使用邊緣特徵改善CAMSHIFT的物件追蹤方法

1、使用邊緣特徵改善CAMSHIFT的物件追蹤方法,指導教授：洪 國 寶 研 究 生：林 易 增,2,大綱,前言 CAMSHIFT的架構 CAMSHIFT的缺點 提取邊緣特徵 加入邊緣特徵的新架構 實驗 未來研究,3,大綱,前言 CAMSHIFT的架構 CAMSHIFT的缺點 提取邊緣特徵 加入邊緣特徵的新架構 實驗 未來研究,4,前言,物件追蹤的應用非常的實際而且廣泛。 從基本的圖形比對、安全監(jiān)控，到行車輔助系統(tǒng)，甚至是更進階的無人駕駛載具或機器人應用。,5,前言,簡單的電腦視覺運作流程示意圖,6,大綱,前言 CAMSHIFT的架構 CAMSHIFT的缺點 提取邊緣特徵 加入邊緣特徵的新架構 實

2、驗,7,CAMSHIFT的架構,CAMSHIFT是Mean Shift的改良。 Mean Shift每次搜索的範圍是固定的。 CAMSHIFT會更新每次搜索的範圍，更適合在連續(xù)的影像中做物件追蹤。,8,CAMSHIFT的架構,CAMSHIFT的幾個主要步驟 ： 1.轉換成HSV色彩空間 2.Back Projection 3.Mean Shift 4.CAMSHIFT,9,CAMSHIFT的架構,1.轉換成HSV色彩空間,10,CAMSHIFT的架構,1.轉換成HSV色彩空間 取得色彩直方圖,左邊為選定的物件，右邊為左邊物件的色彩直方圖。,11,CAMSHIFT的架構,2.Back Proje

3、ction,12,CAMSHIFT的架構,3.Mean Shift 計算中心點 旋轉的角度,13,CAMSHIFT的架構,4.CAMSHIFT 將新得到的搜尋視窗，當作第三步驟的初始搜尋視窗。如此重複的執(zhí)行，就可以達到連續(xù)追蹤物件的效果。,14,大綱,前言 CAMSHIFT的架構 CAMSHIFT的缺點 提取邊緣特徵 加入邊緣特徵的新架構 實驗 未來研究,15,CAMSHIFT的缺點,一、背景過度複雜或是有類似顏色的時候效果會降低。 二、物體本身就很複雜，導致辨識困難或誤判。 三、一但物體因為某些原因脫離搜尋視窗，就沒有辦法再正確找到物體。,16,CAMSHIFT的缺點,17,CAMSHIFT

4、的缺點,18,大綱,前言 CAMSHIFT的架構 CAMSHIFT的缺點 提取邊緣特徵 加入邊緣特徵的新架構 實驗 未來研究,19,提取邊緣特徵,邊緣範例 過於抽象,20,提取邊緣特徵,一個優(yōu)秀的特徵： 獨特性高 容易被匹配 對各種破壞（旋轉、縮放）具不變性,21,提取邊緣特徵,1.取邊緣 2.對邊緣圖做膨脹運算 3.將影像做分格處理 4.零檢查 5.PCA(Principal component analysis),22,提取邊緣特徵,1.取邊緣特徵 使用Canny邊緣檢測 2.對邊緣圖做膨脹運算 在矩陣中若是外圍的P2到P9有一個像素的值是1，則將P1設為1。 使它獨特性高,23,提取邊緣

5、特徵,左圖為Canny邊緣偵測所得的結果，右圖為左圖經過膨脹與侵蝕運算後得到的結果,24,提取邊緣特徵,3.將影像做分格處理 使它容易被匹配,25,提取邊緣特徵,4.零檢查 預先排除 可能性低的 地方,26,提取邊緣特徵,5.PCA 藉由主要的成分投影過後得到的資料，用來做比對的資料。 優(yōu)點：降低資料的維度，保持資料的解釋度。 缺點：失去部分資料特性。,27,提取邊緣特徵,為什麼要做PCA?,28,提取邊緣特徵,簡單的降維方法 資料的解釋度不足 失去部分資料特性,(1,3),(1,0),(2,3.5),(2,0),29,提取邊緣特徵,5.PCA DATA = Cov(DATA) =,30,提取

6、邊緣特徵,5.PCA Cov(DATA) (方陣) Eigenvalue ,Eigenvector,越大的Eigenvalue所對應的Eigenvector，表示是越能夠在新特徵空間中代表DATA組成的一組Eigenvector （主成份）。,31,提取邊緣特徵,5.PCA,32,提取邊緣特徵,5.PCA,33,提取邊緣特徵,PCA Eigenvalue ,Eigenvector 第一主成分約佔75.372,34,Proj(DATA) =,35,大綱,前言 CAMSHIFT的架構 CAMSHIFT的缺點 提取邊緣特徵 加入邊緣特徵的新架構 實驗 未來研究,36,加入邊緣特徵的新架構,先使用邊緣特徵對畫面搜索,37,加入邊緣特徵的新架構,再對部分的範圍做CAMSHIFT,38,加入邊緣特徵的新架構,39,大綱,前言 CAMSHIFT的架構 CAMSHIFT的缺點 提取邊緣特徵 加入邊緣特徵的新架構 實驗 未來研究,40,實驗,41,實驗,42,實驗,實驗數據,43,實驗,實驗數據,44,實驗,影片 200907A0good.mp4,45,大綱,前言 CAMSHIFT的架構 CAMSHIFT的缺點 提取邊緣特徵 加入邊緣特徵的新架構 實驗 未來研究,46,未來研究,一個優(yōu)秀的特徵： 獨特性高 容易被匹配 對各種破壞具不