Acompanhamento de Cenas com Calibração Automática de Câmeras

Documentos relacionados
Redes de Petri. Definições:

7 - Distribuição de Freqüências

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i

Representação e Descrição de Regiões

CIRCUITOS RESISTIVOS

5 Otimização de Dimensões

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

Determinação da Incerteza de Medição na Calibração da Área de Aberturas Circulares RESUMO

EXERCÍCIO: VIA EXPRESSA CONTROLADA

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

princípios do design i

Deformações na Notação Indicial

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)

2 Análise de Campos Modais em Guias de Onda Arbitrários

AULA Exercícios. ORTOGONALIDADE EM R N. , o vector u tem norma. O produto interno entre os vector u e v, é

4 Critérios para Avaliação dos Cenários

4 MEDIÇÃO DA POSIÇÃO USANDO VISÃO ESTÉREO

7 Tratamento dos Dados

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL

2 - Derivadas parciais

3 Elementos de modelagem para o problema de controle de potência

UNIVERSIDADE ESTADUAL PAULISTA. Faculdade de Ciências e Tecnologia EDINÉIA APARECIDA DOS SANTOS

SOLUÇÃO DO PROBLEMA INVERSO DA TOMOGRAFIA POR IMPEDÂNCIA ELÉTRICA UTILIZANDO O SIMULATED ANNEALING: UMA NOVA ABORDAGEM.

POSICIONAMENTO ABSOLUTO E DIFERENCIAL EM TEMPO REAL PARA NAVEGAÇÃO VIA GPS. HÉLIO KOITI KUGA INPE DMC

3. CIRCUITOS COM AMPOP S UTILIZADOS NOS SAPS

Exemplos. representado a seguir, temos que: são positivas. são negativas. i

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

Posicionamento estático por dupla diferença de receptores GPS em tempo real

Roteiro-Relatório da Experiência N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:

3 Subtração de Fundo Segmentação por Subtração de Fundo

DISTRIBUIÇÃO DE FREQUÊNCIAS

Métodos de Ordenação Parte 1

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

( AB ) é o segmento orientado com origem em A e extremidade em B.

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

05/08/2014. RM = (RB ± IM) unidade. Como usar as informações disponíveis sobre o processo de medição e escrever corretamente o resultado da medição?

FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores

Curso Técnico em Informática. Eletricidade

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto

Determinante Introdução. Algumas Propriedades Definição Algébrica Equivalências Propriedades Fórmula Matriz

Estatística II Antonio Roque Aula 18. Regressão Linear

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CORRELAÇÃO E REGRESSÃO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

Cálculo Vetorial / Ilka Rebouças Freire / DMAT UFBA

3 Método Numérico. 3.1 Discretização da Equação Diferencial

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

3 IMPLEMENTAÇÃO DO MÉTODO DE ELEMENTOS FINITOS

4.1. Medidas de Posição da amostra: média, mediana e moda

INF 1771 Inteligência Artificial

UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ DEPARTAMENTO ACADÊMICO DE ELETROTÉCNICA ELETRÔNICA 1 - ET74C Prof.ª Elisabete Nakoneczny Moraes

Aprendizagem de Máquina

Métodos de Ordenação Parte 1

Imagem Digital MINUTA 1. Imagem Digital

3 Algoritmo de Busca Tabu

Tópicos Especiais de Álgebra Linear Tema # 1: Aprendendo a trabalhar com o Derive. Introdução ao Derive

Introdução. Introdução. Introdução I - PERCEPTRON. Modelos de Neurônios LABIC. Neurônio:

PROF. DR. JACQUES FACON

Redes Neurais (Inteligência Artificial)

CIRCUITO LINEAR Um circuito linear é aquele que obedece ao princípio da sobreposição:

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON

Módulo I Ondas Planas. Reflexão e Transmissão com incidência normal Reflexão e Transmissão com incidência oblíqua

Otimização de Perdas Elétricas em Alimentadores da CELG através da Alocação de Capacitores via Algoritmos Genéticos

