Παρακολούθηση ανθρώπου σε ακολουθία ψηφιακών εικόνων
Παναγιωτάκης, Κωνσταντίνος
Τζιρίτας, Γιώργος
Τα τελευταία χρόνια γίνεται προσπάθεια να εξαχθεί πληροφορία από οπτικοακουστικά μέσα. Η προσπάθεια αυτή έχει επεκταθεί και στην ανάλυση ακολουθιών εικόνων με σκοπό την παρακολούθηση αντικειμένων. Η παρακολούθηση ανθρώπου, ένα αντικείμενο που έχει αρκετά απρόβλεπτη και περίπλοκη κίνηση θεωρείται ένα από τα πιο ενδιαφέροντα προβλήματα που εμπίπτει στους τομείς της υπολογιστικής όρασης, των νευρωνικών δικτύων και της αναγνώρισης προτύπων. Στην παρούσα εργασία αναπτύξαμε μια πρωτότυπη μέθοδο για δισδιάστατη παρακολούθηση ανθρώπου χρησιμοποιώντας τα 18 σημαντικότερες αρθρώσεις του ανθρώπου. 'Εγινε χρήση δισδιάστατου μοντέλου, μεθόδων πρόβλεψης, γεωμετρικών περιορισμών του ανθρωπίνου σώματος και χρωματικής πληροφορίας. Ο αλγόριθμος απαιτεί τη θέση του ανθρώπου στην πρώτη εικόνα της ακολουθίας. Σκοπός ήταν να αναπτυχθεί μία μέθοδος παρακολούθησης που θα μπορούσε να εφαρμοστεί ανεξάρτητα από την κίνηση της κάμερας, δηλαδή σε κάθε ακολουθία εικόνων και με όσο γίνεται χαμηλό υπολογιστικό κόστος. Η έξοδος του συστήματος είναι η θέση των 18 σημείων και του δισδιάστατου μοντέλου σε κάθε εικόνα της ακολουθίας. Επίσης η μέθοδος μπορεί να αναγνωρίσει αν κάποιο μέλος κρύβεται από κάποιο άλλο. Τα αποτελέσματα είναι αρκετά ικανοποιητικά σε ακρίβεια. Βέβαια υπάρχουν και περιπτώσεις που η παρακολούθηση γίνεται αδύνατη λόγω της κακής ποιότητας των εικόνων ή της πολύ μικρής αντίθεσης με το φόντο. Τέτοιες περιπτώσεις είναι δυνατόν να αναγνωριστούν από τη μέθοδο λόγω υψηλών σφαλμάτων.
(EL)
The analysis of image sequences containing moving non-rigid objects, such as people, has been the subject of considerable research in the field of computer vision, pattern recognition, and neural networks. The human tracking is a difficult problem because of unpredictable and complicated human motion and it is one of the most interesting problems in this field of science. We developed a prototype method to solve the 2D human tracking problem using the 18 major joint human points. The human body is divided geometrically into 6 main parts and we track each part separately. We used a 2D model, a prediction method, geometry constraints of human body and color information. The algorithm demands the position of human in the first image of sequence. Our basic purpose is to develop a low computation cost algorithm that can be used independently of camera motion. The outputs of the algorithm are the position of 18 basic human points and a 2D human segmentation in every image of video sequence. Also our method recognizes if any human part is visible or not. The precision of the results is satisfactory. However, there are cases where the tracking algorithm fails because of low quality sequences or low background contrast. These cases can be recognized by high matching errors.
(EN)
