Computer Science Department Αναγνώριση και Παρακολούθηση των Μελών του Ανθρωπίνου Σώματος σε Κίνηση Κων/νος Παναγιωτάκης Επόπτης Καθηγητής : Γεώργιος Τζιρίτας.

Παρουσίαση με θέμα: "Computer Science Department Αναγνώριση και Παρακολούθηση των Μελών του Ανθρωπίνου Σώματος σε Κίνηση Κων/νος Παναγιωτάκης Επόπτης Καθηγητής : Γεώργιος Τζιρίτας."— Μεταγράφημα παρουσίασης:

1 Computer Science Department Αναγνώριση και Παρακολούθηση των Μελών του Ανθρωπίνου Σώματος σε Κίνηση Κων/νος Παναγιωτάκης Επόπτης Καθηγητής : Γεώργιος Τζιρίτας Τμήμα Επιστήμης Υπολογιστών Σχολή θετικών και Τεχνολογικών Επιστημών Πανεπιστήμιο Κρήτης

2 Computer Science Department Οργάνωση Παρουσίασης I. Εισαγωγή II. Αλγόριθμος Εξαγωγής Μελών από Σιλουέτα ΙΙΙ. Αλγόριθμος Εξαγωγής 18 Χαρακτηριστηκών Σημείων IV. Εισαγωγή στον Αλγόριθμο Παρακολούθησης V. Αλγόριθμος Παρακολούθησης VI. Υλοποίηση Εργασίας VIΙ. Αποτελέσματα VIIΙ. Συμπεράσματα 9/6/2003 Kων/νος Παναγιωτάκης 1

3 Computer Science Department Εισαγωγή (1/4) Πρόβλημα Παρακολούθησης - Αναγνώρισης Αντικειμένων Είσοδος : Ψηφιακές Ακολουθίες Εικόνων 9/6/2003 Kων/νος Παναγιωτάκης 2Έξοδος 3Δ Δραστηριότητα Ομάδες Ατόμων 2Δ Μέθοδος Χρήση Χρώματος Πολλές Κάμερες Σταθερή Κάμερα Χρήση Μοντέλων Συστήματα Παρακολούθησης Χρήση Μοντέλων 2Δ3Δ

4 Computer Science Department Εισαγωγή (2/4) Εφαρμογές και Χρήσεις Συστήματα Ασφάλειας Γραφικές Εφαρμογές (2Δ, 3Δ) Συμπίεση Βίντεο Επίλυση Προβλήματος  Συνδυασμός Πληροφορίας Συνέχεια Κίνησης Χρωματική Πληροφορία Χρήση Σχήματος - Γεωμετρικοί Περιορισμοί Κίνηση Κάμερας 9/6/2003 Kων/νος Παναγιωτάκης 3

5 Computer Science Department Εισαγωγή (3/4) 9/6/2003 Kων/νος Παναγιωτάκης 4 18 Χαρακτηριστικά Σημεία 1. Κέντρο Κεφαλιού 10. Δεξιό Σημείο της Μέσης 2. Πηγούνι 11. Αριστερός Γοφός 3. Αριστερός Ώμος 12. Αριστερό Γόνατο 4. Αριστερός Αγκώνας 13. Αριστερός Αστράγαλος 5. Αριστερό Άκρο Χεριού 14. Αριστερό Άκρο Δακτύλων 6. Δεξιός Ώμος 15. Δεξιός Γοφός 7. Δεξιός Αγκώνας 16. Δεξιό Γόνατο 8. Δεξιό Άκρο Χεριού 17. Δεξιός Αστράγαλος 9. Αριστερό Σημείο της Μέσης 18. Δεξιό Άκρο Δακτύλων

