| Περίληψη |
Το πρόβλημα της ανίχνευσης κινούμενων αντικειμένων σε ακολουθίες εικόνων αποτελεί βασική προϋπόθεση σε αρκετές εφαρμογές της Ανάλυσης Κίνησης, όπως η κωδικοποίηση. Στην περίπτωση στατικού παρατηρητή (κάμερα) είναι προφανές ότι οι όποιες αλλαγές παρατηρούνται οφείλονται σε κινούμενα αντικείμενα, ενώ διαφορετικά είναι δύσκολος ο διαχωρισμός των μεταβολών που οφείλονται στην κίνηση του παρατηρητή και στα ανεξάρτητα κινούμενα αντικείμενα. Το πρόβλημα αυτό μπορεί να αντιμετωπιστεί με τον υπολογισμό της κίνησης του παρατηρητή και την αντιστάθμιση της στην συνέχεια, στην ακολουθία εισόδου. Ενα επιπλέον πρόβλημα είναι ο προσδιορισμός της θέσης των αντικειμένων αυτών, αφού μια περιοχή μεταβολών μπορεί να οφείλεται: (1) Επικάλυψη υποστρώματος (background), (2) Αποκάλυψη υποστρώματος, (3) Προβολές διαφορετικών τμημάτων των κινούμενων αντικειμένων. Γνωρίζοντας τις παραπάνω περιοχές είναι δυνατός ο προσδιορισμός των αντικειμένων στο ζεύγος των εικόνων, αφού η ένωση των περιοχών (1) και (3) μας δίνει τις θέσεις τους στην πρώτη εικόνα, ενώ η ένωση των περιοχών (2) και (3) στην δεύτερη εικόνα. Η εργασία αυτή αντιμετωπίζει τα παραπάνω προβλήματα, όπου η μοντελοποίηση τους γίνεται με την χρήση πεδίων Markov. Επιπλέον κατανομές Gibbs χρησιμοποιούνται για να περιγράψουν τους χάρτες αποφάσεων (detection maps). Η ανίχνευση κινούμενων αντικειμένων ανάγεται σε πρόβλημα εξομάλυνσης, όπου η παρατηρούμενη συνάρτηση πυκνότητας πιθανότητας της διαφοράς φωτεινοτήτων, θεωρείται μίξη δύο κατανομών Laplace, που εκφράζουν την υπόθεση κίνησης και την απουσία της. Επιπλέον προτείνεται μία νέα μέθοδος αυτόματου καθορισμού της παραμέτρου του προβλήματος εξομάλυνσης, βασιζόμενη σε τεχνική ψηφοδοσίας. Για το δεύτερο πρόβλημα, δημιουργείται ένα δυναμικό μοντέλο βασιζόμενο στις φωτεινότητες του ζεύγους των εικόνων όπου είτε με χρήση κατανομών Gauss είτε με χρήση τμηματικά ομοιόμορφων κατανομών περιγράφονται στατιστικά οι τέσσερεις υποθέσεις. Η λύση και των δύο προβλημάτων ανάγεται σε ελαχιστοποίηση συναρτήσεων κόστους, με την χρήση αιτιοκρατικών αλγορίθμων χαλάρωσης, που είναι οι Επαναλαμβανόμενες Τοπικά Επικρατούσες Τιμές (ΕΤΕΤ) και η Μέγιστη Εμπιστοσύνη κατά Προτεραιότητα (ΜΕκΠ). Επιπλέον δύο διαφορετικές τεχνικές πολλαπλών επιπέδων εφαρμόζονται για μείωση του απαιτούμενου υπολογιστικού κόστους. Πειραματικά αποτελέσματα εξάγονται σε πραγματικές αλλά και συνθετικές ακολουθίες εικόνων, με στόχο τον έλεγχο της απόδοσης και της αξιοπιστίας των προτεινόμενων μεθόδων.
|
Δυναμική Ανίχνευση και Εντοπισμός Κινουμένων Αντικειμένων σε Ακολουθίες Εικόνων