Algarismos Significativos Propagação de Erros ou Desvios

COMPUTAÇÃO GRÁFICA NOTAS COMPLEMENTARES

CÁLCULO DA INCERTEZA DE MEDIÇÃO NA CALIBRAÇÃO DE LUXIMETROS

PROVAS DE ACESSO E INGRESSO PARA OS MAIORES DE 23 ANOS

8 - Medidas Descritivas

CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA

4 Análise dimensional para determinação da frequência e fator de amplificação do pico máximo

Introdução a Combinatória- Aplicações, parte II

Eletrotécnica AULA Nº 1 Introdução

3 Modelagem computacional do escoamento com superfícies livres e deformáveis

Aprendizagem de Máquina

3.3 Ordenação por Heap (Heapsort)

Energia Cinética Média

Prof. Lorí Viali, Dr.

Introdução aos Problemas de Roteirização e Programação de Veículos

3 Modelagem da Turbulência

Economia Industrial. Prof. Marcelo Matos. Aula 7

Análise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica.

2 Experimentos com Mistura

Cálculo 1 4ª Lista de Exercícios Derivadas

1. CORRELAÇÃO E REGRESSÃO LINEAR

Capítulo 14. Análise de circuitos. em corrente alternada () () Assim, é possível, escrever as equações para a corrente e tensão no circuito:

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

Matemática A. Versão 1. Na sua folha de respostas, indique de forma legível a versão do teste. Teste Intermédio de Matemática A.

Professor: Computação Gráfica I. Anselmo Montenegro Conteúdo: - Curvas interativas. Instituto de Computação - UFF

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

Análise Exploratória de Dados

3.2. Solução livre de ciclos e solução como uma árvore geradora

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Transcrição:

Acompanhamento de Cenas com Calbração Atomátca de Câmeras por Fláo Szenberg Orentadores: Marcelo Gattass Palo Cezar Pnto Caralho Departamento de Informátca, PUC-Ro 9 de dezembro de 00

Jz Vrtal pontos de objetos pontos de referênca

Problema Dada ma seqüênca de magens qe apresentam a salzação, total o parcal, de m determnado modelo, acompanhar este modelo, calbrando as câmeras para cada magem de forma atomátca, a fm de sobrepor objetos rtas. Reqstos: Menor nterenção possíel do sáro Processamento em tempo real

Modelos Os modelos tlzados na tese: F F 5 F 7 F F 6 F 4 Modelo de m campo de ftebol F 3 F 8 F 9 F 9 F 5 F F 6 F 8 Modelo sem smetra F F 7 F 4 F 3

Algortmo básco Imagem A A A3 A4 A5 Fltragem para realce de lnhas Extração de segmentos de retas longos Reconhecmento dos segmentos Cálclo da transformação projeta planar Calbração da câmera

Fltragem para realce de lnhas O fltro Laplacano da Gassana (LoG) é aplcado à magem, baseado na lmnânca. 0 0 4 0 0 4 6 fltro gassano fltro laplacano

Fltragem para realce de lnhas Problemas com lnhas dplas

Fltragem para realce de lnhas A transformação negata é aplcada entre o cálclo da lmnânca e o fltro LoG.

Fltragem para realce de lnhas Resltado de ma segmentação (threshold) feta na magem fltrada. (em negato para salzar melhor)

Extração de segmentos de retas longos O objeto é localzar segmentos de retas longos canddatos a serem lnhas da magem do modelo. O procedmento é dddo em dos passos:. Elmnação de pontos qe não estão sobre nenhm segmento de reta.. Determnação de segmentos de retas.

Elmnando pontos qe não estão sobre m segmento de reta A magem é ddda, por ma grade reglar, em céllas retanglares.

