Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Usando contornos ativos para detectar movimento
Detecção de Movimento Usando contornos ativos para detectar movimento
2
Equipe: Mauro Florêncio Vieira – líder Rodrigo Queiroz da Costa Lima
Silvana Corrêa da Silva Talita Rodrigues de Menezes
3
Motivação Segurança: Robótica: Compressão de vídeos:
Detecção de movimento em imagens de câmeras de vigilância Robótica: Identificação de possíveis obstáculos móveis Compressão de vídeos: MPEG-4
4
Antecedentes A Multi-body Factorization Method for Motion Analysis
detecção de múltiplos objetos baseia-se na forma dos objetos detecção do objeto em movimento sem calcular sua forma explicitamente independe do número de objetos em movimento
5
Antecedentes (cont.) Moving object segmentation algorithm for Human-like Visual System Sistema Visual Humano (HVS) é o melhor mecanismo de segmentação de objetos móveis conhecido é mais sensível a cor movimento
6
Antecedentes (cont.) Partes estáticas do objeto podem não ser detectadas
7
Proposta Ferramenta para detecção automática de movimento em vídeos no formato AVI Múltiplos objetos móveis são destacados do background
8
Técnicas Utilizadas Detecção de movimento em imagens baseada em tensor
Vídeo representado como um volume tridimensional (escalar X escalar X temporal) Movimento estimado pela análise de estruturas locais de valores de cinza Contorno ativo geodésico dirigido a tensor Permite flexibilidade topológica
9
Exemplo
10
Cronograma 29/01/2002 - 15/02/2002 – Estudo/Pesquisa
18/02/ /02/2002 – Análise/Design do sistema 25/02/ /03/2002 – Implementação/Redação do Relatório 01/04/ /04/2002 – Teste/Validação/Ajustes Finais/Redação do Relatório
11
Resultados Esperados Adquirir conhecimentos de implementação de uma técnica de detecção de movimento e Snakes Desenvolvimento de uma ferramenta, em Java, para detecção automática de movimento Entrada: arquivo AVI Filmado a partir de uma câmera em preto-e-branco estática Saída: imagem com objetos móveis contornados
12
Referências [1] A. Dumitras & A. N. Venetsanopoulos, "A comparative study of snake models with application to object shape description in bi-level and gray-level images", Proc. of IEEE-EURASIP Workshop on Nonlinear Signal and Image Processing, Baltimore, USA, June 3-6, 2001 [2] G. Kühne, J. Weickert, O. Schuster & S. Richter, "A tensor-driven active contour model for moving object segmentation", Proc IEEE International Conference on Image Processing (ICIP-01, Thessaloniki, Oct. 2001), Vol. 2, 73-76, 2001
13
Referências (cont.) (29/01/2002).
[3] J. Costeira & T. Kanade, "A Multi-body Factorization Method for Motion Analysis", (29/01/2002). [4] G. Kühne, S. Richter & M. Beier, “Motion-based Segmentation and Contour-based Classification of Video Objects”,
14
Referências (cont.) [5] Kuk-Jin Yoon & In-So Keon, “Moving Object Segmentation Algorithm for Human-Like Vision System”, Human-friendly Welfare Robot System 2000.
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.