uimp: sistemas de video en aml
TRANSCRIPT
![Page 1: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/1.jpg)
SANTANDER 2008. Los sistemas de información en la sociedad del siglo XXI: La Información en Función del Contexto. 5 Julio 2008
![Page 2: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/2.jpg)
I. Introducción. Visión Artificial en IUA-AmIII. Vigilancia sobre visión, elementosg
Imagen: detecciónVídeo: seguimientogReconocimiento de actividad, situaciones, gestosCalibración, alineamiento, fusión sensores
III. Algunas técnicas aplicadas. gu as éc cas ap cadasModelos probabilistas en visión artificial: seguimiento y reconocimientog yAprendizaje de parámetros, generalización
I. INTRODUCCIÓN
![Page 3: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/3.jpg)
Computación Ubicua y Móvil
Entornos InteligentesEntornos Inteligentes y Cooperativos
I. INTRODUCCIÓN
![Page 4: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/4.jpg)
Aprovechar tecnologícas de procesado comunicaciónAprovechar tecnologícas de procesado, comunicación y visualización
Las técnicas existentes de HCI (Human-Computer Interaction) d ll d b t ll i ipueden ser un cuello de botella en nuevos servicios
El uso de gestos proporciona alternativas a interfacesEl uso de gestos proporciona alternativas a interfaces complejas en dispositivos de HCI
La interpretación de gestos permitirá facilidad y natuarlidadp g p y
La cámara sería un sensor ideal si fuera fiableMáxima cantidad de datos, no precisa llevar nada encimaL i ió tifi i l “ i” fi i t t bLa visión artificial “casi” es suficientemente buena
I. INTRODUCCIÓN
![Page 5: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/5.jpg)
CienciaCienciapercepciónconocimientoconocimientocomportamiento
Aplicacionesdiseño servicios orientados al usuario (user-centric)
Ingeniería eIngenieríaInterfaces de audioInterfaces táctiles
Cos
te
Interfaces de visión artificialNuevos conceptos en software inteligente y adaptativo
Complejidad Interfaz U iinteligente y adaptativo Usuario
I. INTRODUCCIÓN
![Page 6: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/6.jpg)
Un punto clave de los entornos de Inteligencia Ambiental es que deben aprender y Ambiental es que deben aprender y mantenerse actualizados de forma autónoma› Construye incrementalmente modelos dinámicos del › Construye incrementalmente modelos dinámicos del
entorno y configura sus serviciosInteligenciag› Consciente (“awareness”): el sistema analiza el
contexto, se adapta a los usuarios que lo habitan, y d ti d t i taprende a partir de su comportamiento
› Adaptable: aprende acerca del entorno y de los usuarios con objeto de mejorar sus funcionamientousuarios con objeto de mejorar sus funcionamiento
I. INTRODUCCIÓN
![Page 7: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/7.jpg)
Cualquier información que caracterize al usuario y su situaciónusuario y su situación› “Context is any information that can be used to
characterise the situation of an entity. An entity i l bj t th t i id d is a person, place, or object that is considered relevant to the interaction between a user and an application, including the user and
li ti th l ”application themselves”Ej.: al movernos cambia el contexto: objetos
d i t ique nos rodean e interacciones› location-aware: si el comportamiento del
sistema depende de la posición de los objetossistema depende de la posición de los objetos
I. INTRODUCCIÓN
![Page 8: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/8.jpg)
Contexto Físico (sensores)› Localización espacio temporal (posición orientación › Localización espacio-temporal (posición, orientación,
velocidad, aceleración)› Características del entorno (temperature, luz, ruido, …)› Actividad (hablando, leyendo, caminando, …) › Recursos próximos› Estado psicológico y fisiológico› Interacción entorno
C t t S i lContexto Social› Agenda, preferencias, planes
Q i h l d d it› Quienes hay alrededor, citas
I. INTRODUCCIÓN
![Page 9: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/9.jpg)
E i d ióEspacio de percepciónDonde está la atención del usuario (<15m)usuario ( 15m)
Espacio de acciónEspacio donde actúa p(<1m)
Principios de diseñoC i idi i d Coincidir espacios de percepción y acciónInterfaz útil, sin distracciónMinimizar dispositivos “instalados” en el usuario
I. INTRODUCCIÓN
![Page 10: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/10.jpg)
Seguimiento de la Seguimiento de la PresenciaPresencia: ¿: ¿Hay alguien Hay alguien Seguimiento de la Seguimiento de la cabezacabezaSeguimiento de la Seguimiento de la miradamirada
PresenciaPresencia: ¿: ¿Hay alguien Hay alguien ahí?ahí?LocalizaciónLocalización: : ¿Dónde ¿Dónde miradamirada
Lectura de labiosLectura de labiosReconocimiento Reconocimiento
LocalizaciónLocalización: : ¿Dónde ¿Dónde están?están?IdentificaciónIdentificación: : ¿Quienes ¿Quienes
facialfacialIdentifiacióndIdentifiaciónd e e expresión facialexpresión facial
son?son?ActividadActividad: : ¿Qué están ¿Qué están haciendo?haciendo?Seguimiento de manosSeguimiento de manosGestos con manosGestos con manos
haciendo?haciendo?