Elmnando pontos qe não estão sobre m segmento de reta Para cada célla, os atoalores e ( ) da matrz de coarânca, dada abaxo, são calclados. Se = 0 o / > M (dado) então o atoetor de é a dreção predomnante senão a célla não tem ma dreção predomnante n n n n n,

Elmnando pontos qe não estão sobre m segmento de reta Podemos atrbr pesos aos pontos (resltado do LoG). n n n n n n n n n n

Elmnando pontos qe não estão sobre m segmento de reta Céllas com pontos formando segmentos de retas:

Determnando segmentos de reta As céllas são percorrdas de modo qe as lnhas são processadas de baxo para cma e as céllas em cada colna são processadas da esqerda para dreta. Um alor é dado para cada célla: Se não exste ma dreção predomnate na célla, o alor é zero. Caso contráro, erfca-se os três znhos abaxo e o znho à esqerda da célla corrente. Se algm deles tem ma dreção predomnante smlar ao da célla corrente, qando ndos, então a célla corrente recebe o alor da célla qe tem a dreção mas smlar; senão, m noo alor é sado para a célla corrente.

Determnando segmentos de reta São formados grpos com céllas de mesmo alor, representados na fgra abaxo por cores dstntas.

Extração de segmentos de reta Cada grpo fornece m segmento de reta. A reta de eqação =a+b é encontrada por método de mínmos qadrados: O segmento é obtdo lmtando a reta pela caxa enoltóra dos pontos sados. n n n n n n b a

Extração de segmentos de reta Os segmentos de reta qe estão sobre a mesma reta sporte são ndos, formando segmentos longos, sando mínmos qadrados. e a b c No fnal do processo, tem-se m conjnto de segmentos de reta. f d f 7 f 4 f 5 f 6 f 3 f f

Extração de segmentos de reta Sobrepondo as lnhas extraída na magem, temos o segnte resltado:

Reconhecmento dos segmentos A partr do conjnto de segmentos, as lnhas do modelo são detectadas e o modelo reconhecdo [Grmson90]. Método baseado na Transformada de Hogh. Método de reconhecmento baseado em modelo. Conjnto de restrções

Reconhecmento dos segmentos Método de Reconhecmento baseado em Modelo Modelo f 7 F F 5 F 7 F F 6 F 4 Árore de Interpretação f 4 f 5 f 6 f 3 f F 3 f Vsalzação f : F F 7 F F 3 F 4 F 5 F 6 f : F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7

f f f 3 Reconhecmento dos segmentos Dscardando nós F Modelo F 5 F 7 Árore de Interpretação Vsalzação f 4 F F 6 F 4 f 5 f 7 F 3 f 6 f : F F 7 F F 3 F 4 F 5 F 6 f : F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 F F F 3 F 4 F 5 F 6 F 7 O nó {f : F,f :F 6,f 3 :F 3 } é dscardado por qe ola a restrção: f 3 : F F F 3 F 4 F 5 F 6 F 7 A lnha representante de F 6 dee estar entres as lnhas qe representam F e F 3, na salzação.

Reconhecmento dos segmentos Problema relaconado com a perspecta ) ( ) ( ) ( ) ( ) )( ( ) )( ( t t t t s s s s t t s s t t s s 0.8

Reconhecmento dos segmentos Problema relaconado com a perspecta f 3 f f

Reconhecmento dos segmentos Escolhendo a melhor solção F Modelo F 5 F 7 f 7 F F 6 F 4 f 4 f 5 f 6 f 3 f F 3 f Vsalzação Em geral, exstem dersas nterpretações possíes; Escolhemos a nterpretação onde a soma dos comprmentos dos segmentos representatos é máxma. f : F 4 f : F 3 f 3 : f 4 : f 5 : F 6 f 6 : F 7 f 7 : F Vencedor f : F 4 f : f 3 : f 4 : F 3 f 5 : F 6 f 6 : F 7 f 7 : F

Reconhecmento dos segmentos f 7 f 4 f 5 f 6 f 3 f f Resltado fnal Vsalzação Modelo F F 5 F 7 F F 6 F 4 F 3 f : F 4 f : F 3 f 3 : f 4 : f 5 : F 6 f 6 : F 7 f 7 : F o Modelo F F 5 F 7 F F 6 F 4 F 3 f : F f : F 3 f 3 : f 4 : f 5 : F 6 f 6 : F 5 f 7 : F

