Bi-directional Tracking using Trajectory Segment Analysis
篠木雄大
概要
問題提起– sudden motion (突発的な動き ),– ambiguity (不安定な動き ),– occlusion (重なり )
構成
オブジェクトの状態
}ˆ,ˆ,{ hswspR
h
w
s
p
},{ spx 四角形の中心
スケール
オブジェクトの幅
オブジェクトの高さ
構成
注目点の表現– カラーヒストグラム
– Bhattacharyya距離
},,{ 1 Hhh h
B
jijj xhxhxxB
10i0
2 )()(1])(),([ hh
構成
軌跡の最適化– 事後確率
)|(),,|(1
),,|( 1
1
11
1
21
ii
T
iTii
T
iT xxxxxy
ZxxYXP
)2/]})(),([],)(),([{min(exp~),,|( 221
21 hTiiTii xxBxxBxxxy hhhh
},,{
},,{
1
12
T
T
yyY
xxX
)/],[(exp~)|( 211 piiii xxDxx
2
1
2
11],[ iiiiii ssppxxD
2h
p
オブジェクトの状態シーケンス
分散パラメータ
ポテンシャル関数
分散パラメータ
構成
部分軌跡解析オクルージョン推定軌跡最適化
部分軌跡解析
2D mode extraction 3D trajectory segment extraction
2D mode extraction
Bhattacharyya距離を用いる
Mean-shiftを用いて探索
)2/]})(),([],)(),([{min(exp~),,|( 221
21 hTiiTii xxBxxBxxxy hhhh
3D trajectory segment extraction
n
n
Nn
nnn
t
p
tp
1n}{
],[
mM
m
3次元に書き換え
空間情報(位置座標)時間情報(フレーム番号)
Spectral clustering
Spectral clustering
)2/2/(exp 2222
tjipjiij ttppA
)2/)](),([exp()1(' 22hjiijij BAA mhmh
類似行列
色情報も加える
NNNN
N
N
AAA
AAA
AAA
A
21
22221
11211
Spectral clustering
2
1
11
1
1112
1
11
2/12/1
0
0
0
0
NNNNN
N
NN D
D
AA
AA
D
D
ADDL
iNi
ijNjii
AA
AD
1
1
Spectral clustering
ijNjii AD
ADDL
1
2/12/1
],,[ 1 KeeE
ードとする個をクラスタの初期シ大きいもの,の固有ベクトルを求め
K
L
スタに割り当てるアルゴリズムで各クラmeansK
},,{ 1 K
k
TrTr
Trk
Tr
とするの軌跡をクラスタ
オクルージョン推定
A 部分軌跡にはキーフレーム内の追跡すべきオブジェクトを含んでいる
B オブジェクトを含む同じような部分軌跡は除外する
C 時間軸上で二つの部分軌跡の重なりの間ではオクルージョンは存在しない
D 一定の速度と時間制限がオクルージョンにある
オクルージョン推定
加える分軌跡をノードとしてキーフレームを含む部
を用意,二つの木 BA TT
くに従って軌跡を取り除B
して加えるの子ノードをノードともしくはにノードとして加えるに従って
B
A
T
TCD
ドを加えるからも同じようにノーBT
つながるまで繰り返す
オクルージョン推定
)( OO SL
TA
TB
)の最大速度(でつなげた軌跡の間隔
)の長さ(でつなげた軌跡の間隔
pix/framespline-B:
pixspline-B:
O
O
S
L
オクルージョン推定
TA
TB
オクルージョン推定
TA
TB
オクルージョン推定
TA
TB
オクルージョン推定
TA
TB
オクルージョン推定
最小二乗誤差
)とする(すべての点二つの部分軌跡を
21
11
1
2'
1}{
0
'121
)exp(
)exp()(
'/)('
)'()(min
)()(
spline-B
]},[{,
Trjtt
Trjttw
Ntts
sw
sBs
tpTrTr
sBjw
eAjw
j
jj
jjj
N
j
N
nnn
Njjjj
n
B
m
mrm
qr
m
q
軌跡最適化
Coarse to fineで二回処理を行う
)|(),,|(1
),,|( 1
1
11
1
21
ii
T
iTii
T
iT xxxxxy
ZxxYXP
結果
結果
結果
結果
結果