Contenu connexe
Plus de Hitoshi Nishimura (10)
Lucas kanade法について
- 2. 対象追跡研究の推移(引用)
サーベイランス
見えに基づく手法
屋外・環境変動への対応
1980年 1990年 2000年
オフライン処理 リアルタイム処理
パターン認識に基づく手法
クラスタリングに基づく手法
・1998 M. Isard, A. Blake
ConDensation
・2000 D,. Comaniciu P. Meer
Mean-Shiftを使った非剛体追跡
・1981 Lucas-Kanade
勾配法(レジストレーション)
・1980後半 カルマンフィルタの利用
・1992 J. Boyce, D. Toulson
α-β-γトラッカー
・1995 モンテカルロフィルタの利用
bootstrap filter
・1991 Tomasi-Kanade
勾配法(特徴点追跡)
・1971 航空機画像解析
(雲の動きの解析)
動きのモデル化
時系列フィルタリング
・1968 更新テンプレートマッチング
・1999 EMベースの追跡
・1975 K. Fukunaga
Mean-Shift
・2001 SVMを使った追跡
Mean-Shift
軍需関係? 個人認識、人物監視
基盤となる要素技術の発展
ハードウェアの発展
全探索 勾配法 予測に基づく手法
- 7. 勾配法
輝度: 𝐼 𝑥, 𝑦, 𝑡 輝度: 𝐼 𝑥 + Δ𝑥, 𝑦 + Δ𝑦, 𝑡 + Δ𝑡
+Δ𝑡
同じと仮定!(輝度の不変性)
目標:
∆𝒙
∆𝒕
,
∆𝒚
∆𝒕
を求める ※各点(𝑥, 𝑦)において
大方針:輝度の空間的、時間的な勾配を用いて
山登りすることで、オプティカルフローを求める
- 8. 制約:移動量小
右辺 = 𝐼 𝑥 + Δ𝑥, 𝑦 + Δ𝑦, 𝑡 + Δ𝑡
= 𝐼 𝑥, 𝑦, 𝑡 +
𝜕𝐼
𝜕𝑥
∆𝑥 +
𝜕𝐼
𝜕𝑦
∆𝑦 +
𝜕𝐼
𝜕𝑡
∆𝑡 + ⋯
右辺をテイラー展開する
𝐼 𝑥, 𝑦, 𝑡 = 𝐼 𝑥, 𝑦, 𝑡 +
𝜕𝐼
𝜕𝑥
∆𝑥 +
𝜕𝐼
𝜕𝑦
∆𝑦 +
𝜕𝐼
𝜕𝑡
∆𝑡
よって、
= 0
無視(注目点の移
動量は小さい)
𝐼 𝑥, 𝑦, 𝑡 = 𝐼 𝑥 + Δ𝑥, 𝑦 + Δ𝑦, 𝑡 + Δ𝑡
- 10. 窓問題
𝐼 𝑥 𝒗 𝑥 + 𝐼 𝑦 𝒗 𝑦 = −𝐼𝑡
未知数が2つなので解けない
=Aperture Problem(窓問題)
制約を増やす必要がある!
・Horn-Schunck法(滑らかさを制約に)
・Lucas-Kanade法(空間的整合性を制約に)
- 11. Lucas-Kanade法(制約)
𝐼 𝑥 𝒗 𝑥 + 𝐼 𝑦 𝒗 𝑦 = −𝐼𝑡
制約:周辺の点は同じように動く
𝐼 𝑥 𝑞1 𝒗 𝑥 + 𝐼 𝑦 𝑞1 𝒗 𝑦 = −𝐼𝑡 𝑞1
𝐼 𝑥(𝑞2)𝒗 𝑥 + 𝐼 𝑦(𝑞2)𝒗 𝑦 = −𝐼𝑡(𝑞2)
⋮
𝐼 𝑥(𝑞 𝑛)𝒗 𝑥 + 𝐼 𝑦(𝑞 𝑛)𝒗 𝑦 = −𝐼𝑡(𝑞 𝑛)
𝐴𝒗 = 𝑏
まとめると
- 15. 参考
・Bruce D. Lucas, Takeo Kanade, ”An iterative image registration
technique with an application to stereo vision”
・http://www.ieice-hbkb.org/files/02/02gun_02hen_04.pdf
・http://opencv.blog.jp/algorithm/opticalflow
・http://qiita.com/icoxfog417/items/357e6e495b7a40da14d8
・http://www.wakayama-u.ac.jp/~wuhy/CV12.pdf