Cálclo da transformação projeta planar Uma transformação projeta planar H (homografa) correspondente às lnhas reconhecdas é encontrada (sando pontos de nterseção e pontos de fga como pontos de referênca). pontos de fga H pontos de nterseção Modelo reconstrído

Calbração da câmera Modelo de Câmera - pnhole 3 0 3 0 0 3 0 z y x t r t ft r fr t ft r fr s s s z z y z x p~ f Z Y X P ~ ~ C Plano da magem projetada x y z o r r 3 r O magem p P = (x, y, z) p = (, )

Calbração da câmera A câmera é calbrada sando método de Tsa para a reconstrção de elementos qe não estão no plano do modelo. Erros de sobreposção

Algortmo estenddo Imagem A A A3 B B B3 A4 A5 Fltragem para realce de lnhas Extração de segmentos de retas longos Reconhecmento dos segmentos Cálclo da transformação projeta planar prelmnar Reconstrção da salzação do modelo Reajste das Lnhas Cálclo da transformação projeta planar Calbração da câmera

Reajste das lnhas São sadas faxas de tolerânca para descartar pontos dstantes. tolerânca para reajste das lnhas reconstrídas

Reajste das lnhas lnha reconstrída pontos da magem faxa de tolerânca noa lnha localzada A noa lnha localzada é obtda pelo método dos mínmos qadrados

Reajste das lnhas Resltado do reajste das lnhas:

Cálclo da transformação projeta planar Depos do reajste das lnhas do modelo na salzação, ma noa transformação é encontrada e ma noa reconstrção pode ser obtda.

Calbração da câmera A câmera é calbrada sando o método de Tsa, com erro de sobreposção acetáel.

Trabalhando com ma seqüênca Próxma magem da seqüênca A Fltragem para realce de lnhas B3 Reajste das Lnhas A4 Cálclo da transformação projeta planar A5 Calbração da câmera Para a prmera magem, aplcamos o algortmo proposto por ntero. Para otmzar o processo, da segnda magem em dante, tramos proeto do resltado da magem anteror. A transformação projeta planar fnal da magem anteror é sada como a transformação prelmnar para a magem corrente.

Reajste dos segmentos pontos da cena n noo ajste posção do segmento na cena n- posção do segmento na cena n- estmata de posção do segmento para cena n Estmata de posção do segmento na cena n dada sas posções nas cena n- e n-. Faxa de tolerânca sem estmata Faxa de tolerânca com estmata

Algortmo proposto Prmera magem da seqüênca Fltragem para realce de lnhas Reajste dos segmentos Extração de segmentos de retas longos Cálclo da transformação projeta planar Reconhecmento dos segmentos Cálclo da transformação projeta planar prelmnar Reconstrção da salzação do modelo Próxma magem da seqüênca Fltragem para realce de lnhas Calbração da câmera

Herístca para determnar o lmar de corte sado na segmentação Procra m patamar com alor máxmo no gráfco qe nforma o número de segmentos extraídos para cada alor do lmar de corte. Segmentos extraídos 9 8 7 6 5 4 3 0 6 7 8 9 0 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 30 3 3 33 34 35 36 37 38 39 Lmar

Resltados Seqüênca real Seqüênca artfcal

Resltados

Resltados Algortmo ntero Dferença Va acompanhamento

Resltados Protótpo para testar o algortmo sando ma câmera 8mm Resltado do algortmo sando a câmera posconada conforme a magem acma:

Resltados webcam Sem oclsão Com oclsão

Resltados Otro modelo

Resltados Onde o algortmo falha Falta de ntdez Sombra parcal

Resltados A seqüênca real de teste tem 67 magens Comptador: Pentm III 600MHz Tempo de processamento: 40 mlsegndos Comptador: Pentm 4.7GHz Tempo de processamento: 500 mlsegndos (<< 34 mlsegndos necessáros para processamento em tempo real 30 fps)