6 Computer Science Department Πρόβλημα Εξαγωγής 18 Σημείων από Σιλουέτα 9/6/2003 Kων/νος Παναγιωτάκης 5Είσοδος Σιλουέτα Μέλη Σώματος Έξοδος 18 Χαρακτηριστικά Σημεία Παρατηρήσεις Μπορεί να περισσότερες από μία λύσεις Ο Αλγόριθμος θα υπολογίσει 1 λύση  Εισαγωγή (4/4) Χρήση Γεωμετρικών Χαρακτηριστκών

7 Computer Science Department Αλγόριθμος Εξαγωγής Μελών από Σιλουέτα (1/4) 9/6/2003 Kων/νος Παναγιωτάκης 6 (x c,y c ) H ul H dl V dl V dr Χαρακτηριστικά Αρχή Μείωσης της Αβεβαιότητας Σειριακός Αλγόριθμος Xρήση 8 Προβολών Βασικά Βήματα της Μεθόδου 1. Στροφή κατά το Βασικό Άξονα 2. Εύρεση Ανώτατου Σημείου Κεφαλιού 3. Εύρεση Κεφαλιού 4. Εύρεση Κεντρικού Σώματος 5. Εύρεση Χεριών - Ποδιών 6. Επαναφορά στον Αρχικό Άξονα

8 Computer Science Department Αλγόριθμος Εξαγωγής Μελών από Σιλουέτα (2/4) 9/6/2003 Kων/νος Παναγιωτάκης 7 (m c,n c ) 1. Στροφή κατά τον Βασικό Άξονα Χρήση κέντρου μάζας – κεντρικών ροπών 2. Εύρεση Ανώτατου Σημείου Κεφαλιού Χρήση δυναμικού μέσου (X d, Y d ) X d = m c, Y d = n c Επανέλαβε { X d = Χ d -1; Y d = E (y) } Μέχρι (Χ d -1,Y d )  φόντο (X d, Y d ) (X d,y)  άνθρωπο

9 Computer Science Department Αλγόριθμος Εξαγωγής Μελών από Σιλουέτα (3/4) 9/6/2003 Kων/νος Παναγιωτάκης 8 Αρχές Υπολογισμού Αξιοποίηση μέχρι τώρα τμηματοποίησης Χαλαρός υπολογισμός με χρήση προβολών Διόρθωση από σχήμα 3. Εύρεση Κεφαλιού Σάρωση από πάνω προς τα κάτω Χρήση δυναμικού μέσου 4. Εύρεση Κεντρικού Σώματος Σάρωση από πάνω προς τα κάτω Έλεγχος αν το χέρι είναι κολλημένο με το κεντρικό σώμα Χρήση δυναμικού μέσου

10 Computer Science Department Αλγόριθμος Εξαγωγής Μελών από Σιλουέτα (4/4) 9/6/2003 Kων/νος Παναγιωτάκης 9 (m c,n c ) Δ M 5. Εύρεση Χεριών - Ποδιών Αρχική προσέγγιση από κέντρο μάζας Εύρεση διαχωριστικού σημείου Δ Χρήση της ΜΔ - Επέκτασης Γενική Μέθοδος Διόρθωσης Εμφάνιση μελών πάνω από 1 φορά Επιλέγεται το σωστό (εμβαδόν, θέση του) Τα υπόλοιπα αποδίδονται σε εκείνο που συνορεύουν Πλοκή Μεθόδου Ο(Ν), Ν = # σημείων της σιλουέτας

11 Computer Science Department Αλγόριθμος Εξαγωγής 18 Χαρακτηριστηκών Σημείων (1/3) Χαρακτηριστικά Είσοδος : Τμηματοποίηση σε μέλη Αρχή μείωσης της αβεβαιότητας Χρήση γεωμετρικών ιδιοτήτων των σημείων Χρήση σκελετού Βασικά Βήματα της Μεθόδου 1. Υπολογισμός Σημείων Κεφαλιού 2. Υπολογισμός Σημείων Κεντρικού σώματος 3. Υπολογισμός Σημείων Ποδιών 4. Υπολογισμός Σημείων Χεριών 5. Επαναφορά στον Αρχικό Άξονα Τμηματοποίηση σε Μέλη 9/6/2003 Kων/νος Παναγιωτάκης 10Σκελετός

