![Operações de filtros
❏ Filtros são operações numéricas matriciais
realizadas na matriz que descreve uma
imagem
❏ Ex.: Filtros de soma (tons de cinza)
❏ matriz[] + 30 ← clareia imagem
❏ matriz[] - 30 ← escurece imagem
❏ Cuidar Overflow e underflow](https://image.slidesharecdn.com/tchelinux2014visocomputacional-150413094659-conversion-gate01/85/Tchelinux-2014-visao-computacional-18-320.jpg)
Tchelinux 2014 visão computacional
- 1. Fazendo máquinas enxergarem com OpenCV TCHÊLINUX 2014 Felipe Aguiar Corrêa felipe.correa@ufpel.edu.br
- 2. Quem é esse cara aí? ❏ UFPEL ❏ Ciência da Computação ❏ Visão Computacional ❏ Rastreamento de Pedestres
- 3. Visão Computacional ❏ Sub-área da Inteligência Artificial ❏ Multidisciplinar ❏ Inspiração neurobiológica ❏ Dar significado a imagens digitais
- 10. Também serve para fazer as pessoas parecerem mongolóides pulando na frente de um televisor
- 11. INTRODUÇÃO
- 12. Conceito de Imagem Digital ❏ Representação numérica de uma imagem bidimensional em forma binária ❏ Assim permite seu armazenamento ou reprodução por meios eletrônicos ❏ Podem ser do tipo raster ou vetoriais
- 13. Imagens do tipo raster ❏ Normalmente representadas em uma matriz m x n onde cada célula descreve um pixel ❏ Imagens de tons de cinza, por exemplo, descrevem a intensidade do tom em cada célula ❏ Imagens do tipo RGB descrevem a cor via distribuição da tripla RGB no pixel
- 15. RGB Triplets
- 16. Conceito de Imagem Digital II ❏ Imagens digitais não possuem quaisquer informações de contexto, profundidade ou de objetos nelas representados ❏ É tarefa da Visão Computacional obter algum aprendizado a partir do análise das imagens ❏ Detectar objetos, analisar segmentação, estimar profundidade, analisar e detectar eventos e localização, etc
- 17. ❏ Primeira imagem digitalizada da história ❏ 176x176 ❏ Russel Kirsch ❏ National Institute of Standards and Technology (NIST).
- 18. Operações de filtros ❏ Filtros são operações numéricas matriciais realizadas na matriz que descreve uma imagem ❏ Ex.: Filtros de soma (tons de cinza) ❏ matriz[] + 30 ← clareia imagem ❏ matriz[] - 30 ← escurece imagem ❏ Cuidar Overflow e underflow
- 19. Visão Computacional e Software Livre...
- 20. OpenCV ❏ Opensource Computer Vision ❏ Originalmente desenvolvido pela Intel Russia em 1999 ❏ Licença BSD ❏ Estrutura modular com módulos para: ❏ Processamento de Imagens ❏ Estatística ❏ Álgebra Linear ❏ Vídeos/Imagens I/O ❏ GUI ❏ É mais barato que o Matlab!
- 22. Linguagens e Bindings ❏ OpenCV foi escrito em C/C++ ❏ Possui bindings para: ❏ Java ❏ Python ❏ Visual Basic (ECA!) ❏ Usem Python pois a vida é curta! ❏ Numpy, matplotlib e estruturas simples ❏ Portável e ideal para embutir em aplicações maiores ❏ Android, BSD, OpenBSD, Windows, Blackberry, Linux e OS X
- 23. OpenCV e Visão Computacional ❏ OpenCV possui módulos para Visão Computacional (cv) ❏ Nele está presente os principais algoritmos da área para: ❏ detecção de objetos ❏ análise de segmentação de imagens ❏ rastreamento de alvos ❏ entre outros
- 24. Detecção de Objetos Algoritmo de Viola-Jones e otimização de Lienhart et al (2003)
- 25. Algoritmo de Viola-Jones ❏ Proposto por Paul Viola (Microsoft) e Michael Jones (Mitsubishi) em 2001 ❏ Abordagem baseado em padrões de aparência treinados ❏ obtenção de pontos invariantes de objetos ❏ Estrutura em cascata e em tempo real ❏ Uso de imagens integrais para diminuição de custo de operações
- 26. Fluxo do algoritmo 1. Treinamento de um descritor de padrões invariantes (com algoritmo AdaBoost) 2. Aplicação dos retângulos classificadores na imagem 3. Bater valor obtidos pelos retângulos com os treinados do XML 4. Caso passe todas etapas, objeto foi encontrado
- 27. Treinamento de Padrões 1. Obter imagens positivas 2. Obter imagens negativas 3. Montar samples de aprendizado com as possíveis combinações de positivos e negativos 4. Rodar o AdaBoost 5. Produto final é um arquivo XML de padrões haar que descrevem o alvo
- 28. Tracklets positivos e samples
- 34. Após estas etapas, qualquer objeto pode ser detectado ❏ Praticamente todos objetos do mundo real possuem padrões invariantes de forma ou cor ❏ Objetos rígidos sólidos tendem a ter uma taxa de acerto maior nesta abordagem ❏ Por exemplo: corpos humanos tendem a se dobrar durante o movimento, o que pode diminuir a taxa de acerto
- 36. Smartcars que detectam obstáculos
- 39. Detectando faces na webcam com OpenCV em Python ❏ cv2.detectMultiScale() ❏ scaleFactor ❏ minNeighbors ❏ minSize ❏ cv2.VideoCapture()
- 40. Problemas e discussões ❏ Algoritmo é sensível a oclusões parciais ❏ Alguns objetos variam muito de forma e tamanho ❏ É um dos não tão poucos casos que o “bom senso” e maleabilidade da nossa cognição joga a nosso favor
- 41. Detecção X Rastreamento ❏ Apenas detectar não significa que algo está sendo rastreado ❏ A cada novo frame de vídeo em que o Viola- Jones rodar, cada objeto será tratado como um novo objeto ❏ Existem ponderações para rastrear ❏ Estatística, comparar histogramas, algoritmos de associação, estimação de energia contínua, etc
- 42. Rastrear partes do corpo humano para controlar interfaces
- 43. Rastrear pedestres ❏ Por que seria útil um rastreador de pedestres?