Visão Computacional e Realidade Aumentada
Prof Marcelo Gattass
2007-s02
Trabalho 1 – Detecção de movimento
através de subtração de fundo
César Palomo
20/08/07
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
1
Motivação

Automatização de tarefas como:
20/08/07

Vigilância Eletrônica

Monitoramento de atividades humanas

Análise de multidões

Análise de tráfego urbano

Detecção de ações potencialmente perigosas

Perseguição de objetos de interesse

Detecção de silhuetas
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
2
Método
20/08/07
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
3
Etapa 1 – Modelo de fundo

Modelo de fundo: usado para diferenciar objetos em movimento do
fundo estático

Obtenção:

Atualização:
por n frames iniciais são calculadas estatísticas (média ou
mediana) para os valores dos pixels. Esta medida estatística servirá como
modelo do fundo do vídeo
em intervalos de m frames as estatísticas são recalculadas e
o modelo de fundo é atualizado com novos objetos estáticos, seguindo a
seguinte fórmula:
statisticsi  (1  ALPHA) * statisticsi  ALPHA * new _ statisticsi
20/08/07
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
4
Etapa 2: Segmentação por threshold

A cada frame, cada canal do pixel é comparado ao valor
correspondente ao modelo de fundo.
framei  backgroundi  Th


Se esta diferença ultrapassar um threshold, este pixel é
identificado como pertencente a um objeto em movimento
(pintado de branco no vídeo de saída)
Caso contrário, pixel é identificado como pertencente ao fundo
(pintado de preto no vídeo de saída).
20/08/07
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
5
Etapa 3: Identificação de contornos ativos


A partir da identificação de cada objeto em movimento, seu
contorno é mostrado em destaque
Permite rastreamento dos objetos em movimento
20/08/07
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
6
Biblioteca utilizada: OpenCV



Biblioteca de visão computacional criada pela Intel
Fácil de usar, funciona bem e é cheia de recursos comuns para uso
em visão computacional
Principais funções utilizadas:

cvCaptureFromAVI():

cvCaptureFromCAM():

cvGrabFrame() e cvRetrieveFrame():

cvNamedWindow():

cvCreateImage():

cvShowImage(): mostra a imagem na janela identificada pelo seu nome lógico

cvFindContours() e cvDrawContours():
20/08/07
inicializa captura a partir de um arquivo de vídeo
inicializa captura a partir de uma câmera de vídeo
recupera próximo frame
cria uma janela com o nome lógico informado
cria uma imagem para manipulação com os parâmetros informados
identifica e desenha contornos ativos
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
7
Uso do programa

Formato:
#T1.exe inputType filePath


inputType: câmera (1) ou arquivo AVI (2)
filePath: caminho completo do arquivo AVI (usado somente se
tipo de entrada for AVI (2)

Exemplos:
#T1.exe 1

Inicializa captura a partir de uma câmera
#T1.exe 2 c:/videos/videoSeg.avi

20/08/07
Inicializa captura a partir de um arquivo AVI
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
8
Notas sobre o método utilizado




Método com treinamento inicial pode não ser apropriado para
algumas aplicações
Ruído na captura influencia muito no resultado final de segmentação.
Filtros de erosão e dilatação foram usados para tentar minimizar este
problema
Estratégia de cálculo do modelo de fundo foi utilizar a
média/mediana. Métodos estatísticos mais complexos podem ser
utilizados para criação e atualização do modelo de fundo com maior
sucesso
Parâmetros para atualização do fundo podem causar anomalias
como:


20/08/07
Fantasmas de objetos (quando ALPHA muito grande)
Objetos em movimento que se tornem estacionários podem
demorar a serem adicionados ao modelo de fundo (quando
ALPHA muito pequeno)
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
9
Referências

Página da disciplina: http://www.tecgraf.puc-rio.br/~mgattass/ra/ra.html

Enunciado do trabalho: http://www.tecgraf.puc-rio.br/~malf/ra/

OpenCV: http://www.cs.iit.edu/%7Eagam/cs512/lect-notes/opencv-intro/opencv-intro.html

Piccardi 2004 “Background subtraction techniques: a review”

Cucchiara et al 2003 “Detecting Moving Objects, Ghosts, and Shadows in VideoStreams”

Haritaoglu, I., Harwood, D. and Davis, L. S. "W4: real-time surveillance of people and
their activities"
20/08/07
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
10
Perguntas
?
César Palomo
cpalomo @ inf . puc-rio . br
20/08/07
Visão Computacional e Realidade Aumentada
César Palomo – cpalomo @ inf . puc-rio . br
11