Resltados (precsão) Pontos do Campo Coordenadas Corretas Coordenadas Reconstrídas x y z Erro 05,0 68,00 0,00 8,707 6,584 8,73 5,97 0,6 88,5 3,84 0,00 30,7 78,33 8,747 77,55,499 88,5 54,6 0,00,36 83,463 0,44 83,97 0,854 99,5 4,84 0,00 59,039 34,06 58,566 33,85 0,64 99,5 43,6 0,00 46,690 74,86 46,067 74,484 0,7 05,0 30,34 0,00 69,87 55,0 69,69 54,697 0,446 05,0 30,34,44 70,9 8,066 70,5 80,863 0,735 05,0 37,66,44 4,0 94,645 3,9 94,407 0,845 05,0 37,66 0,00 3,405 70,7 3,08 69,876 0,50 Erro Médo 0,696 Comparação entre as coordenadas corretas e reconstrídas para a prmera cena.

Resltados (precsão) Pontos do Campo Coordenadas Corretas Coordenadas Reconstrídas x y z Erro 05,0 68,00 0,00 97,67 05,940 96,79 05,585 0,57 88,5 3,84 0,00 43,883 66,434 43,549 66,0 0,530 88,5 54,6 0,00 6,0 73,74 5,655 7,63 0,709 99,5 4,84 0,00 73,344 4,09 73,5 3,75 0,38 99,5 43,6 0,00 60,67 64,798 60,366 64,4 0,486 05,0 30,34 0,00 84,60 45,73 83,99 44,94 0,309 05,0 30,34,44 85,4 7,90 84,886 7,090 0,407 05,0 37,66,44 38,7 84,768 37,744 84,538 0,447 05,0 37,66 0,00 37,46 60,349 37,5 60,063 0,355 Erro Médo 0,45 Comparação entre as coordenadas corretas e reconstrídas para ma otra cena.

Conclsões A estratéga de ddr a magem em céllas resole bem o problema da extração de segmentos de retas qando a magem contém regões com característcas dersas. Uma boa manera para dentfcar lnhas do modelo na magem é a tlzação do método baseado na árore de nterpretações. Um conjnto de apenas 5 restrções é sfcente. O reajste das lnhas tlzando ma faxa de tolerânca e operando com a magem fltrada e segmentada apresento bons resltados para a noa localzação dos segmentos na seqüênca de qadros. Uma estmata de localzação de segmentos baseada em qadros passados é mportante, podendo condzr a resltados melhores.

Conclsões A herístca apresentada para determnar m alor de lmar tlzado no método de segmentação apresento na prátca resltados satsfatóros. O crtéro qe saza a restrção de paralelsmo mostro-se efcente qando exste ma dstorção perspecta na magem. ) ( ) ( ) ( ) ( ) )( ( ) )( ( t t t t s s s s t t s s t t s s

Conclsões O algortmo proposto gero bons resltados mesmo qando aplcado às magens com rídos captradas de ma transmssão de TV. O algortmo pode ser sado em comptadores pessoas (nenhm hardware especalzado é necessáro). O tempo de processamento é bem abaxo do necessáro para processamento em tempo real. O tempo extra pode ser sado, por exemplo, para desenhar anúncos o propagandas.

Trabalhos ftros Pesqsar otros fltros para realce de lnhas e métodos de segmentação. Obter métodos para determnar o alor do lmar sado na segmentação. Utlzar de forma mas efcente os alores dos pontos da magem resltante do fltro LoG, atraés de fnções de transferênca. Crtéro de paralelsmo: determnar alores para e. Desenoler otras técncas de coletas de pontos para o reajste das lnhas.

Trabalhos ftros Inestgar métodos para sazar a seqüênca de câmeras atraés da aplcação do fltro de Kalman. Desenoler técncas para acompanhar otros objetos qe se moem sobre o modelo, tas como bola e jogadores sobre as lnhas do gramado. Desenhar objetos no campo atrás dos jogadores, dando a mpressão de qe os jogadores estão andando sobre eles.

Trabalhos ftros Chroma Key