Gestos con manosGestos con manosGestos con brazosGestos con brazos RecRec. de . de
postura/postura/actividadactividadactividadactividad
I. INTRODUCCIÓN
![Page 11: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/11.jpg)
Ejemplo 1: Reconocimiento de cara para puerta de seguridadpara puerta de seguridad
I. INTRODUCCIÓN
![Page 12: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/12.jpg)
Ejemplo 2:”Escritura manual” y reconocimiento de gestosreconocimiento de gestos
I. INTRODUCCIÓN
![Page 13: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/13.jpg)
Ejemplo 2: gestos manuales› Dos tipos de gestos manuales: posición de la Dos tipos de gestos manuales: posición de la
mano, movimiento
Imagen de: www.nada.kth.se/cvap/adstracts/cvap251.htmlI. INTRODUCCIÓN
![Page 14: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/14.jpg)
Ejemplo 3: ”Movimiento de los ojos”A li i t l PC› Aplicaciones para controlar un PC
I. INTRODUCCIÓN
![Page 15: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/15.jpg)
Ejemplo 4: “VirtualScreen”Como una pantalla táctil por p p“control remoto”
Los dedos son el punteroLos dedos son el punteroIdentificación robusta de dedosCalibración automáticaCalibración automáticaGesto para clickConmutación inteligente deConmutación inteligente de comandos
I. INTRODUCCIÓN
![Page 16: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/16.jpg)
Problema similar: Teclado virtual o teclado “sobre el papel” (paper keyboard)
I. INTRODUCCIÓN
![Page 17: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/17.jpg)
Ejemplo 5: control de dispositivos con movimiento
scrolls
zoom in-out
I. INTRODUCCIÓN Imagen de: http://www.ee.oulu.fi/mvg/mvg.php
![Page 18: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/18.jpg)
Ejemplo 5Natural y barato (otros sensores) Natural y barato (otros sensores) Idea: estimar movimiento con camaraintegradaintegrada
I. INTRODUCCIÓN Imagen de: http://www.ee.oulu.fi/mvg/mvg.php
![Page 19: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/19.jpg)
Ejemplo 6: CamBall (tenis Ejemplo 6: CamBall (tenis por Internet)› Raquetas reales con › Raquetas reales, con
marcador reconocible› Bola mesa y red virtuales› Bola, mesa y red virtuales› Imagen del contrario› Audiencia en Internet› Audiencia en Internet
I. INTRODUCCIÓN
![Page 20: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/20.jpg)
Ejemplo 7: Tangible UIs -A t d Augmented Reality› Base de datos y
estructura física(Smart wall)(Smart wall)
Imagen de http://hcc.cc.gatech.edu/I. INTRODUCCIÓN
![Page 21: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/21.jpg)
Facilita Interfaz natural› Visión artificial, procesado de texto
Imagen de http://hcc.cc.gatech.edu/I. INTRODUCCIÓN
![Page 22: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/22.jpg)
Ejemplo 8: RealidadAumentada: “Archeo Guide”› reconstruir
monumentos y facilitar información
I. INTRODUCCIÓN
![Page 23: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/23.jpg)
Detección de objetosd ifi ió d bjIdentificación de objetosSeguimiento de objetosg jReconocimiento de actividadesC lib ió d íd f ió Calibración de vídeo, fusión sensoresRealidad Aumentada
II. ELEMENTOS VISIÓN
![Page 24: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/24.jpg)
ModeloModelo GeométricoGeométrico IU de IU de ApliacionesApliaciones
A áli iA áli iAnálisisAnálisis
SensoresSensores ActuadoresActuadores
MundoMundo RealRealII. ELEMENTOS VISIÓN Imagen de http://research.microsoft.com/easyliving/
![Page 25: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/25.jpg)
Problema 1: ¿Hay objetos de interés? ¿Cuantos? DETECCIÓN¿Cuantos? DETECCIÓNProblema 2: ¿Donde están?