12 Computer Science Department Αλγόριθμος Εξαγωγής 18 Χαρακτηριστηκών Σημείων (2/3) 9/6/2003 Kων/νος Παναγιωτάκης 11 (2) (15) (11) (1) 1. Σημεία Κεφαλιού Κέντρου κεφαλιού (κέντρο μάζας) (1) Πηγούνι (μέσο συνόρου) (2) 2. Σημεία Κεντρικού σώματος Ώμοι (Ελαχιστοποίηση συνάρτησης Φ) (3),(6) Σημεία Μέσης (9),(10) Χρήση ύψους σώματος BH Απέχουν S από φόντο, D από πηγούνι S ~BH και D ~ BH Σημείο Γοφού (Μέσο συνόρου) (11), (15) (3)(6) (9) (10) S D S

13 Computer Science Department Αλγόριθμος Εξαγωγής 18 Χαρακτηριστηκών Σημείων (3/3) 9/6/2003 Kων/νος Παναγιωτάκης 12 F A K K K D(A) 3. Σημεία Ποδιού Αστράγαλος (Μεγιστοποίηση συνάρτησης D) (A) D(A) = ~ «απόσταση» του F από το Α Γόνατο (Ελαχιστοποίηση συνάρτησης W) (G) W ελαχιστοποιείται: |FΧ| ~= |XA| && Χ κοντά στη γωνία W(Χ) ~= (|XF| -|XA|) 2 - 0.2 dist 2 (X,AF) Άκρο των Δακτύλων (Μεγιστοποίηση AD(X)) (E) AD(X) ~ |AX| && |GX| 4. Σημεία Χεριού Άκρο χεριού (όμοια με Αστράγαλο) (AX) Αγκώνας (όμοια με Γόνατο) (AG) X G AX AG E (6)

14 Computer Science Department Εισαγωγή στον Αλγόριθμο Παρακολούθησης (1/3) 9/6/2003 Kων/νος Παναγιωτάκης 13131313 Computer Science Department Πρόβλημα Παρακολούθησης 18 Σημείων σε Ακολουθία Εικόνων Χαρακτηριστικά Δεν προϋποθέτει κάποια γνώση για την κίνηση της κάμερας Χρήση μασκών - Lab χρωματικού συστήματος Εμφάνιση των κυρίων χρωμάτων του ανθρώπου στην 1 η εικόνα της ακολουθίας Χρώμα Σχήμα Πρόβλεψη Είσοδος 18 Χαρακτηριστικά Σημεία Έξοδος 18 Σημεία στην πρώτη Εικόνας της Ακολουθίας Ακολουθία Εικόνων

15 Computer Science Department Εισαγωγή στον Αλγόριθμο Παρακολούθησης (2/3) 9/6/2003 Kων/νος Παναγιωτάκης 14141414 Computer Science Department Δισδιάστατο Μοντέλο Ορίζεται από τα 18 χαρακτηριστικά σημεία Μέλος 2Δ Μοντέλο Κεφάλι Έλλειψη Κεντρικό Σώμα Επτάγωνο Χερί Εξάγωνο Πόδι Οκτάγωνο 2Δ Μοντέλο Αντιστοίχηση στις 3 Διαστάσεις Προβολή του 2Δ Μοντέλου Μέλος 3-Διαστάσεις Κεφάλι Ελλειψοειδές Κεντρικό Σώμα Πολύγωνο Χερί 2 Κύλινδροι Πόδι 3 Κύλινδοι

