Академический Документы
Профессиональный Документы
Культура Документы
3 D Estudio del
campo de movimiento en el
plano de la imagen. Flujo ptico
y correspondencia
Rafael
R
f l Molina
M li
Departamento de Ciencias de la
Computacin e I.A.
Rafael Molina
Contenidos
I. Introduccin
A. Ejemplos de uso de movimiento
A
movimiento.
B. Tipos de problemas de anlisis de
movimiento.
i i t
C. Importancia del movimiento visual
III.Movimiento
III
Movimiento 2
2-D
D vs movimiento aparente
aparente.
A. Correspondencia y flujo ptico.
B. Ejemplo.
IV Correspondencia 2-D
IV.
2D
V. Flujo ptico.
VI. El problema de la oclusin
VII El problema de la apertura
VII.El
VIII.Bibliografa
Rafael Molina
I. Introduccin
Los datos para la resolucin de un problema relacionado con el
movimiento son una secuencia temporal de imgenes.
El anlisis del movimiento est relacionado, entre otros, con
aplicaciones en tiempo real como la navegacin y seguimiento y
con la obtencin de informacin sobre los objetos estticos y en
movimiento en una escena.
El anlisis del movimiento es tambin fundamental en problemas
como la restauracin de secuencias de imgenes, as como su
compresin y la obtencin de imgenes y secuencias de
imgenes de alta resolucin a partir de secuencias de baja
resolucin
resolucin.
Rafael Molina
I.A Ejemplos
j p
de uso de movimiento
Ejemplos vistos en el primer tema del curso
Universidad de Cambridge. Computer Vision and Robotics Group.
http://svr-www.eng.cam.ac.uk/research/vision/research.html
Universidad de Granada.
Granada Dpto.
Dpto Ciencias de la Computacin e
Inteligencia Artificial. http://decsai.ugr.es
Trinity College Dublin. The Department of Electronic and Electrical
Engineering. http://www.mee.tcd.ie.
Rafael Molina
Universidad de Oxford
Robotics Research Group
http://www.robots.ox.ac.uk/
Puntos importantes,
importantes localizacin y posicin
Rafael Molina
Navegacin y seguimiento
Secuencia de
alta resolucin
Rafael Molina
Cognitec http://www.cognitech.com
Restauracin de video
Rafael Molina
Fusin
de imgenes
Rafael Molina
Mosaicing
g
Rafael Molina
10
11
12
Rafael Molina
13
Rafael Molina
14
15
16
El movimiento 2
2-D
D es la proyeccin del movimiento 3
3-D
D en el
plano de la imagen.
El objetivo es estimar el movimiento 2-D, bien sea la velocidad
i t t
instantnea
o ell desplazamiento,
d
l
i t a partir
ti de
d la
l secuencia
i de
d
imgenes de que disponemos.
Tanto la velocidad 2-D como el desplazamiento pueden no ser
observables, las razones las veremos despus.
17
18
Rafael Molina
19
20
III.BEjemplo
j p
Las
as imgenes
ge es han
a ssido
do obte
obtenidas
das de
del Co
Computer
pute Vision
s o Research
esea c
Group , Department of Computer Science, University of Otago
Dunedin, New Zealand
(http://www.cs.otago.ac.nz/research/vision/Research/OpticalFlow/opticalflow.html)
que posee generadores, de libre disposicin, de flujo ptico
basados en Tcl/Tk y ray-tracer.
ray tracer
Rafael Molina
21
Imagen
g 1
Flujo
j ptico
p
Imagen 2
22
Hacia delante:
f(x1,x2,k)=f(x1+ d1(x1,x2), x2+ d2(x1,x2),k+l)
con l>0, se ha suprimido en d su dependencia de k y l, de
hecho debemos escribir d(x,k,l).
Hacia atrs (usado ms en compresin):
con l>0.
Rafael Molina
23
24
V. Flujo
j ptico
p
Consideremos la distribucin de intensidades en un sistema
espacio-temporal continuo, f(x,y,t) (es importante recordar que
luego tendremos que aproximar nuestros clculos a partir de las
secuencias de imgenes, discretas en el espacio y el tiempo).
Rafael Molina
25
Hiptesis:
p
la intensidad de cada objeto
j
permanece
p
constante
durante el movimiento
La constancia de la intensidad puede escribirse como
df(
df(x,y,t)/dt=0
t)/dt 0
Tengamos en cuenta que esta derivada no es lo mismo que (f/
t) y que lo que estamos afirmando es que el nivel de gris como
p no cambia durante la trayectoria
y
((veremos,,
funcin del tiempo
posteriormente, en qu casos esto es cierto). Es decir, afirmamos
df( (t) (t) t)/dt 0
df(x(t),y(t),t)/dt=0
Por la regla de la cadena tendremos
Rafael Molina
26
df ( x ( t ), y ( t ), t ) f ( x , y , t ) dx f ( x , y , t ) dy f ( x , y , t )
dt
x
dt
y
dt
t
f ( x , y , t )
f ( x , y , t )
f ( x , y , t )
u
v
0
x
y
t
(1)
que podemos
d
escribir
ibi
ufx+vfy+ft=0
(2)
27
f ( z , t ) 1
f ( x 1, y, t ) f ( x 1, y, t )
x
2
f ( z , t ) 1
f ( x, y 1, t ) f ( x, y 1, t )
2
y
f ( z , t )
f ( x, y, t 1) f ( x, y, t )
t
aunque es ms
razonable
bl filtrar
fil
las
l imgenes
i
tanto espacial
i l
como temporalmente antes de realizar los clculos.
Rafael Molina
28
Imagen k
29
ft
(u , v) 2
( f x , f y ) ( f y , f x )
2
fx f y
con variable.
lo que significa que podemos determinar la componente de
(u,v) en la direccin del gradiente espacial (fx,fy) pero no en
su direccin perpendicular. Es el llamado problema de la
apertura.
Rafael Molina
30
El problema de la apertura
direccin
normal al
gradiente
(fy,-ffx)
direccin del
gradiente (f
g
( x,,fy)
direccin del
gradiente (f
g
( x,,fy)
31
IX. Bibliografa
Tekalp, A.M., (1996), Digital Video Processing, Prentice-Hall.
Trucco, E. y Verri, A., (1998), Introductory Techniques for 3D Computer Vision
Vision, Prentice Hall.
Hall
Complementaria
p
((incluida en material adicional))
J.L. Barron, D.J. Fleet, D.J., y S. Beauchemin, (1994) Performance of
optical flow techniques
techniques.. International Journal of Computer Vision,
12(1):43-77.
S. Beauchemin y J.L. Barron, (1996) The Computation of Optical
Flow. ACM Computing Surveys 27(3):433
Flow
27(3):433-467
467.
J. Stiller and J. Konrad, (1999), Estimating Motion in Image
Sequences, IEEE Signal Processing Magazine, 16(4):70-91.
A J Tabatabai and R.S.
A.J.
R S Jasinschi and T.
T Naveen,
Naveen (1998) Motion
Motion
estimation methods for video compression. A review, J. Franklin
Institute, vol. 335B, 8, 1411-1441.
Rafael Molina
32