ÓSEGMENTACIÓNDiferentes posibilidadesDiferentes posibilidades
Modelos estadísticos (píxel)Texturas (bloque)Texturas (bloque)Construcción bottom-upBú d t dBúsqueda top-down
II. ELEMENTOS VISIÓN
![Page 26: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/26.jpg)
Detectar personas en diferentescondicionescondiciones
Detectar y reconocer caras
II. ELEMENTOS VISIÓN
![Page 27: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/27.jpg)
Razonamiento temporal: MOVIMIENTORazonamiento temporal: MOVIMIENTO
• Número y tipo de objetos
• Posición velocidadSecuencia
E t d
Salida
Si t ti d
SEGUIMIENTO DE OBJETOS
Í • Posición, velocidad, forma, etc.
Entrada SintetizadaSOBRE VÍDEO
tiempo
II. ELEMENTOS VISIÓN
![Page 28: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/28.jpg)
Continuidad de los objetosContinuidad de los objetos
DetecciónDetecciónImagenImagen crudacruda
DetecciónDetección(con color)(con color)
Blobs Blobs CandidatosCandidatos
Blobs Blobs identificadosidentificados
II. ELEMENTOS VISIÓN
![Page 29: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/29.jpg)
MúltiplesMúltiples CámarasCámaras móvilesmóviles: : MúltiplesMúltiples CámarasCámaras móvilesmóviles: : coordinacióncoordinación
29II. ELEMENTOS VISIÓN
![Page 30: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/30.jpg)
Raw Paths
2.5
3
3.5
4
1
1.5
2
SSD vs. Time Shift
0
0.5
-2 -1 0 1 2
Robust Rotation & Translation
500600700800900
erro
r
Robust Rotation & Translation
3
3.5
4
0100200300400
2000 1000 0 1000 2000
SSD
1.5
2
2.5
-2000 -1000 0 1000 2000
shift (milliseconds)
0
0.5
1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 Imagen de http://research.microsoft.com/easyliving/
![Page 31: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/31.jpg)
Clasificación y seguimiento qué actividadrealiza el usuario
II. ELEMENTOS VISIÓN Imagen de: http://www.ee.oulu.fi/mvg/mvg.php
![Page 32: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/32.jpg)
Affective computing: maquinas capaces de reconocer y expresar emociones( y p (Rosalind Picard, MIT, 1997 )› a. Recognize/expresar emociones
b ‘T ’ i ?› b. ‘Tener’ emociones ¿?Procesar señales e Imágenes› Voz› Voz› Señales fisiológicas (piel, respiración, pulso,…)› Analisis de video: gestos faciales, postura,
movimientomovimiento,…Inteligencia Artificial› Reconocimiento de patrones/aprendizajep p j
32II. ELEMENTOS VISIÓN
![Page 33: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/33.jpg)
II. ELEMENTOS VISIÓN
![Page 34: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/34.jpg)
Investigación en describir estado emotivo: Russell’s th f l d l (R ll 1980)theory of arousal and valence (Russell, 1980)
Actividad (Arousal)
ActivaExtasis
Af t (V l )Satisfaccion
Ira
Tensión Afecto (Valence)Tensión
Contención PositivoNegativo
Aburrimiento
ContenciónTristeza
PasivaDepresión
Aburrimiento
II. ELEMENTOS VISIÓN
![Page 35: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/35.jpg)
Realidad AumentadaRealidad Aumentada› El sistema “aumenta” la escena real› El usuario mantiene la sensación de › El usuario mantiene la sensación de
presencia en el mundo real› Necesita mecanismo para combinar el p
mundo real y el virtualTecnologías soporte› Basadas en Monitor› Basadas en soporte móvil (Optical see-
through)II. ELEMENTOS VISIÓN
![Page 36: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/36.jpg)
Más simple, menosmenossensación de realismorealismo
