Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.
-
Upload
gael-zapata -
Category
Documents
-
view
115 -
download
3
Transcript of Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.
![Page 1: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/1.jpg)
Filtro de PartículasFiltro de Partículas
Aplicado al seguimiento de objetos
Jose Maria Buades Rubio
![Page 2: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/2.jpg)
SeguimientoSeguimiento
• A partir de un instante de tiempo ta, que se conoce el estado del objeto se desea localizar el objeto a lo largo del tiempo ta+1, ta+2, ta+3, ... , ta+n
• Nos interesa un estimador recursivo. Determinar el estado actual ti a partir del estado anterior ti-1
![Page 3: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/3.jpg)
Filtro de KalmanFiltro de Kalman
• Estimador recursivo para un variable xn gobernada por una ecuación estocástica lineal xk=Axk-1 + Buk + wk-1
• El Filtro de Kalman Extendido permite que el proceso no sea lineal xk=ƒ(xk-1, uk , wk-1)
![Page 4: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/4.jpg)
Filtro de KalmanFiltro de Kalman
Proceso de control xk = Axk-1 + Buk + wk-1
A matriz de n*nB matriz de n*l, ul
p(w) ~ N(0, Q)
Proceso de medición zk = Hxk + vk
p(v) ~ N(0, R)H matriz de m*n, zm
Datos iniciales: A, B, H, Q, R, x0 y P0
Pk es el error estimado en el instante k
![Page 5: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/5.jpg)
Algoritmo de Kalman Algoritmo de Kalman FilterFilter
![Page 6: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/6.jpg)
Problemática. OclusionesProblemática. Oclusiones
• La mayoría de los algoritmos no obtienen buenos resultados en el caso de que el objeto sufra oclusiones parciales o totales
• Al perder el rastro del objeto no retornan a una situación de estabilidad
• Filtro de partículas trata de solventar esta problemática
![Page 7: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/7.jpg)
Filtro de Partículas vsFiltro de Partículas vsFiltro Kalman Filtro Kalman
• Filtro de Kalman es unimodal
• Filtro de Partículas es multimodalContempla varias alternativas, un objeto puede estar localizado en dos puntos igualmente probables
![Page 8: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/8.jpg)
Filtro de KalmanFiltro de Kalman
![Page 9: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/9.jpg)
Filtro de PartículasFiltro de Partículas
![Page 10: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/10.jpg)
Filtro de PartículasFiltro de PartículasFormulación MatemáticaFormulación Matemática
xt – Estado del objeto en el tiempo t. Por ejemplo posición x, y, z
Xt ={x1, ..., xt} La historia del objeto
zt – El conjunto de imágenes en el instante t
Zt ={z1, ..., zt} La historia de las imágenes
![Page 11: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/11.jpg)
Filtro de PartículasFiltro de PartículasFormulación MatemáticaFormulación MatemáticaModelo Dinámico Modelo Dinámico EstocásticoEstocásticoConsideramos que la dinámica del
objeto se rige por un proceso de Markov
p(xt|Xt) = p(xt|xt-1)
![Page 12: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/12.jpg)
Filtro de PartículasFiltro de PartículasFormulación MatemáticaFormulación MatemáticaLikelihoodLikelihoodLas observaciones zt se consideran
independientes
El proceso de observación se define con la función de densidad p(zt|xt) para cada instante t, pudiendo ser independiente del tiempo p(z|x)
t
iiittttt xzpXxpXxΖp
1111,
![Page 13: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/13.jpg)
Filtro de PartículasFiltro de PartículasFormulación MatemáticaFormulación MatemáticaPropagaciónPropagación
La probabilidad de un estado xt viene dado de forma recursiva por
Aquí aparecen dos funciones: LikelihoodModelo Dinámico
1
)()(
donde
1111
1
tx
tttttt
ttttttt
tttt
ZxpxxpZxp
ZxpxzpkZxp
Zxpxp
![Page 14: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/14.jpg)
AlgoritmoAlgoritmo
• Estas funciones están definidas sobre el espacio continuo de los reales
• La integral se calcula en discreto para facilitar los cálculos
• Se simulan n partículas a las cuales se les aplica las funcionesSimulación (Dynamic Model - estado) Similitud (Likelihood - probabilidad)
![Page 15: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/15.jpg)
AlgoritmoAlgoritmo
![Page 16: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/16.jpg)
1 Seleccionar una partícula s’t(n)
a.- Generar un numero aleatorio [0,1]b.- encontrar el j para el cual ct-1
(j) rc.- s’t
(n) = s’t-1(j)
2 Predecir mediante el muestreop(xt| xt-1 = s´t
(n))para escoger st
(n)
p.e. st(n) = As´t
(n) + Bwt(n)
3 Mediciónt
(n) = p(zt| xt = st(n))
Normalizar para que nt(n) = 1
ct(0) = 0
ct(n) = ct
(n-1) + t(n) (n=1,...,N)
![Page 17: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/17.jpg)
Resultados. Sin oclusionesResultados. Sin oclusiones
![Page 18: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/18.jpg)
1 iteración, 100 partículas1 iteración, 100 partículas
![Page 19: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/19.jpg)
2 iteraciones, 50 2 iteraciones, 50 partículaspartículas
![Page 20: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/20.jpg)
4 iteraciones, 25 4 iteraciones, 25 partículaspartículas
![Page 21: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/21.jpg)
8 iteraciones, 100 8 iteraciones, 100 partículaspartículas
![Page 22: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/22.jpg)
Resultados. Con Resultados. Con oclusionesoclusiones
![Page 23: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/23.jpg)
4 iteraciones, 25 4 iteraciones, 25 partículaspartículas
![Page 24: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/24.jpg)
4 iteraciones, 100 4 iteraciones, 100 partículaspartículas
![Page 25: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/25.jpg)
Resultados.Resultados.Jonathan DeutscherJonathan Deutscher
![Page 26: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/26.jpg)
Resultados.Resultados.Jonathan DeutscherJonathan Deutscher
![Page 27: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/27.jpg)
Resultados.Resultados.Hedvig SidenbladhHedvig Sidenbladh
![Page 28: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/28.jpg)
Resultados.Resultados.Hedvig SidenbladhHedvig Sidenbladh
![Page 29: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/29.jpg)
Problemas derivados del Problemas derivados del número finito de número finito de partículaspartículas
• Diferentes ejecuciones pueden dar resultados diferentes
• Reseguir un único pico, posiblemente el erróneo
• Realizar el seguimiento sin disponer de información útil
![Page 30: Filtro de Partículas Aplicado al seguimiento de objetos Jose Maria Buades Rubio.](https://reader036.fdocuments.ec/reader036/viewer/2022062312/5528bde5497959977d8fce9c/html5/thumbnails/30.jpg)
ReferenciasReferencias
Michael Isard and Andrew Black “CONDENSATION – Conditional Density Propagation for Visual Tracking” IJCV 29 (1) pp 5-28 (1998)
O. King and D.A. Forsyth “How Does CONDENSATION Behave wieh a Finite Number of Samples” ECCV’2000 Vol1 pp 695-709
Jonathan Deutscher, Andrew Blake and Ian Reid “Articulated Body Motion Capture by Annealed Particle Filter” CVPR’2000
Hedvig Sidenbladh, Michael J. Black and David J. Fleet “Stochastic Tracking of 3D Human Figures Using 2D Image Motion” ECCV’2000
Briad D. Ripley “Stochastic Simulation” Ed. Jhon Wiley & Sons
Athanasios Papoulis “Probability & Statistics” Ed. Prentice Hall