16 Computer Science Department Εισαγωγή στον Αλγόριθμο Παρακολούθησης (3/3) 9/6/2003 Kων/νος Παναγιωτάκης 15151515 Computer Science Department Χρωματική Πληροφορία Χρήση Lab - Βασικών χρωμάτων ανά μέλος Χρήση ιστογραμμάτων Πρόβλεψη Χρήση σχετικών συντεταγμένων ως προς κέντρο κεφαλιού (σημεία κεντρικού σώματος) Χρήση γωνίας - μέτρου για τον καθορισμό των αρθρώσεων Χρήση προηγούμενης θέσης ως πρόβλεψη για τα μέτρα, σημεία κεντρικού σώματος Χρήση φίλτρου πρόβλεψης για τις γωνίες Μέτρο Γωνία B A

17 Computer Science Department Αλγόριθμος Παρακολούθησης (1/12) 9/6/2003 Kων/νος Παναγιωτάκης 16161616 Βασικά Βήματα της Μεθόδου 1. Αρχικοποίηση από την πρώτη εικόνα της ακολουθίας 2. Υπολογισμός Εικόνων Χρωματικών Αποστάσεων 3. Παρακολούθηση Κεφαλιού 4. Παρακολούθηση Κεντρικού Σώματος 5. Παρακολούθηση Ποδιών 6. Παρακολούθηση Χεριών Παρατηρήσεις Η πρόβλεψη εκτελείται σε κάθε τμήμα της μεθόδου παρακολούθησης Τα βήματα 2-6 επαναλαμβάνονται για κάθε νέα εικόνα της ακολουθίας

18 Computer Science Department Αλγόριθμος Παρακολούθησης (2/12) 9/6/2003 Kων/νος Παναγιωτάκης 17171717 1. Αρχικοποίηση 1. Αρχικοποίηση Χρωματικής Πληροφορίας Υπολογισμός βασικών χρωμάτων ανά μέλος 2. Αρχικοποίηση Συντεταγμένων 2. Υπολογισμός Εικόνων Χρωματικών Αποστάσεων Αλγόριθμος : Για κάθε μέλος - υπομέλος του σώματος k Για σημείο (x,y) της εικόνας Dist(k,x,y) = min(|C(i) - A(x,y)|), C(i)  βασικά χρώματα Εικόνα Χρωματικών Αποστάσεων Κεφαλιού i

19 Computer Science Department Αλγόριθμος Παρακολούθησης (3/12) 9/6/2003 Kων/νος Παναγιωτάκης 18181818 Εικόνα Χρωματικών Αποστάσεων Ιστόγραμμα 0 10 VκVκ Ε1Ε1 E2E2 W1W1 W2W2 TkTk 3. Αυτόματος Υπολογισμός Κατωφλιών - Ορατότητας Μελών Κατώφλι Μέλους k: Mέγιστη τιμή του Dist(k,x,y) με το (x,y)  μέλος k T κ = ½( W 1 + W 2 ) Ορατότητα Μέλους k : Πόσο ξεχωρίζει το μέλος από το φόντο του; V κ = (Ε 2 - Ε 1 ) * P Σύνολο φόντου: Τα S σημεία της Ε.Χ.Α. που έχουν μεγαλύτερη τιμή από (c-1) S σημεία και μικρότερη από τα υπόλοιπα Σύνολο μέλους : Τα S σημεία της Ε.Χ.Α. με τη μικρότερη τιμή S,εμβαδόν μέλους c >2 σταθερά Εφαρμογή Κατωφλιού

20 Computer Science Department Αλγόριθμος Παρακολούθησης (4/12) 9/6/2003 Kων/νος Παναγιωτάκης 19 3. Παρακολούθηση Κεφαλιού Υπολογισμός 2 Σημείων+Εκκεντρότητα, Ο(Ν 6 ) Σταδιακός Υπολογισμός, Ο(Ν 2 ) Βήματα Μεθόδου 1. Εύρεση Κέντρου Κεφαλιού 2. Εύρεση Πηγουνιού - Εκκεντρότητας Μεγιστοποίηση Συνάρτησης fh, fh = h* (1-b) Παρατηρήσεις Το κεφάλι συνήθως περιέχει 2 κύρια χρώματα Σπάνια επικαλύπτεται με άλλο μέλος Μάσκα Κεφαλιού Εικόνα Χ.Α. Κεφαλιού Εφαρμογή Κατωφλιού h : ποσοστό των σημείων του πράσινου μέρους της μάσκας που  κεφάλι b : ποσοστό των σημείων του κόκκινου μέρους της μάσκας που  κεφάλι fh=h*(1-b) h 1-b