![Page 37: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/37.jpg)
Inmersión
Feb 4, Spring 2002CS 7497 37
![Page 38: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/38.jpg)
Alinear modelos 3D de objetos con suproyección en la escenaproyección en la escena› Sombras, oclusiones,…Seguir movimiento en el tiempo cuandoSeguir movimiento en el tiempo cuandoel usuario se mueve e interactúa
II. ELEMENTOS VISIÓN
![Page 39: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/39.jpg)
Aprendizaje y generalizaciónió d ib f ióExtracción de atributos y transformación
Inferencia: secuencias ocultas de Markov en reconocimiento de actividadesactividadesModelos estadísticos: aproximaciones y metodos bayesianosmetodos bayesianos
III. TÉCNICAS
![Page 40: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/40.jpg)
“A di j ” d t i l “Aprendizaje”: determinar los parámetros o estructura de un modelo(probabilistico)(probabilistico)
Ej.: ajustar distribuciones para objetosdetectados en imágenesS i d ( d t th)Supervisado (ground truth)
“Inferencia”: Estimar variables ocultas Inferencia”: Estimar variables ocultas, dadas observaciones– Ej: dada una observación (vídeo) estimarEj: dada una observación (vídeo), estimar
personas y su movimiento
III. TÉCNICAS
![Page 41: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/41.jpg)
Dependencias estadísticas
Variables observadas
Variables no observables
“Aprendizaje”: dependencias yAprendizaje : dependencias, y modelo ( o parámetros).
III. TÉCNICAS
![Page 42: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/42.jpg)
Dependencias estadísticas
Variables observadas y1 y2
Variables no observables x1 x2
“Aprendizaje”: dependencias yAprendizaje : dependencias, y modelo ( o parámetros).“Inferencia”: dado el modelo, y lasobservaciones {y1,y2}, inferir {x1, x2}observaciones {y1,y2}, inferir {x1, x2} (o su distribución)
III. TÉCNICAS
![Page 43: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/43.jpg)
D d d i i d bl i bl X Dado un dominio de problema con variables X1,.., XT queda especificado con su pdf p(X1,.., XT )Si tenemos la pdf completa podemosSi tenemos la pdf completa, podemos› Marginalizar
∑= )(p)p( XXXX› Condicionar
∑≠∈
=ji},T,...,1{i
Ti1j ),,,(p)p( XXXX ……
)p( kj XX
Aprender la distribución conjunta p(X Z) X-inputs )p(
),p()|p(
k
kjkj X
XXXX =
Aprender la distribución conjunta p(X,Z), X inputs, Z-label› Calcular p(Z|X), predecir y tomar el más probable
á› Fácilmente formar Clasificadores, regresores, predictores
III. TÉCNICAS
![Page 44: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/44.jpg)
Paradigma de inducción sobre ejemplosg j p
Casos Positivos/Negativos
Técnicas de Aprendizaje
Atributos Imagen
Operadores de región NegativosAprendizajeImagen de región
Regiones Detectadas
GROUND TRUTH
Gradiente IntensidadFlujo Óptico
Detector BordesRealMódulo Fase
Detectadas
Realmin max µ σ min max µ σ min max µ σ Canny Cornr HPF
16 36 27.7 7.84 2.49 23.79 13.23 6.20 -1.8 -1.0 -1.50 0.21 14 3 16 SÍ16 27 21.3 3.95 5.94 13.10 8.90 2.06 -1.6 1.28 -1.48 0.14 5 0 4 SÍ2 68 43.9 18.63 0.19 3.20 1.34 0.72 -3.0 3.12 0.32 1.65 0 0 0 NO
III. TÉCNICAS
![Page 45: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/45.jpg)
Casos Positivos Casos NegativosCasos Positivos Casos Negativos
III. TÉCNICAS
![Page 46: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/46.jpg)
Imagen de testImagen de test
Contiene el objeto?objeto?
