Transcript 下載/瀏覽

Real-Time Motion Detection and
Automatic Motion Tracking System
報告者：賴伯泓
指導教授：林志鴻老師
日期：2010.10.26
1
Outline
簡介
 移動物體偵測及系統架構
 移動物體偵測與追蹤
 實驗結果
 結論

2
簡介

會研究此問題的主因
早期民風純樸較沒有犯罪的事件發生
 早期電腦效率不高，無法處理較複雜的電腦
視覺影像

當掉
了
3
簡介

科技與經濟的進步
死角問題
4
移動物體偵測及系統架構

兩種演算法
移動邊緣偵測(Moving Edge Detection)
 平均位移演算法(Mean Shift)

5
移動物體偵測及系統架構
6
移動物體偵測及系統架構
7
移動物體偵測及系統架構
8
移動物體偵測及系統架構
9
移動物體偵測及系統架構

移動邊緣偵測法，Hwang 和Clark提出
10
移動物體偵測與追蹤

影像前處理

將RGB色彩模式轉換成灰階模式
Y  0.299* R  0.587* G  0.114* B
11
移動物體偵測與追蹤

邊緣化
拉普拉斯
 Prewitt
 Sobel

12
移動物體偵測與追蹤

雜訊抑制
均值濾波
 中值濾波

13
移動物體偵測與追蹤
start
Camera
捕捉三張影像
灰階化
14
移動物體偵測與追蹤
Y  0.299 * R  0.587 * G  0.114 * B
灰階化
15
移動物體偵測與追蹤
-1 0
-2 0
-1 0
1
2
1
-1 -2 -1
0 0 0
1 2 1
Sobel
16
移動物體偵測與追蹤
D1  P1  P 2
cut
D2  P2  P3
17
移動物體偵測與追蹤
27 230 10
60 90 200
150 30 21
10 21 27
30 60 90
150 200 230
中值濾波
18
移動物體偵測與追蹤
AND
x
0
0
1
1
y
0
1
0
1
Y
0
0
0
1
19
移動物體偵測與追蹤
切割出模版
20
移動物體偵測與追蹤

平均位移演算法
DBD (v x , v y )   | f (n, m)  g (n  v x , m  v y ) |
n,m

F函數：模板影像(n*m像素大小)
G函數：所欲比對之影像 (
*

DBD(Displaced Block Difference) 誤差估算函數

)
21
移動物體偵測與追蹤

Full Search
22
移動物體偵測與追蹤

二維對數
搜尋法
23
移動物體偵測與追蹤

三步驟
搜尋法
24
移動物體偵測與追蹤

平均位移演算法

模板影像的質心
25
移動物體偵測與追蹤

Normal Kernel Function
26
移動物體偵測與追蹤

Epanechnikov kernel Function
27
移動物體偵測與追蹤

樣版影像色彩密度分佈
*
{xi }i 1... n
28
移動物體偵測與追蹤
29
移動物體偵測與追蹤

候選影像色彩密度分佈
*
{xi }i 1... n
30
移動物體偵測與追蹤
31
實驗結果
32
實驗結果

作者進行了…
Edge
Mean
Y
N
錯誤修正
Y
N
More
Object
tracking
運算速度
Y
N
慢
快
Edge Detection
模板影像
 Mean Shift

33
實驗結果

作者研發出…

Mixed

結合Edge搜尋和Mean Shift搜尋的優點
34
結論

結合邊緣搜尋和平均位移的優缺點產生
新的混合式搜尋

達到即時運算的目的

在進行邊緣偵測時，若有多個物體出現，
會造成物體追蹤失敗
35