Seguimiento (gráficos por computadora)
El seguimiento es la determinación de la ubicación de un objeto en movimiento (varios objetos) en el tiempo utilizando una cámara. El algoritmo analiza los cuadros de video y genera la posición de los objetivos en movimiento en relación con el cuadro.
El principal problema del seguimiento es hacer coincidir las posiciones del objeto de destino en una secuencia de fotogramas, especialmente si el objeto se mueve rápido en relación con la velocidad de fotogramas . Por lo tanto, los sistemas de seguimiento suelen utilizar un modelo de movimiento que describe cómo la imagen del objeto de destino puede cambiar con todo tipo de movimientos diferentes.
Ejemplos de patrones de movimiento tan simples son:
- seguimiento de objetos planos, modelo de movimiento: transformación 2D (transformación afín u homografía) de una imagen de un objeto (por ejemplo, el marco original)
- cuando el objetivo es un objeto 3D rígido, el modelo de movimiento determina la vista en función de su posición en el espacio y la orientación
- para la compresión de video , los fotogramas clave (key frames) se dividen en macrobloques (macroblocks). El modelo de movimiento es una ruptura de cuadro clave, donde cada macrobloque se transforma usando un vector de movimiento obtenido de los parámetros de movimiento.
- la imagen de un objeto deformable se puede tapar con una malla (mesh), el movimiento del objeto viene dado por la posición de los vértices de esta malla
La tarea principal del algoritmo de seguimiento es un análisis secuencial de cuadros de video para estimar los parámetros de movimiento. Estos parámetros caracterizan la posición del objeto objetivo.
Algoritmos básicos [1]
El sistema de observación visual (seguimiento) consta de dos partes principales:
- Representación y localización del objeto de destino ( Representación y localización de destino )
- Filtrado y Asociación de Datos ( Filtering and Data Association )
Representar y localizar un objeto de destino es principalmente un proceso de abajo hacia arriba, es decir, secuencial y sus pasos posteriores no afectan a los anteriores. Normalmente, la complejidad computacional de estos algoritmos es bastante pequeña. Estos son algunos algoritmos estándar de representación y localización de objetos de destino :
- Seguimiento de blobs: segmentación del interior de un objeto (por ejemplo, detección de blobs, correlación basada en bloques o flujo óptico)
- Seguimiento basado en kernel (seguimiento de cambio medio): un procedimiento de localización iterativo basado en maximizar el criterio de similitud (coeficiente de Bhattacharyya).
- Seguimiento de contornos : encontrar el límite de un objeto (por ejemplo, contornos activos o algoritmo de condensación)
- Coincidencia de características visuales : registro de imágenes
- Seguimiento de características puntuales [2] : el problema se formula de la siguiente manera: dada una secuencia de imágenes de alguna escena, obtenidas de una cámara en movimiento o estacionaria. Es necesario obtener un conjunto lo más preciso posible de secuencias de coordenadas de proyección de algunos puntos de la escena en cada fotograma.
Filtrar y combinar datos es un proceso mayoritariamente de arriba hacia abajo que implica combinar información a priori sobre la escena o el objeto, relacionada con la dinámica del objeto, y calcular varias hipótesis. La complejidad computacional de estos algoritmos suele ser mucho mayor. Aquí hay algunos algoritmos de filtrado estándar [3] :
- Filtro de Kalman : recurso recursivo óptimo (filtro bayesiano) para funciones lineales sujetas a ruido gaussiano.
- Filtro de partículas : útil para muestrear el espacio de estado subyacente de la distribución de procesos no lineales y no gaussianos.
Véase también
Notas
- ↑ Alper Yilmaz, Omar Javed y Mubarak Shah, "Seguimiento de objetos: una encuesta", ACM Journal of Computing Surveys, diciembre de 2006.
- ↑ Artículo de CGM "Seguimiento de características de puntos" (enlace muerto) . Consultado el 17 de mayo de 2010. Archivado desde el original el 23 de mayo de 2012. (indefinido)
- ↑ M. Arulampalam, S. Maskell, N. Gordon y T. Clapp, "Un tutorial sobre filtros de partículas para el seguimiento bayesiano no lineal/no gaussiano en línea", IEEE Trans. sobre procesamiento de señales, vol. 50, núm. 2 de febrero 2002.
Enlaces