Sporing (computergrafik)
Sporing er bestemmelse af placeringen af et bevægeligt objekt (flere objekter) i tid ved hjælp af et kamera. Algoritmen analyserer videobilleder og udsender positionen af bevægelige mål i forhold til billedet.
Hovedproblemet ved sporing er at matche målobjektets positioner i en sekvens af billeder, især hvis objektet bevæger sig hurtigt i forhold til billedhastigheden . Sporingssystemer bruger således typisk en bevægelsesmodel, der beskriver, hvordan billedet af målobjektet kan ændre sig med alle mulige forskellige bevægelser.
Eksempler på sådanne simple bevægelsesmønstre er:
- sporing af flade objekter, bevægelsesmodel - 2D-transformation ( affin transformation eller homografi) af et billede af et objekt (for eksempel den originale ramme)
- når målet er et stift 3D-objekt, bestemmer bevægelsesmodellen visningen baseret på dets position i rummet og orientering
- til videokomprimering er nøglebilleder (nøglebilleder) opdelt i makroblokke (makroblokke). Bevægelsesmodellen er et nøglerammebrud, hvor hver makroblok transformeres ved hjælp af en bevægelsesvektor opnået fra bevægelsesparametrene
- billedet af en deformerbar genstand kan dækkes med et net (mesh), objektets bevægelse er givet af positionen af hjørnerne af dette maske
Hovedopgaven for sporingsalgoritmen er en sekventiel analyse af videoframes for at estimere bevægelsesparametre. Disse parametre karakteriserer placeringen af målobjektet.
Grundlæggende algoritmer [1]
Det visuelle observationssystem (sporing) består af to hoveddele:
- Repræsentation og lokalisering af målobjektet ( målrepræsentation og lokalisering )
- Filtrering og datatilknytning ( filtrering og datatilknytning )
At repræsentere og lokalisere et målobjekt er for det meste en bottom-up proces, dvs. sekventiel og dens efterfølgende trin påvirker ikke de foregående. Typisk er beregningskompleksiteten af disse algoritmer ret lille. Her er nogle standardmålobjektrepræsentation og lokaliseringsalgoritmer :
- Blob-sporing : Segmentering af det indre af et objekt (f.eks. blob-detektion, blok-baseret korrelation eller optisk flow)
- Kernel-baseret sporing (Mean-shift tracking): En iterativ lokaliseringsprocedure baseret på maksimering af lighedskriteriet (Bhattacharyya-koefficient).
- Kontursporing : Find grænsen for et objekt (f.eks. aktive konturer eller kondensationsalgoritme)
- Visuel funktionsmatchning : Billedregistrering
- Punktfunktionssporing [2] : Problemet er formuleret som følger - givet en sekvens af billeder af en scene, hentet fra et bevægeligt eller stationært kamera. Det er nødvendigt at opnå et sæt af så nøjagtige som muligt sekvenser af projektionskoordinater for nogle punkter af scenen i hvert billede.
Filtrering og kombination af data er for det meste en top-down proces, der involverer at kombinere a priori information om scenen eller objektet, relateret til objektets dynamik og beregning af forskellige hypoteser. Beregningskompleksiteten af disse algoritmer er normalt meget højere. Her er nogle standardfiltreringsalgoritmer [3] :
- Kalman-filter : optimalt rekursivt (bayesisk filter) til lineære funktioner, der udsættes for gaussisk støj.
- Partikelfilter : nyttigt til prøvetagning af det underliggende tilstandsrum af fordelingen af ikke-lineære og ikke-Gaussiske processer.
Se også
Noter
- ↑ Alper Yilmaz, Omar Javed og Mubarak Shah, "Object Tracking: A Survey", ACM Journal of Computing Surveys, dec 2006.
- ↑ CGM-artikel "Point feature tracking" (dødt link) . Hentet 17. maj 2010. Arkiveret fra originalen 23. maj 2012. (ubestemt)
- ↑ M. Arulampalam, S. Maskell, N. Gordon og T. Clapp, "A Tutorial on Particle Filters for Online Non-linear/Non-Gaussian Bayesian Tracking", IEEE Trans. om signalbehandling, vol. 50, nej. 2. februar 2002.
Links