Resumo (PT):
Este relatório aborda o problema de seguimento de entidades representadas em sequências de imagens usando Visão Computacional. Para tal utiliza-se um método estocástico, o filtro de Kalman, aliado a um método de optimização global, no sentido de obter os melhores conjuntos de correspondências, e portanto garantir a optimização global do seguimento. Nesta metodologia também se inclui um modelo de gestão de entidades seguidas que possibilita avaliar em cada instante se se deve continuar o seguimento de cada entidade considerado no modelo. Deste modo, a abordagem proposta permite lidar com casos de oclusão temporária, desaparecimento definitivo, aparecimento ou reaparecimento de entidades, mantendo um número controlado de entidades seguidas em cada instante, o que reduz o custo computacional associado ao estritamente necessário.
A metodologia proposta é neste trabalho testada e validada em exemplos de seguimento de entidades representadas em imagens sintéticas e reais.
Abstract (EN):
This report contemplates feature tracking on image sequences using Computer Vision. To do so a stochastic method is used, the Kalman filter, allied to a global optimization method to obtain the best set of correspondences, and so to guarantee the global optimization of the tracking results. A management model is also included in this methodology to evaluate if each feature’s tracking should be continued or not. By doing so, the proposed approach deals with temporary occlusion, permanent disappearance, appearance or reappearance of features, maintaining a controlled number of tracked features in each time instant, which reduces the computer cost to what is strictly necessary.
The proposed methodology is here tested and validated with feature’s tracking along synthetic and real image sequences.
Idioma:
Português
Tipo (Avaliação Docente):
Científica
Contacto:
www.fe.up.pt/~tavares
Nº de páginas:
28
Tipo de Licença: