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
290
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
290
GPTモデルでキャラクター設定する際の課題
abeta
0
310
GPTをLINEで使えるようにして布教した
abeta
0
170
【Nishika】プリント基板の電子部品検出
abeta
0
310
初心者向けChatGPT入門
abeta
0
230
GPT Short Talk
abeta
0
130
拡散モデルについて少しだけ
abeta
0
62
動的計画モデル
abeta
0
160
特徴量記述
abeta
0
200
Other Decks in Science
See All in Science
ド文系だった私が、 KaggleのNCAAコンペでソロ金取れるまで
wakamatsu_takumu
2
1.3k
【RSJ2025】PAMIQ Core: リアルタイム継続学習のための⾮同期推論・学習フレームワーク
gesonanko
0
140
データベース02: データベースの概念
trycycle
PRO
2
910
データベース01: データベースを使わない世界
trycycle
PRO
1
790
06_浅井雄一郎_株式会社浅井農園代表取締役社長_紹介資料.pdf
sip3ristex
0
640
白金鉱業Meetup_Vol.20 効果検証ことはじめ / Introduction to Impact Evaluation
brainpadpr
1
820
機械学習 - 決定木からはじめる機械学習
trycycle
PRO
0
1.1k
ウェブ・ソーシャルメディア論文読み会 第25回: Differences in misinformation sharing can lead to politically asymmetric sanctions (Nature, 2024)
hkefka385
0
130
機械学習 - K近傍法 & 機械学習のお作法
trycycle
PRO
0
1.2k
統計的因果探索: 背景知識とデータにより因果仮説を探索する
sshimizu2006
4
1k
データベース03: 関係データモデル
trycycle
PRO
1
270
論文紹介 音源分離:SCNET SPARSE COMPRESSION NETWORK FOR MUSIC SOURCE SEPARATION
kenmatsu4
0
330
Featured
See All Featured
Typedesign – Prime Four
hannesfritz
42
2.8k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
132
19k
Side Projects
sachag
455
43k
Building Adaptive Systems
keathley
43
2.8k
Agile that works and the tools we love
rasmusluckow
330
21k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
45
2.5k
Making the Leap to Tech Lead
cromwellryan
135
9.5k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
Context Engineering - Making Every Token Count
addyosmani
3
140
Become a Pro
speakerdeck
PRO
29
5.5k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
657
61k
Gamification - CAS2011
davidbonilla
81
5.4k
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