物体追跡

社内勉強会で発表した資料です。

Transcript

1. XX University 物体追跡 2022.01.24 Abeta
2. 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. 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. 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. 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. 6 https://jp.mathworks.com/discovery/kalman-filter.html
7. 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. 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. 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