21 Computer Science Department Αλγόριθμος Παρακολούθησης (5/12) 9/6/2003 Kων/νος Παναγιωτάκης 20 4. Παρακολούθηση Κεντρικού Σώματος Υπολογισμός 6 Σημείων, Ο(Ν 12 ) Αλγόριθμος Σταδιακού Υπολογισμού, Ο(Ν 2 ) Επανάλαβε { Διάλεξε ένα σημείο (p) από τα 6 του κεντρικού σώματος Μετακίνησε το p γύρω από τη προηγούμενη θέση του p = argmax(fb) } fb = h* (1-b) * EMD * S Παρατηρήσεις για Κεντρικό Σώμα Συνήθως περιέχει πολλά χρώματα Πιθανές επικαλύψεις με χέρια Μικρές κινήσεις h : Ποσοστό των σημείων του μπλε μέρους της μάσκας που  κεντρικό σώμα b : Ποσοστό των σημείων του κόκκινου μέρους της μάσκας που  κεντρικό σώμα EMD: Απόσταση ιστογραμμάτων S : Διατήρηση σχήματος (παραλληλίες) Μάσκα Κεντρικού Σώματος

22 Computer Science Department Αλγόριθμος Παρακολούθησης (6/12) 9/6/2003 Kων/νος Παναγιωτάκης 21 l0l0 r0r0 l1l1 r1r1 4. Παρακολούθηση Ποδιών Υπολογισμός 6 Σημείων, 3 σε κάθε πόδι Αλγόριθμος Σταδιακού Υπολογισμού, Ο(Ν 2 ) Παρατηρήσεις Μεγάλες κινήσεις Πιθανές επικαλύψεις μεταξύ τους Περιέχουν λίγα κύρια χρώματα 1. Εύρεση Γωνίας l 0, r 0 2. Ανίχνευση 2 Άκρων - Γωνίας l 1, r 1 3. Εύρεση Γονάτων

23 Computer Science Department Αλγόριθμος Παρακολούθησης (7/12) 9/6/2003 Kων/νος Παναγιωτάκης 22 4. Παρακολούθηση Ποδιών 1. Εύρεση Γωνίας Μηρού - Γονάτου l 0, r 0 Μεγιστοποίηση συνάρτησης ff Αλγόριθμος Για τις διάφορες πιθανές γωνίες l 0, r 0 Υπολογίζεται η ff ( l 0, r 0 ) = argmax(ff) Μάσκα Αριστερού – Δεξιού Ποδιού Ενδιάμεσο Αποτέλεσμα Τελικό Αποτέλεσμα F l : Ταίριασμα από τη εφαρμογή του αριστερού ποδιού F r : Ταίριασμα από τη εφαρμογή του δεξιού ποδιού Visib: Ορατότητες

24 Computer Science Department Αλγόριθμος Παρακολούθησης (8/12) 9/6/2003 Kων/νος Παναγιωτάκης 23 4. Παρακολούθηση Ποδιών 2. 2.Ανίχνευση 2 Άκρων Ποδιών - Γωνίας l 1, r 1 4 Σημεία + 2 γωνίες, Ο(Ν 10 ) Πρώτα υπολογίζονται για το αριστερό πόδι και μετά για το δεξί, Ο(Ν 2 ) Μεγιστοποίηση συνάρτησης ταιριάσματος Χρήση Ορατότητας τμημάτων Μάσκα Αριστερού – Δεξιού Ποδιού l 1 γωνία r 1 γωνία Το φόντο ενδιάμεσα των ποδιών αγνοείται όταν τα πόδια είναι κοντά Ενδιάμεσο Αποτέλεσμα Τελικό Αποτέλεσμα

