Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
物体追跡
Search
Masafumi Abeta
January 24, 2022
Science
0
250
物体追跡
社内勉強会で発表した資料です。
Masafumi Abeta
January 24, 2022
Tweet
Share
More Decks by Masafumi Abeta
See All by Masafumi Abeta
Pythonのパッケージマネージャー「uv」
abeta
0
41
GPTモデルでキャラクター設定する際の課題
abeta
0
210
GPTをLINEで使えるようにして布教した
abeta
0
120
【Nishika】プリント基板の電子部品検出
abeta
0
210
初心者向けChatGPT入門
abeta
0
180
GPT Short Talk
abeta
0
99
拡散モデルについて少しだけ
abeta
0
27
動的計画モデル
abeta
0
130
特徴量記述
abeta
0
160
Other Decks in Science
See All in Science
重複排除・高速バックアップ・ランサムウェア対策 三拍子そろったExaGrid × Veeam連携セミナー
climbteam
0
110
Spectral Sparsification of Hypergraphs
tasusu
0
170
20240420 Global Azure 2024 | Azure Migrate でデータセンターのサーバーを評価&移行してみる
olivia_0707
2
900
マテリアルズ・インフォマティクスの先端で起きていること / What's Happening at the Cutting Edge of Materials Informatics
snhryt
1
130
インフラだけではない MLOps の話 @事例でわかるMLOps 機械学習の成果をスケールさせる処方箋 発売記念
icoxfog417
2
580
拡散モデルの原理紹介
brainpadpr
3
4.8k
作業領域内の障害物を回避可能なバイナリマニピュレータの設計 / Design of binary manipulator avoiding obstacles in workspace
konakalab
0
160
最適化超入門
tkm2261
14
3.3k
Презентация программы бакалавриата СПбГУ "Искусственный интеллект и наука о данных"
dscs
0
720
Iniciativas independentes de divulgação científica: o caso do Movimento #CiteMulheresNegras
taisso
0
240
ベイズ最適化をゼロから
brainpadpr
2
810
教師なしテンソル分解に基づく、有糸分裂後の転写再活性化におけるヒストン修飾ブックマークとしての転写因子候補の抽出法
tagtag
0
120
Featured
See All Featured
Building Your Own Lightsaber
phodgson
103
6.1k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
8
900
Fireside Chat
paigeccino
34
3k
Building a Modern Day E-commerce SEO Strategy
aleyda
38
6.9k
YesSQL, Process and Tooling at Scale
rocio
169
14k
Java REST API Framework Comparison - PWX 2021
mraible
PRO
28
8.2k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
93
16k
What's in a price? How to price your products and services
michaelherold
243
12k
VelocityConf: Rendering Performance Case Studies
addyosmani
325
24k
Art, The Web, and Tiny UX
lynnandtonic
297
20k
Code Review Best Practice
trishagee
64
17k
Optimising Largest Contentful Paint
csswizardry
33
2.9k
Transcript
XX University 物体追跡 2022.01.24 Abeta
2 テンプレートマッチング テンプレート画像を⾛査させて、⼀致度が⾼い箇所を検出する。動画では検出、テンプレート画像の更新を繰 り返して追跡を⾏う。 𝑆!!" (𝑥# , 𝑦# ) =
( $!%& '!() ( *!%& +!() 𝐼# 𝑥# + 𝑥, , 𝑦# + 𝑦, − 𝐼, 𝑥, , 𝑦, - 差分は⼆乗和や絶対値和を使⽤する。
3 Meanshift 探索窓内の点群の重⼼に、探索窓の中⼼を移すという処理を繰り返す。 2値画像の中の物体重⼼を求めることに使⽤し、物体を追跡する。
4 CAMshift(Continuously Adaptive Meanshift) ターゲットの⼤きさや回転に合わせて、ウィンドウの⼤きさを調整しながらMeanshiftを⾏う。 https://docs.opencv.org/4.x/d7/d00/tutorial_meanshift.html
5 カルマンフィルター カルマンフィルターは、逐次ベイズフィルターの⼀種であり、測定データからシステムの状態を推定するアル ゴリズム。 直前までの情報と、たった今取得したデータをもとに、もっとも適切な(最適な)システムの状 態を推定する⼿ 法。ただし、測定値にはノイズが乗っており、システムの状態を⽰す変数⾃ 体にもノイズが乗っているもの とする。 https://jp.mathworks.com/discovery/kalman-filter.html
https://www.avelio.co.jp/math/wordpress/?p=605 http://www1.accsnet.ne.jp/~aml00731/kalman.pdf
6 https://jp.mathworks.com/discovery/kalman-filter.html
7 粒⼦フィルター パーティクルフィルタは、複数の粒⼦にノイズをくわえながら観測データとモデルを元に内部状態を推定しく ⼿法。⾮線形なモデルに対しても適⽤でき、粒⼦の数だけ精度はよくなるが、計算量もその分増え、粒⼦数が Nのときに時間計算量はO(N)となる。 実装が簡単で様々な分野で適⽤することができるのが特徴. https://www.matsue-ct.jp/ee/index.php/ja/30-denki-menu20130501-4/denki-cat-senkoka-kenkyu/denki-cat-senkoka-kenkyu-2014/251-senkoka-kenkyu2014-8 http://www.thothchildren.com/chapter/5c7bc083ba4d5d6b2c2419ea
8 DeepSORT SeepSORTは3つの技術で構成される。 • YOLO:物体検出 • ReId(Person Re-Identification):個⼈識別 • SORT(Simple
Online Realtime Tracking):バウンディングボックスの予測 予測 𝑡 𝑡 + 1 物体認識 ⼈物の類似度と 重なりで同⼀判定
9 参考⽂献 • 中村恭之, ⼩枝正直, 上⽥悦⼦, 『OpenCVによるコンピュータビジョン・機械学習⼊⾨』, 講談社, 2017