Sistema robusto de acompanhamento de trajetória de alvos móveis.

Este trabalho de conclusão de curso apresenta um sistema de acompanhamento de um alvo móvel em uma sequência de vídeo capturada em tempo real. Para a composição do sistema, são associados o algoritmo de rastreamento por cor camshift, uma versão adaptativa do conhecido mean shift, e dois algoritmos de predição de estado da linha do filtro de Kalman, sendo um deles uma implementação robusta particularmente adequada a aplicações de tempo real. São fornecidos aspectos introdutórios referentes aos componentes do sistema, iniciando-se com a apresentação do espaço de cores HSV, que, por separar as componentes de crominância e de luminância das cores, é mais adequado do que o tradicional RGB a aplicações como segmentação e rastreamento. A seguir, é descrito o algoritmo de projeção reversa de histograma, utilizado para construir uma distribuição de probabilidade de cor, que indica, para cada pixel de um quadro do vídeo, a probabilidade de que o mesmo pertença ao alvo, conforme representado por um histograma-modelo da componente de matiz de seus pixels. O algoritmo mean shift é apresentado como uma maneira de se determinar a região de máxima probabilidade de pertencimento ao alvo na cena, e, na sequência, é mostrada a forma como o camshift o aprimora com o ajuste adaptativo do tamanho da janela de busca, tornando o rastreamento mais robusto. Após a descrição dos algoritmos preditores nominal e robusto, segue-se uma visão geral do sistema de rastreamento, com sua interface e sua sequência de atividades. Por fim, são mostrados os resultados de uma avaliação de desempenho conduzida a fim de testar a eficiência computacional do sistema e de comparar os preditores empregados.

Palavras-chave em Inglês

Target tracking,
Robust filtering
Image processing.

Resumo em Inglês

This text presents a tracking system for a mobile target in a video sequence that is captured in real-time. To compose the system, an association is made between the color-tracking algorithm camshift, an adaptive version of the well-known mean shift, and two state prediction algorithms similar to the Kalman filter; one of them is a robust implementation, which is suitable for real-time applications. Introductory aspects of the components of the system are presented, beginning with the description of the HSV color space, which, by separating the chrominance and luminance components of the colors, becomes more suitable for applications like segmentation and tracking than the traditional RGB space. Next, the histogram backprojection algorithm is described as a way of creating a color probability distribution, which indicates, for each pixel of a frame of the video, the probability that it belongs to the target, which is represented by a model histogram of the hue component of its pixels. The mean shift algorithm is presented as a procedure to determine the region with the maximum probability of pertaining to the target in the scene; then it is shown how camshift improves it with the adaptive adjustment of the size of the searching window, what makes the tracking more robust. After the description of the nominal and robust prediction algorithms, follows an overview of the tracking system, including its interface and its sequence of activities. Finally, the results of an evaluation of performance are presented, with the objectives of assessing the computational efficiency of the system and of comparing the two estimators.

Arquivos

AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome(s) do(s) autor(es) do trabalho.

Gagliardi_Guilherme_Machado.pdf (3.08 Mbytes)

Data de Publicação

2015-02-23

Número de visitas

869

Número de downloads

946