25 Computer Science Department Αλγόριθμος Παρακολούθησης (9/12) 9/6/2003 Kων/νος Παναγιωτάκης 24 4. Παρακολούθηση Ποδιών 3. Εύρεση Γονάτων Τομή των 2 αξόνων (μηρού, κνήμης) Όταν το πόδι είναι τεντωμένο το γόνατο προκύπτει από το μέσο του Μηρού – Αστραγάλου

26 Computer Science Department Αλγόριθμος Παρακολούθησης (10/12) 9/6/2003 Kων/νος Παναγιωτάκης 25 5. Παρακολούθηση Χεριών Υπολογισμός 4 Σημείων, 2 σε κάθε χέρι Αλγόριθμος Σταδιακού Υπολογισμού, Ο(Ν 2 ) Παρατηρήσεις Μεγάλες σχετικά κινήσεις Πιθανές επικαλύψεις με κεντρικό σώμα Περιέχουν λίγα κύρια χρώματα - Συνήθως υπάρχουν αλλοιώσεις 1. Εύρεση Γωνίας Ώμου (f 0 ) f0f0 2. Εύρεση Γωνίας Αγκώνα (f 1 ) και Απόστασης Ώμου-Αγκώνα (m 0 ) 3. Εύρεση Απόστασης Αγκώνα - Άκρου Χεριού (m 1 ) f1f1 m0m0 m1m1

27 Computer Science Department Αλγόριθμος Παρακολούθησης (11/12) 9/6/2003 Kων/νος Παναγιωτάκης 26 5. Παρακολούθηση Χεριών Μεγιστοποίηση Συνάρτησης Ταιριάσματος, 1. Εύρεση Γωνίας Ώμου 2. Εύρεση Γωνίας Αγκώνα, Απόστασης Ώμου-Αγκώνα 3. Εύρεση Απόστασης Αγκώνα-Άκρου Χεριού Το μπλε τμήμα της μάσκας βρίσκεται σε σημεία με μικρή χρωματική απόσταση (χέρι) και το κόκκινο τμήμα της μάσκας βρίσκεται σε σημεία με με μεγάλη χρωματική απόσταση (φόντο). 1. 2. 3. f = a*(1-b) Όταν το χέρι είναι τεντωμένο ο αγκώνας προκύπτει από το μέσο του ώμου - άκρου χεριού Το χέρι αγνοείται όταν βρίσκεται εντός του κεντρικού σώματος.

28 Computer Science Department Υλοποίηση Εργασίας (1/1) 9/6/2003 Kων/νος Παναγιωτάκης 27272727 Αλγόριθμος Εξαγωγής 18 Χαρακτηριστηκών Σημείων από Σιλουέτα Χρήση MATLAB - Υλοποίηση σε C Χρήση μεθόδου στο πρόγραμμα PISTE Αλγόριθμος Παρακολούθησης Χρήση MATLAB - Υλοποίηση σε C Ανάπτυξη γραφικού περιβάλλοντος σε JAVA Εκτέλεση αλγορίθμου παρακολούθησης Άνοιγμα προηγούμενων αποτελεσμάτων παρακολούθησης Γραφική αναπαράσταση χαρακτηριστικών παρακολούθησης Δυνατότητα αρχικοποίησης των 18 χαρακτηριστικών σημείων Δυνατότητα ψηφιακής επεξεργασίας εικόνων Γραφικό περιβάλλον

29 Computer Science Department Αποτελέσματα (1/2) 9/6/2003 Kων/νος Παναγιωτάκης 30 Computer Science Department Αλγόριθμος Εξαγωγής 18 Χαρακτηριστηκών Σημείων 9/6/2003 Kων/νος Παναγιωτάκης 28282828