III. TÉCNICAS
![Page 47: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/47.jpg)
Segmentation de imagenes: separar objetos del fondofondoEliminar efectos de iluminación, irregularidad, sombras, etc., maximizando el contrasteEj.: Umbralizado adaptativo: blanco/negro
III. TÉCNICAS
![Page 48: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/48.jpg)
Bordes: pixeles con cambio brusco› Detección mediante analisis de variacion› Detección mediante analisis de variacion
intensidadContornos: cadenas vecindad 8 de Contornos: cadenas vecindad 8 de bordes se conectan en sentido horario› Filtro para dejar lo parecido a forma geometrica (elipse)› Filtro para dejar lo parecido a forma geometrica (elipse)
5
67
4 0
5 7
2 13
III. TÉCNICAS
![Page 49: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/49.jpg)
y yCoordenadas locales cámaras
yx
z
x
y zzy
x
Coordenadas
• Sensores de diferentes tipos• Razonamiento de oclusiónz
globales mundo
• Arquitecturas de fusiónz
Image from http://www.hpl.hp.com/personal/John_MacCormick/WOMOT03/cal.giftalk/page.018.gifIII. TÉCNICAS
![Page 50: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/50.jpg)
Identificar y registrar objeto detectado y su correspondencia con objeto logicosu correspondencia con objeto logico
III. TÉCNICAS
![Page 51: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/51.jpg)
Transf coord: utilización de marcadores
![Page 52: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/52.jpg)
Modelo: secuencias de acciones representadas con máquina de p qestados finitos
Máquina de estados con estado
Transiciones: cadena de Markov oculta. Inferencia: determinar la secuencia más probable, {X1,…,Xi} a
Máquina de estados con estado de persona
Inferencia: determinar la secuencia más probable, {X1,…,Xi} a partir de las observaciones {Y1, …, Yi}
Cadena de Markov Oculta (HMM)III. TÉCNICAS
![Page 53: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/53.jpg)
1) Seguir movimientode personas reunión
2) La información visual 2) La información visual infiere estadosindividuales
3) Estado global de ió ióreunión: agregación
estados individuales
Imagen de http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/coral-1/www/caloIII. TÉCNICAS
![Page 54: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/54.jpg)
Ejemplo de clasificación de
d d
)Z,,Z,Z|,,,(P 01tt01tt −− XXXStandingestado de persona
Los estados de laStand
Los estados de la persona se infieren
Sitting
dinámicamente a partir de la
i d
Sit
secuencia de imágnenes
Sit
Tiempo (segundos)III. TÉCNICAS
![Page 55: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/55.jpg)
Parámetros de actividad: se d ti d d taprenden a partir de datos
grabados de reuniones (etiquetas manualmente) Generalización: determinar
las relaciones significatiavsentre acciones y atributos
Desplazamiento horizontal
Desplazamiento verticalDesplazamiento relativo: relación sobre medias y varianzas de cada clase
III. TÉCNICAS
![Page 56: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/56.jpg)
Alta complejidadAlta complejidadDesilusión Felicidad Desilusión /consuelo
SatisfacciónTristeza Melancolía
56
Imagen de: http://emotion-research.net/projects/humaine/ws/wp3III. TÉCNICAS
![Page 57: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/57.jpg)
III. TÉCNICAS
![Page 58: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/58.jpg)
III. TÉCNICAS
![Page 59: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/59.jpg)
III. TÉCNICAS
![Page 60: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/60.jpg)
III. TÉCNICAS
![Page 61: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/61.jpg)
Form lación Ba esiana del Formulación Bayesiana del seguimiento› Estimar una distribución condicional
