SLEDENJE OBRAZOM NA VIDEO POSNETKIH

V diplomskem delu preučujemo algoritme na področju sledenja obrazom na video posnetkih. Sprva razčlenimo področje raziskovanja in predstavimo teoretično osnovo priljubljenih sledilnih algoritmov. Večji poudarek namenjamo zasnovi lastne sledilne metode, ki za predstavitev obraza uporablja značilnice...

Full description

Bibliographic Details
Main Author: Bobek, Tilen
Other Authors: Zazula, Damjan
Format: Bachelor Thesis
Language:Slovenian
Published: T. Bobek 2012
Subjects:
Računalniški vid
sledenje gibanju
algoritem povprečnega premika
algoritem Camshift
algoritem Lucas-Kanade
optični tok
histogrami
OpenCV
Emgu CV
Computer vision
motion tracking
Mean-shift algorithm
Camshift algorithm
Lucas-Kanade approach
optical flow
histograms
info:eu-repo/classification/udc/004.92(043.2)
sami
Online Access:https://dk.um.si/IzpisGradiva.php?id=23081
https://dk.um.si/Dokument.php?id=35436&dn=
https://plus.si.cobiss.net/opac7/bib/16209942?lang=sl
Description
Summary:V diplomskem delu preučujemo algoritme na področju sledenja obrazom na video posnetkih. Sprva razčlenimo področje raziskovanja in predstavimo teoretično osnovo priljubljenih sledilnih algoritmov. Večji poudarek namenjamo zasnovi lastne sledilne metode, ki za predstavitev obraza uporablja značilnice za opis barv in tekstur. Izhodišče za razvoj predstavlja obstoječi algoritem Camshift, ki temelji na metodi za iskanje lokalnega ekstrema funkcije in opisuje gostoto porazdelitve podatkovnih vrednosti. Razvili smo orodje za analizo učinkovitosti delovanja sledilnih algoritmov, s pomočjo katerega smo preizkusili sledilne metode na izbranih video posnetkih, ki prikazujejo obraze. Dobljene rezultate smo analizirali in jih med seboj primerjali. Ugotovili smo, da sledilna metoda, ki smo jo razvili sami, dosega boljše rezultate od algoritmov, s katerima smo jo primerjali. In this diploma thesis we are dealing with the video face tracking algorithms. State of the art is revealed first and the theoretical grounds of the most popular tracking algorithms presented. We put more emphasis on deriving our own tracking method which represents faces by color and texture features. Our development began by the existing Camshift algorithm which is based on finding the local extremes of a function and describes the data density distribution. We developed an auxiliary tool for benchmark testing of the tracking algorithms and used it to assess our tracking methods when applied to video clips showing faces. Results were afterwards analysed and compared. We concluded that our tracking method outperformed two comparable algorithms under consideration.

Similar Items