30 Computer Science Department Αποτελέσματα (2/2) – Μέθοδος Παρακολούθησης 9/6/2003 Kων/νος Παναγιωτάκης 29

31 Computer Science Department Συμπεράσματα (1/3) 9/6/2003 Kων/νος Παναγιωτάκης 30303030 Αλγόριθμος Εξαγωγής 18 Χαρακτηριστηκών Σημείων από Σιλουέτα + Πλοκή Ο(Ν) + Ακριβή αποτελέσματα - Μια σιλουέτα αντιστοιχεί σε διαφορετικές 3Δ διατάξεις Αλγόριθμος Παρακολούθησης + Πλοκή Ο(Ν 2 ) (αντί για Ο(Ν 36 )) Ακρίβεια αποτελέσματος ~ ποιότητας εικόνων, ~αντίθεσης με το φόντο > 98% Σημεία κεντρικού σώματος - κεφάλι ( Μικρές κινήσεις -μικρή αλλοίωση χρωμάτων) > 95% Σημεία ποδιών - χερίων (Μεγάλες κινήσεις -μεγάλη αλλοίωση χρωμάτων) +Ανίχνευση λάθους επικαλύψεων τμημάτων από υψηλά σφάλματα +Τα σφάλματα δε διαδίδονται στο χρόνο (τα βασικά χρώματα δεν ανανεώνονται) |χώρου ψαξίματος| |κόστος εφαρμογής της μάσκας| = =Ο(Ν) Ο(Ν) = Ο(Ν 2 ) (Μπορεί να μειωθεί σε Ο(ΝlogN)

32 Computer Science Department Συμπεράσματα (2/3) 9/6/2003 Kων/νος Παναγιωτάκης 31 Γενικά Μεθοθολογικά Αρχή Σταδιακής Μείωσης Αβεβαιότητας +Μείωση χώρου ψαξίματος -Τα σφάλματα διαδίδονται στο χώρο Υπολογισμός Χαρακτηριστικών με Βελτιστοποίηση Κριτηρίων +Μικρό κόστος - άμεσος υπολογισμός - αναμενόμενο αποτέλεσμα ~ μοντελοποίησης Χρήση Μασκών + Συνδιασμός σχήματος (περιβλήματος) - κυριών χρωμάτων -Τα κύρια χρώματα δεν εμφανίζονται στο φόντο Χρήση Ιστογράμματος στο κεντρικό σώμα (EMD)

33 Computer Science Department Συμπεράσματα (3/3) 9/6/2003 Kων/νος Παναγιωτάκης 32323232 Μελλοντικές Επεκτάσεις Αλγόριθμος Εξαγωγής 18 Χαρακτηριστηκών Σημείων από Σιλουέτα Χρήση χρώματος Εφαρμογή σε ακολουθία εικόνων (χωρίς αρχικοποίηση) 3Δ ανακατασκευή ανθρώπου (επαλήθευση) Ευρεση δραστηριότητας ατόμου (χρήση νευρωνικών δικτύων) Αλγόριθμος Παρακολούθησης Ακρίβεια στον εντοπισμό ανθρώπου - χρήση πιθανοτήτων προσδιορισμού Χρήση δυναμικών μασκών στο χρόνο - διαφορετικών ανά ακολουθία Παρακολούθηση ομάδων ανθρώπων Αποφυγή αρχικοποίησης (χρήση μεθόδων ανίχνευσης ανεξάρτητης κίνησης) 3Δ παρακολούθηση (χρήση στερεοσκοπικών εικόνων)

34 Ευχαριστώ για την προσοχή σας Γραφικό Περιβάλλον Παρακολούθησης Γραφικό Περιβάλλον Παρακολούθησης 9/6/2003 Kων/νος Παναγιωτάκης 33333333