IPSJ SIG Technical Report Vol.2010-CVIM-172 No /5/ Object Tracking Based on Generative Appearance Model 1. ( 1 ) ( 2 ) ( 3 ) 1 3) T

Size: px

Start display at page:

Download "IPSJ SIG Technical Report Vol.2010-CVIM-172 No /5/ Object Tracking Based on Generative Appearance Model 1. ( 1 ) ( 2 ) ( 3 ) 1 3) T"

ゆきゆきしげ
4 years ago
Views:

1 2 2 3 1 Objec Tracking Based on Generaive Appearance Model 1.

1 Objec Tracking Based on Generaive Appearance Model 1. ( 1 ) ( 2 ) ( 3 ) 1 3) Tasuya YONEKAWA, 1 Kazuhiko KAWAMOTO, 2 Asushi IMIYA 2 and Akihiro SUGIMOTO 3 We propose a mehod for racking objecs in image sequences using a generaive appearance model on learned manifolds. The appearance model is defined as a sochasic model on he learned manifold and is used o predic imevarying appearances of objecs in image sequences. Unlike he classical emplae maching, he proposed mehod generaes appearance emplaes of objecs in successive images and updaes hem in an online manner. The learned manifolds are consruced by he parameric eigenspace mehod and he appearance emplaes on he manifolds are generaed by a paricle filer. Each paricle has is own appearance emplae and updaes i in a framework of sequenial Bayesian esimaion. In experimens wih real image sequences, we show he effeciveness of he proposed mehod. 1 1 Graduae School of Advanced Inegraion, Chiba Universiy 2 Insiue of Media and Informaion Technology,Chiba Universiy 3 Digial Conen and Media Sciences Research Division,Naional Insiue of Informaics 1 c 2010 Informaion Processing Sociey of Japan

2 4),5) 2. 0 N ã = (ã 1, ã 2,, ã N ) (1) 1 a = ã (2) ã R {a 1, a 2,, a R} c c = 1 R R a r (3) r=1 A Q A = (a 1 c, a 2 c,, a R c) (4) Q = AA (5) λ i e i = Qe i (6) k k λ 1 λ k λ N e 1 e k g r = (e 1, e 2,, e k ) (a r c) (7) 1 1 θ c 2010 Informaion Processing Sociey of Japan

3 θ θ g(θ) r = (x, y ) θ x = ( ) r, θ x x x p (x Y ) Y = {y 1,..., y } 5) P (x Y 1 ) = P (x x 1 ) P (x 1 Y 1 ) dx 1 (8) P (x Y ) = P (y x ) P (x Y 1 ) (9) P (y Y 1 ) p (x 0) 3.2 p(x x 1) = N(x 1, Σ) (10) N(m, Σ) m Σ Σ Σ = diag (σ x, σ y, σ θ ) (11) θ g(θ ) r 3 y p (y x ) exp 3.3 ( ) y g (θ) 2 2σ x N {x (i) } N i=1 3 4 (12) 3 c 2010 Informaion Processing Sociey of Japan

4 ( 1 ) 0 ( 2 ) N {x (i) 0 }N i=1 p (0) x (i) 0 p (0) (13) 1 ( 3 ) : N { x (i) } N i=1 (10) p(x x 1) x (i) p(x x 1) (14) x (i) i = 1,..., N (12) w (i) x (i) ( 4 ) w (i) = p (y x ) (15) i = 1,..., N w (i) w (i) = N i=1 w(i) (16) N { x (i) } N i=1 {x (i) } N i=1 w (i) = 1/N i = 1,..., N comulaive conribuion raio dimension 5 4. OpenCV C k = 30 (12) σ = 0.1 N = c 2010 Informaion Processing Sociey of Japan

情報処理学会研究報告 (a) 0 (b) 45 (c) 90 (d) 135 (e) 180 (f) 225 (g) 270 (h) 315 図 7 回転と移動を行う動画に対する実験結果図 6

回転による見えの変化に影響されずに追跡を行えていることが分かるまた物体の姿勢推定も同時に行えている 4.

平行移動に対しても本手法が有効であることを示したしかしこの実験では色が黒い雲台を使用して実験を行ったため対象物体の周りの背景が黒で統一されてしまっているそのため

5 情報処理学会研究報告 (a) 0 (b) 45 (c) 90 (d) 135 (e) 180 (f) 225 (g) 270 (h) 315 図 7 回転と移動を行う動画に対する実験結果図 6 回転のみの動画に対する実験結果載せた物体を回転させる動画を使用した実験結果は図 6 のようになった図の下の角度は雲台から得た真値である実験結果より回転による見えの変化に影響されずに追跡を行えていることが分かるまた物体の姿勢推定も同時に行えている 4.2 回転平行移動次に回転に加えて平行移動も行った動画に対して実験を行った実験動画には雲台に載せた物体を回転させたり平行移動を行った動画を使用したこの実験の結果は図 7 に示す実験結果より平行移動に対しても本手法が有効であることを示したしかしこの実験では色が黒い雲台を使用して実験を行ったため対象物体の周りの背景が黒で統一されてしまっているそのため対象物体は理想に近い状態で固有部分空間に投影されるこれで図 8 追跡失敗例は提案手法の汎用性が検討できないので対象物体の周りの背景を変えて同様な実験を行ったその結果図 8 のように背景によっては追跡がうまく行かない場合も発生したこれは固有部分空間に投影する際に対象物体の周りの画素も含めて投影されていることが原因である 5 c 2010 Informaion Processing Sociey of Japan

6 k = 8 σ = 100. all projecion recangle projecion disance angle all projecion recangle projecion all projecion recangle projecion likelihood angle 10 6 c 2010 Informaion Processing Sociey of Japan

7 5. 4).., Vol.88, No.12, pp , ). ( )., Vol.44, No.1, pp , ) M.ISARD. Condensaion-condiional densiy propagaion for visual racking. Inernaional Journal of Compuer Vision, Vol.29, No.1, pp. 5 28, ). ( ).. CVIM, [ ], Vol. 2007, No.1, pp , ),. 2 3 :.., Vol.77, No.11, pp , c 2010 Informaion Processing Sociey of Japan

2007/8 Vol. J90 D No. 8 AdaBoos Haar-like AdaBoos Viola Jones Haar-like [17] (1) Haar-like AdaBoos (2) Suppor Vecor Tracking SVT [1] SVT [6] Okuma [10

2007/8 Vol. J90 D No. 8 AdaBoos Haar-like AdaBoos Viola Jones Haar-like [17] (1) Haar-like AdaBoos (2) Suppor Vecor Tracking SVT [1] SVT [6] Okuma [10 a) 3D People Tracking Using he Paricle Filer wih Cascaded Classifiers Yoshinori KOBAYASHI a),daisukesugimura,kousukehirasawa, Naohiko SUZUKI,HiroshiKAGE,YoichiSATO, and Akihiro SUGIMOTO Haar-like AdaBoos