Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
物体追跡
Search
Masafumi Abeta
January 24, 2022
Science
0
240
物体追跡
社内勉強会で発表した資料です。
Masafumi Abeta
January 24, 2022
Tweet
Share
More Decks by Masafumi Abeta
See All by Masafumi Abeta
Pythonのパッケージマネージャー「uv」
abeta
0
11
GPTモデルでキャラクター設定する際の課題
abeta
0
200
GPTをLINEで使えるようにして布教した
abeta
0
110
【Nishika】プリント基板の電子部品検出
abeta
0
210
初心者向けChatGPT入門
abeta
0
180
GPT Short Talk
abeta
0
97
拡散モデルについて少しだけ
abeta
0
23
動的計画モデル
abeta
0
130
特徴量記述
abeta
0
160
Other Decks in Science
See All in Science
山形とさくらんぼに関するレクチャー(YG-900)
07jp27
1
210
Machine Learning for Materials (Lecture 6)
aronwalsh
0
500
解説!データ基盤の進化を後押しする手順とタイミング
shomaekawa
1
330
マテリアルズ・インフォマティクスの先端で起きていること / What's Happening at the Cutting Edge of Materials Informatics
snhryt
1
130
私たちのプロダクトにとってのよいテスト/good test for our products
camel_404
0
150
ultraArmをモニター提供してもらった話
miura55
0
180
As We May Interact: Challenges and Opportunities for Next-Generation Human-Information Interaction
signer
PRO
0
130
白金鉱業Meetup Vol.15 DMLによる条件付処置効果の推定_sotaroIZUMI_20240919
brainpadpr
1
440
20分で分かる Human-in-the-Loop 機械学習におけるアノテーションとヒューマンコンピューターインタラクションの真髄
hurutoriya
4
2.2k
Boil Order
uni_of_nomi
0
120
Pericarditis Comic
camkdraws
0
670
プロダクト開発を通して学んだナレッジマネジメントの哲学
sonod
0
140
Featured
See All Featured
Testing 201, or: Great Expectations
jmmastey
38
7k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
328
21k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
9
680
The Illustrated Children's Guide to Kubernetes
chrisshort
48
48k
RailsConf 2023
tenderlove
29
880
Why You Should Never Use an ORM
jnunemaker
PRO
53
9k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
364
22k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
280
13k
How To Stay Up To Date on Web Technology
chriscoyier
788
250k
StorybookのUI Testing Handbookを読んだ
zakiyama
26
5.2k
YesSQL, Process and Tooling at Scale
rocio
167
14k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
46
2.1k
Transcript
XX University 物体追跡 2022.01.24 Abeta
2 テンプレートマッチング テンプレート画像を⾛査させて、⼀致度が⾼い箇所を検出する。動画では検出、テンプレート画像の更新を繰 り返して追跡を⾏う。 𝑆!!" (𝑥# , 𝑦# ) =
( $!%& '!() ( *!%& +!() 𝐼# 𝑥# + 𝑥, , 𝑦# + 𝑦, − 𝐼, 𝑥, , 𝑦, - 差分は⼆乗和や絶対値和を使⽤する。
3 Meanshift 探索窓内の点群の重⼼に、探索窓の中⼼を移すという処理を繰り返す。 2値画像の中の物体重⼼を求めることに使⽤し、物体を追跡する。
4 CAMshift(Continuously Adaptive Meanshift) ターゲットの⼤きさや回転に合わせて、ウィンドウの⼤きさを調整しながらMeanshiftを⾏う。 https://docs.opencv.org/4.x/d7/d00/tutorial_meanshift.html
5 カルマンフィルター カルマンフィルターは、逐次ベイズフィルターの⼀種であり、測定データからシステムの状態を推定するアル ゴリズム。 直前までの情報と、たった今取得したデータをもとに、もっとも適切な(最適な)システムの状 態を推定する⼿ 法。ただし、測定値にはノイズが乗っており、システムの状態を⽰す変数⾃ 体にもノイズが乗っているもの とする。 https://jp.mathworks.com/discovery/kalman-filter.html
https://www.avelio.co.jp/math/wordpress/?p=605 http://www1.accsnet.ne.jp/~aml00731/kalman.pdf
6 https://jp.mathworks.com/discovery/kalman-filter.html
7 粒⼦フィルター パーティクルフィルタは、複数の粒⼦にノイズをくわえながら観測データとモデルを元に内部状態を推定しく ⼿法。⾮線形なモデルに対しても適⽤でき、粒⼦の数だけ精度はよくなるが、計算量もその分増え、粒⼦数が Nのときに時間計算量はO(N)となる。 実装が簡単で様々な分野で適⽤することができるのが特徴. https://www.matsue-ct.jp/ee/index.php/ja/30-denki-menu20130501-4/denki-cat-senkoka-kenkyu/denki-cat-senkoka-kenkyu-2014/251-senkoka-kenkyu2014-8 http://www.thothchildren.com/chapter/5c7bc083ba4d5d6b2c2419ea
8 DeepSORT SeepSORTは3つの技術で構成される。 • YOLO:物体検出 • ReId(Person Re-Identification):個⼈識別 • SORT(Simple
Online Realtime Tracking):バウンディングボックスの予測 予測 𝑡 𝑡 + 1 物体認識 ⼈物の類似度と 重なりで同⼀判定
9 参考⽂献 • 中村恭之, ⼩枝正直, 上⽥悦⼦, 『OpenCVによるコンピュータビジョン・機械学習⼊⾨』, 講談社, 2017