Rastreamento visual de objetos utilizando métodos de similaridade de regiões e filtagem estocástica

AUTOR(ES)
DATA DE PUBLICAÇÃO

2009

RESUMO

Inicialmente são apresentadas a importância e as aplicações que envolvem o processo de rastreamento visual de objetos. O problema de rastreamento visual pode ser definido como um processo de estimação em conjunto com técnicas de processamento de imagens. Os principais métodos que realizam rastreamento visual encontrados na literatura são discutidos. O problema tratado aqui consiste em rastreamento automático de um dado objeto que aparece em uma sequência de imagens obtida por um sistema de visão computacional. Neste trabalho propõem-se métodos para a realização desta tarefa baseados na similaridade de regiões, o window-matching (WM) method. Este método baseia-se na obtenção de regiões de similaridade em função do padrão da cor cinza de uma janela em torno de um ponto de interesse. Discutem-se também as principais formas de medição da similaridade e a escolha pela função soma do quadrado das diferenças (SSD) é também justificada. Em adição, discutem-se os fatores e parâmetros que afetam o bom desempenho do método tais como: tipo de movimento realizado, oclusões, variação do tamanho da janela, mudanças de iluminação, etc. Desenvolveu-se e implementou-se então um algoritmo de rastreamento (WM) baseado na similaridade de regiões que utiliza a função SSD. O algoritmo foi então aplicado a diversas situações de rastreamento. Observou-se que, para certas aplicações, o algoritmo WM não acompanhava o objeto rastreado. Então, como o rastreamento pode ser tratado como sendo um problema de estimação, introduziu-se um procedimento recursivo para estimação ótima a partir das medidas produzidas pelo algoritmo WM. No processo dinâmico de rastreamento, o vetor de estado a ser estimado consiste dos vetores de posição e velocidade 2D do ponto de interesse, sendo o vetor de medição dado pelos vetores correspondentes fornecidos pelo algoritmoWM. O método leva agora em consideração as características estocásticas do processo de rastreamento (ruídos intrínseco e de medida) e a estimação ótima é realizada pelo filtro de Kalman, que estimará posição e velocidade e as incertezas correspondentes. Um novo algoritmo integrando esta filtragem estocástica (WM+K) foi desenvolvido e implementado. Observou-se que a filtragem estocástica realmente melhora o desempenho do rastreamento. Na procura por aumentar mais ainda a robustez do algoritmo e a sua convergência adicionou-se uma busca heurística nas soluções baseada na otimização seguindo o agrupamento de partículas. Desenvolveu-se assim o algoritmo WM+K+PSO que além de maior robustez produziu trajetórias de rastreamento mais suaves.

ASSUNTO(S)

rastreamento visual filtro de kalman engenharia eletrica similaridade pso

ACESSO AO ARTIGO

Documentos Relacionados