A probabilistic integrated object recognition and tracking framework for video sequences

Amezquita Gómez, Nicolás

Pertany a la col·lecció TDX:SerieTesis

TÍTOL:

A probabilistic integrated object recognition and tracking framework for video sequences - TDX:268

Handle:

https://hdl.handle.net/20.500.11797/TDX268

Data:	2009-12-04
Departament/Institut:	Departament d'Enginyeria Informàtica i Matemàtiques Universitat Rovira i Virgili.
Director:	Serratosa i Casanelles, Francesc Alquézar Mancho, René
Autor:	Amezquita Gómez, Nicolás
Títol:	A probabilistic integrated object recognition and tracking framework for video sequences

Descripció:	El reconocimiento y seguimiento de múltiples objetos en secuencias de vídeo es uno de los principales desafíos en visión por ordenador que actualmente merece mucha atención de los investigadores. Casi todos los enfoques reportados son muy dependientes de la aplicación y hay carencia de una metodología general para el reconocimiento y seguimiento dinámico de objetos, que pueda ser instanciada en casos particulares. En esta tesis, el trabajo esta orientado hacia la definición y desarrollo de tal metodología, la cual integra reconocimiento y seguimiento de objetos desde una perspectiva general usando un marco probabilístico de trabajo llamado PIORT (Probabilistic Integrated Object Recognition and Tracking). Este incluye algunos módulos para los que se puede aplicar una variedad de técnicas y métodos. Algunos de ellos son bien conocidos, pero otros métodos han sido diseñados, implementados y probados durante el desarrollo de esta tesis.El primer paso en el marco de trabajo propuesto es un módulo estático de reconocimiento que provee probabilidades de clase para cada píxel de la imagen desde un conjunto de características locales. Estas probabilidades son actualizadas dinámicamente y suministradas a un modulo decisión de seguimiento capaz de manejar oclusiones parciales o totales. Se presenta dos métodos específicos usando características de color RGB pero diferentes en la implementación del clasificador: uno es un método Bayesiano basado en la máxima verosimilitud y el otro método está basado en una red neuronal. Los resultados experimentales obtenidos han mostrado que, por una parte, el enfoque basado en la red neuronal funciona similarmente y algunas veces mejor que el enfoque bayesiano cuando son integrados dentro del marco probabilístico de seguimiento. Por otra pa Recognition and tracking of multiple objects in video sequences is one of the main challenges in computer vision that currently deserves a lot of attention from researchers. Almost all the reported approaches are very application-dependent and there is a lack of a general methodology for dynamic object recognition and tracking that can be instantiated in particular cases. In this thesis, the work is oriented towards the definition and development of such a methodology which integrates object recognition and tracking from a general perspective using a probabilistic framework called PIORT (probabilistic integrated object recognition and tracking framework). It include some modules for which a variety of techniques and methods can be applied. Some of them are well-known but other methods have been designed, implemented and tested during the development of this thesis.The first step in the proposed framework is a static recognition module that provides class probabilities for each pixel of the image from a set of local features. These probabilities are updated dynamically and supplied to a tracking decision module capable of handling full and partial occlusions. The two specific methods presented use RGB colour features and differ in the classifier implemented: one is a Bayesian method based on maximum likelihood and the other one is based on a neural network. The experimental results obtained have shown that, on one hand, the neural net based approach performs similarly and sometimes better than the Bayesian approach when they are integrated within the tracking framework. And on the other hand, our PIORT methods have achieved better results when compared to other published tracking methods. All these methods have been tested experimentally in several test video sequences t
Tipus:	info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/doctoralThesis
Coautor:	Departament d'Enginyeria Informàtica i Matemàtiques Universitat Rovira i Virgili.
Títol:	A probabilistic integrated object recognition and tracking framework for video sequences
Idioma:	eng
Matèria:	004 - Informàtica
Format:	application/pdf
Autor:	Amezquita Gómez, Nicolás
Drets:	info:eu-repo/semantics/openAccess ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al repositori institucional de la Universitat Rovira i Virgili. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a aquest repositori (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
Data:	2009-12-04
Editor:	Universitat Rovira i Virgili
Matèria:	004 - Informàtica
Idioma:	eng
Editor:	Universitat Rovira i Virgili
Font:	TDX (Tesis Doctorals en Xarxa)
Identificador:	urn:isbn:9788469333877 http://hdl.handle.net/10803/8485
Format:	application/pdf
Paraula Clau:	Object recognition

Cerca el teu registre a:

Fitxers disponibles
Fitxer	Descripció	Format
Memoria	Memòria	application/pdf

Tots els objectes d'aquesta col·lecció

Informació