Uberlândia – UFU Dezembro/2008.

Marcus Vinicius Silva Soares Orientador: Luiz Merschmann Outubro / 2010.

Segmentação de Imagens

Uso de Sistemas Imunológicos Artificiais para Detecção de Falhas em Plantas da Indústria de Petróleo. Aluno: Alexandre Willig Quintino dos Santos Orientador:

Carlos Oliveira Sumário Descrição e Objetivo O Método de Tsai Implementação Resultados obtidos Melhoramentos.

Usando contornos ativos para detectar movimento

Raquel Ramos Pinho, João Manuel R. S. Tavares, Miguel Velhote Correia

Fotografia automática

Sistema de Segurança Baseado em Análise de Imagens

Projeto de Computação Gráfica João Paulo Lima

Computação Gráfica – Visibilidade

Abordagem Híbrida para Rastreamento 3D Monocular em Tempo Real de Objetos Planares Especulares Projeto de Computação Gráfica João Paulo Lima Grupo de Pesquisa.

Classificação de imagens de fotografias históricas usando detecção de linhas e paralelogramos pela presença de edifícios Natália Cosse Batista Grupo 8.

Apresentação do Artigo: Gradient Field Descriptor for Sketch Based Retrieval and Localization RUI HU, MARK BARNARD AND JOHN COLLOMOSSE CENTRE FOR VISION,

TRABALHOS FEITOS COM O NOMAD NO GRACO

Computação Gráfica – Visibilidade Profa. Mercedes Gonzales Márquez.

Graphics Interchange Format formato para intercâmbio de gráficos

Best Combination of Binarization Methods for License Plate Character Segmentation (2013) - Resumo Vinicius Queiroz e Vinicius M. de Almeida.

Segmentação de Fundo Marcelo Gonella

Algemiro Augusto Professor: Marcelo Gattass

Sistemas de Rastreamento de Baixo Custo para Desktops Tecgraf (Grupo de Tecnologia em Computação Gráfica) Depto. de Informática, PUC-Rio Alberto Raposo,

Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel Claudia Patricia Ochoa Díaz Mestrado em Sistemas Mecatrônicos UnB-2008.

Fases do Processo Detecção de Bordas Vetorização Reconhe- cimento.

Avaliação de Desempenho de Sistemas Leis Operacionais de Filas

Mudança da Temperatura de Cor de uma Imagem Hildebrando Trannin Fundamentos de Computação Gráfica Prof.: Marcelo Gattass.

Computação Gráfica – Visibilidade Profa. Mercedes Gonzales Márquez.

Prof. Marcelo Gattass Gustavo Lopes Mourad.

Escola Politécnica da Universidade de São Paulo Engenharia Elétrica Programa de Pós Graduação Corômetro Classificação de Jogadores de Futebol pelo reconhecimento.

Título da Apresentação

1 Detecção da Bola em Vídeos de Futebol Apresentação Final Computação Gráfica /1 Luiz Felipe S. L. Guimarães.

Título da Apresentação Nome do autor Centro de Informática Universidade Federal de Pernambuco Recife - PE Data.

Computação Gráfica – Visibilidade Profa. Mercedes Gonzales Márquez.

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.

Titulo do Trabalho Nome do Aluno Nome do Orientador Universidade.

Fundamentos da Computação Gráfica PUC-Rio – Pontifícia Universidade Católica do Rio de Janeiro DI – Departamento de Informática Mestrado em Informática.

Rastreamento de objeto e estimativa de movimento

Transcrição da apresentação:

Detecção da Bola em Vídeos de Futebol Universidade Federal de Pernambuco Centro de Informática Computação Gráfica – Acompanhamento de Projeto Luiz Felipe S. L. Guimarães 13 de julho de 2007

Proposta  Reconhecimento da bola em movimento através da análise de vídeos de futebol.  Problemas:  Oclusão  Sombras  Variação de tamanho e cor  Bola não focalizada (fora do campo)  Processamento em tempo real

Condensation  Conditional Density Propagation  Utilizado para detectar e contornar objetos em movimento em ambientes “cheios”.  Tenta identificar em uma imagem quais pixels formam o contorno de um objeto.  Não computa cada pixel. Pixels são escolhidos randomicamente, apenas um subconjunto é processado.  Utiliza técnicas estatísticas.

Filtro de Kalman  Filtro recursivo que estima o estado de um sistema dinâmico a partir de uma série de medidas.  Obtém informações continuamente atualizadas sobre a posição e velocidade de um determinado objeto após uma sequência de observações sobre sua posição.

Filtro de Kalman  É capaz de mostrar a localização do objeto no passado, no presente ou no futuro (por estimativa).  Tem duas fases: predição e atualização:  Predição: estima a localização atual baseado na anterior.  Atualização: Refina a localização prevista observando o estado da localização atual.

Algoritmo Condensation: Exemplo 1

Algoritmo Condensation: Exemplo 2

Algoritmo Condensation: Exemplo 3

Algoritmo Condensation: Exemplo 4

Vídeo a ser utilizado

Cronograma MaioJunhoJulhoAgosto 1ª quinz. 2ª quinz. 1ª quinz. 2ª quinz. 1ª quinz. 2ª quinz. 1ª quinz. 2ª quinz. Procura do vídeo a ser utilizado X Estudo sobre algoritmos utilizados (Condensation / Filtro de Kalman) XXX Implementação XXXX Apresentação do andamento das atividades X Testes e validação XX Apresentação da proposta final X

Referências  The Condensation Algorithm,  The Condensation Algorithm,  TONG, X & LIU, Q. An effective and fast soccer ball detection and tracking method. In ICPR '04: Proceedings of the Pattern Recognition (2004).  ISARD, M & Blake, A. CONDENSATION - conditional density propagation for visual tracking. Int. J. Computer Vision.  The Kalman Filter,