)|p( ZZZX ),...,,|p( 11 ZZZX −ttt
Estado en t Secuencia de ImágenesXt: NúNúmero,Posiciones,Formas,VelocidadesVelocidades,…III. TÉCNICAS
Ejemplo de http://www.cs.jhu.edu/~wolff/course600.461/week3.2/sld012.htm
![Page 62: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/62.jpg)
1 1 1: 1 11: p( | ) p(p( | ) ) | )p( | t tt t tt tt t d− − − −∝ ∫ X X X Z XZ XX Z
Predicción
1 1 1: 1 11: p( | ) p(p( | ) ) | )p( | t tt t tt tt t− − − −∫
Distribución del estado a posteriori
Verosimilitud
Predicción a priori
posteriori de observación
D t t í ti )|( IXDos etapas características: se obtiene con y
)|p( :1 tt IX)|p( tt XI )|p( 1−tt XX
III. TÉCNICAS
![Page 63: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/63.jpg)
Mecanismo
PosicionesPosiciones““ZonaZona de de inicializacióninicialización””
Mecanismo
pasadaspasadas
Nueva Nueva ObservaciónObservación
P i ióP i ióPosiciónPosiciónPredichaPredicha
G ti i t tiP di ió l t l hi t i -Gestionar pistas activasPredicción: explota la historia y un modelo previo de movimiento
III. TÉCNICAS
![Page 64: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/64.jpg)
Modelo de procesos lineales y error gausiano:N(X;μ σ): sol subóptima secuncial)|p( :1 tt ZX N(X;μ,σ): sol subóptima secuncial)|p( :1 tt ZX
1. Predicción (modelo)2. Asociación (optim. combinatoria3. Actualización (estimación estadística)III. TÉCNICAS
![Page 65: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/65.jpg)
t j t)|( ZX se representa como un conjuntode partículas:
)|p( :1 tt ZX{( , )}i i
t tπX1tX 2
tX 1Nt−X N
tX...N puntos:p
N pesos: 1π 2π 1Nπ − NπMuestreo del conjunto usando los pesos aproximados para
tπ tπ tπ tπ
p( | )X Zaproximados para 1:p( | ).t tX Z
Imagen de http://www.hpl.hp.com/personal/John_MacCormick/WOMOT03/cal.giftalk/page.018.gifIII. TÉCNICAS
![Page 66: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/66.jpg)
t j t)|( ZX se representa como un conjuntode partículas:
)|p( :1 tt ZX
{( , )}i it tπX
Muestreo del conjunto usando los pesos aproximados para p( | )X Zaproximados para 1:p( | ).t tX Z
III. TÉCNICAS Imagen de http://www.hpl.hp.com/personal/John_MacCormick/WOMOT03/cal.giftalk/page.018.gif
![Page 67: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/67.jpg)
Modelo a velocidad constante:2( | ) ( 0 8 )G +
Modelo de variación de forma11 1 1
2p( | , ) ( 0 8 ). ,t tt tt xx x xG xx σ− −− − = +
12
1 1 10.2(p( | ) ( ,) )t t tt t sss sG s s σ−− − −+ −=
1ts −
0 2( )1ts −
1 1 10.2( )t t ts s s− − −+ −III. TÉCNICAS
![Page 68: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/68.jpg)
Modelo de distribución de la observación (verosimilitud)
T i i D tTraining Data
1 ∑ forekforef
forefpfpf ),(G
K1)0l|zp( τ+Σμ=≠ ∑
backbackGl ΔΣ∑ )(1)0|( backk backbackgk
backgkgg G
Klz τμ +Δ+Σ== ∑ ),()0|p(
III. TÉCNICAS
![Page 69: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/69.jpg)
CamaraCamaraCalibrada
M d l G li d d ili dModelo Generalizado de cilindrosIII. TÉCNICAS
![Page 70: UIMP: Sistemas de video en Aml](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55b35125bb61eb49148b4768/html5/thumbnails/70.jpg)
La visión artificial forma parte del cambio esperado en la interacción entre humanos e infraestructuras de información
Interfaces invisibles al humano en entornos inteligentes
Parte de sistemas de monitorización y seguridad: hogar, Parte de sistemas de monitorización y seguridad: hogar, recintos, etc.
Elementos esenciales: detección y extracción de Elementos esenciales: detección y extracción de características, alineamiento, correspondencia, seguir el
i i t i i t d imovimiento, reconocimiento de acciones
Problemas: representación, precisión, ajuste, aprendizaje, eficiencia
III. TÉCNICAS