1. מצגת פרויקט עקיבה אחרי גוף נע פרויקט סמסטריאלי סטודנטים : וסילי גנקין מראט אקולוב מנחה : אריה נחמני סמסטר אביב תשס " ז

2. מבנה המצגת מבוא ועבודות קודמות מבוא ועבודות קודמות הגדרת הבעיה הגדרת הבעיה פתרונות אפשריים פתרונות אפשריים מימוש פתרונות שנבחרו מימוש פתרונות שנבחרו הצגת תוצאות הצגת תוצאות מסקנות והצעות לשיפור מסקנות והצעות לשיפור

3. מבוא ועבודות קודמות

4. הגדרות הבעיה תוכנה מקבלת וידאו שחור לבן באיכות נמוכה ועוקבת אחרי גוף נבחר ע " י משתמש

5. זיהוי גוף Image A Image B קורלציה

6. Particle filtering

7. Predict ( שערוך ) for t = 1 : number of frames end Draw particles ( פיזור חלקיקים ) Assign the weight ( הקצבת משקל ) Update ( עדכון ) *

8. Kernel particle filter אלגוריתם א ' צעדים Predict ו- Update מתבצעים באמצעות פעולת Mean-Shift (כמה איטרציות כל מחזור) “Kernel Particle Filter for Visual Tracking” Cheng Chang, Rashid Ansari March 2005

9. Mean-Shift Mean-shift vector Kernel g

10. Mean-Shift חצים בכיוון וקטור Mean-shift

11. אלגוריתם ב ' Appearance-adaptive models in particle filter “Appearance Tracking Using Adaptive Models in a Particle Filter” Shaohua Zhou, Rama Chellappa, Baback Moghaddam december 2004 Adaptive observation model Adaptive state transition model Handling occlusion

12. Adaptive observation model - תמונת אובייקט אחרונה - תמונה קבועה (התחלתית) - תמונה עם שינוי מצטבר

13. Adaptive state transition model Adaptive velocity Adaptive noise and adaptive number of particles

14. Handling occlusions מעדכנים את Appearance model אם אין הסתרה מזהים הסתרה לפי אחוז פיקסלים חורגים

15. חקר ביצועים – אלגוריתם א ' דוגמה 1 דוגמה 2

16. חקר ביצועים – אלגוריתם ב ' דוגמה 1 דוגמה 2

17. השוואת ביצועים איתור האובייקט התאמת תבנית מהירות ביצוע ומספר חלקיקים

18. נקודות להמשך הפיתוח ושיפור טיפול בהגדלה \ הקטנה של גוף (Zoom) טיפול בהגדלה \ הקטנה של גוף (Zoom) עקיבה אחרי מספר גופים עקיבה אחרי מספר גופים שיפור טיפול בהסתרות שיפור טיפול בהסתרות שיפור ממשק המשתמש שיפור ממשק המשתמש