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
190
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
GPTモデルでキャラクター設定する際の課題
abeta
0
140
GPTをLINEで使えるようにして布教した
abeta
0
84
【Nishika】プリント基板の電子部品検出
abeta
0
160
初心者向けChatGPT入門
abeta
0
150
GPT Short Talk
abeta
0
94
拡散モデルについて少しだけ
abeta
0
11
動的計画モデル
abeta
0
110
特徴量記述
abeta
0
140
適応共鳴理論 / Adaptive resonance theory
abeta
0
510
Other Decks in Science
See All in Science
文系出身でも「アルゴリズム×数学」はスッキリ理解できた!話
wakamatsu_takumu
0
210
同じデータでもP値が変わる話/key_considerations_in_NHST
florets1
1
1.1k
SCOTT: Self-Consistent Chain-of-Thought Distillation
meshidenn
0
320
Introduction to Graph Neural Networks
joisino
4
1.5k
勉強会資料 / “Asymptotic Statistics” Section 2.1
asymptotic_minato
0
230
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
680
Machine Learning for Materials (Lecture 2)
aronwalsh
0
590
【論文紹介】DocTr_ Document Transformer for Structured Information Extraction in Documents / iccv2023-doctr
yuya4
3
580
20240127_OpenRadiossエアバッグ解析
kamakiri1225
0
160
ABEMAの効果検証事例〜効果の異質性を考える〜
s1ok69oo
3
1.6k
スポーツメトリクス設計に対比較法を使いまくる / Sports metrics design using pairwise comparison method (spoana#14)
konakalab
1
730
Direct Preference Optimization
zchenry
0
150
Featured
See All Featured
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
501
140k
Rails Girls Zürich Keynote
gr2m
91
13k
Designing Experiences People Love
moore
136
23k
The Language of Interfaces
destraynor
151
23k
How to name files
jennybc
65
93k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
14
1.5k
Infographics Made Easy
chrislema
238
18k
Teambox: Starting and Learning
jrom
128
8.4k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
245
20k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
41
4.4k
Large-scale JavaScript Application Architecture
addyosmani
504
110k
Visualization
eitanlees
137
14k
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