1. PRAĆENJE OBJEKATA U SLIKOVNIM SEKVENCAMA ALGORITMOM CAMSHIFT
ZAVRŠNI RAD: br. 853
Igor Bonači
Mentor: prof. dr. sc. Zoran Kalafatić

2. Sadržaj Opis teme završnog rada Izrada modela objekta
Mean-shift algoritam
Camshift algoritam
ABCshift algoritam
Prikaz rezultata testiranja
Literatura

3. Opis teme završnog rada
Praćenje objekata:
Proces određivanja položaja jednog ili više pokretnih objekata u vremenu
Problemi:
Praćenje u realnom vremenu
Mogućnost promjene karakteristika praćenog objekta
Pomična kamera; promjenjiva pozadina objekta
Poseban naglasak na pracenje prometnih znakova
Naglasit problema vezene bas uz to pracenje

4. Izrada modela objekta Mean-shift, Camshift, Abcshift
Region based algoritmi
Modeliranje objekta histogramom
Odabir prostora boja (RGB, HSV, Lab)
Reći za interpretaciju Bhattacharyya koeficijenta ( kosinus kuta između n-dimenzionalnih vektora)

5. Mean-shift algoritam Algoritam pomaka prema srednjoj vrijednosti:
mean-shift algorithm, Comaniciu [4]
Konvergencija najbližem ekstremu funkcije

6. Camshift algoritam
Continuously Adaptive Mean Shift algorithm, Bradski [1]
Bayes-ov teorem
Procjena veličine, kuta objekta... Napisat jedan slide
Konvergencija najbližem ekstremu funkcije razdiobe vjerojatnosti

7. Abc-shift algoritam
An Adaptive Background Model for Camshift Tracking with a Moving camera, R. Stolkin, I. Florescu [3]
Modeliranje objekta i pozadine
Histogram objekta i pozadine
Ističe razlike između objekta i pozadine
r – omjer površine objekta i prozora za traženje
Prikaz rada abcshift algoritma:
Prikaz rada camshift algoritma:

8. Rezultati testiranja
Praćenje lica (izvorna namjena camshift algoritma)
Praćenje prometnih znakova
CAMSHIFT
ABCSHIFT

9. Rezultati testiranja (nastavak)
Praćenje prometnih znakova (abcshift algoritam)
Relativna pogreška praćenja
Broj iteracija potrebnih za postizanje konvergencije
frame

10. Zaključak Jednostavan i efikasan model objekta
Izuzetno kratko vrijeme učenja
Uspješno praćenje objekata nad zahtjevnim primjerima
Računalno izuzetno efikasni algoritmi
Mogućnost integracije u složenije sustave

11. Literatura
Bradski, G. R.: Computer Vision Face Tracking as a Component of a Perceptual User Interface, In Proc. of the IEEE Workshop on Applications of Comp. Vision, (1998) 214–219
Boyle, Michael: The effects of capture conditions on the CAMSHIFT face tracker. Report 2001, Department of computer science, University of Calgary, Alberta, Canada.
R. Stolkin, I. Florescu, G. Kamberov: „An adaptive background model for Camshift tracking with a moving camera“. Proc. International Conference on Advances in Pattern Recognition, , pp
D. Comaniciu, V. Ramesh: Real-Time Tracking of Non-Rigid object using Mean Shift, IEEE CVPR 2000.
Mason, M., Duric, Z.: Using histograms to detect and track objects in color video, Applied Imagery Pattern Recognition Workshop, AIPR 2001, 2001, pp