ứng dụng lọc particle trong bài toán theo vết đối tượng

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN KHOA CÔNG NGHỆ THÔNG TIN BỘ MÔN CÔNG NGHỆ TRI THỨC LÊ NGUYỄN TƯỜNG VŨ - NGUYỄN MINH TRANG ỨNG DỤNG LỌC PARTICLE TRONG BÀI TOÁN THEO VẾT ĐỐI TƯỢNG KHOÁ LUẬN CỬ NHÂN TIN HỌC TP HCM, 2005 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN KHOA CÔNG NGHỆ THÔNG TIN BỘ MÔN CÔNG NGHỆ TRI THỨC LÊ NGUYỄN TƯỜNG VŨ - 0112082 NGUYỄN MINH TRANG - 0112159 ỨNG DỤNG LỌC PARTICLE TRONG BÀI TOÁN THEO VẾT ĐỐI TƯỢNG KHOÁ LUẬN CỬ NHÂN TIN HỌC GIÁO VIÊN HƯỚNG DẪN T.S LÊ HỒI BẮC NIÊN KHĨA 2001 - 2005 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com LỜI CẢM ƠN Đầu tiên, xin chân thành gửi lời tri ân đến Thầy Lê Hoài Bắc Luận này khơng thể hồn thành khơng có hướng dẫn, tin tưởng tạo hội thầy Chúng em xin chân thành cảm ơn bảo thầy Chúng xin chân thành gửi lời tri ân đến Thầy Phạm Nam Trung Thầy tận tình hướng dẫn, giúp đỡ, góp ý cho chúng em thời gian qua, tiếp thêm động lực ý chí, giúp chúng em hồn thành luận văn Chúng em xin trân trọng cảm ơn quý Thầy cô Khoa Công nghệ thông tin trường Đại học Khoa học Tự nhiên Tp.Hồ Chí Minh tận tình giảng dạy, truyền đạt kiến thức quý báu tạo điều kiện cho chúng em thực luận văn Đề tài thuộc lĩnh vựa nghiên cứu giới lại Việt Nam cộng thêm lực hạn chế người thực đề tài chắn chưa hồn thiện có nhiều sai sót Chúng tơi mong nhận nhiều ý kiến đóng góp giúp để đề tài hoàn thiện ứng dụng thực tiễn… Tp.HCM, 7/2005 Sinh viên thực Lê Nguyễn Tường Vũ Nguyễn Minh Trang i LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nhận xét giáo viên hướng dẫn ii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nhận xét giáo viên phản biện iii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com TÓM TẮT LUẬN VĂN Lọc Particle phương pháp thành cơng tốn theo vết đối tượng theo thời gian thực Nó phương pháp tập trung nhiều nghiên cứu khắc phục nhược điểm phương pháp cổ điển lọc Kalman, so khớp mẫu (Template Matching)… Trong luận văn này, trình bày sở lý thuyết phương pháp lọc Particle, hai phương pháp mở rộng lọc Particle: lọc Particle kết hợp với Mean shift ứng dụng cho toán theo vết đối tượng, lọc Particle ứng dụng cho toán theo vết nhiều đối tượng Qua khảo sát cài đặt thử nghiệm cho thấy, hai phương pháp thật hai phương pháp mạnh mẽ hiệu giải pháp cho toán theo vết đối tượng thực tế Một số từ khóa: lọc Particle (Particle Filter), theo vết đối tượng (object tracking), phát chuyển động (motion detection), ước lượng Bayesian (Bayesian Estimation) iv LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com MỞ ĐẦU Theo dõi đối tượng theo thời gian thực (real-time object tracking) công đoạn quan trọng nhiều ứng dụng thị giác máy tính (computer vision applications) Những hệ thống thuộc loại kể là: hệ thống quan sát – theo dõi đối tượng, hệ thống giao diện người dùng dựa vào cảm nhận (perceptual user interface), phịng thơng minh, hệ thống nén video dựa vào đối tượng (object-based video compression) hệ thống thông minh hỗ trợ tài xế lái xe tự động Mặc dù nghiên cứu nhiều năm, toán “theo dõi đối tượng” vấn đề nghiên cứu mở ngày Mức khó khăn vấn đề phụ thuộc nhiều vào đối tượng phát theo vết Hiện nay, có nhiều phương pháp theo vết như: So khớp mẫu (Template Matching), Mean shift, lọc Kalman, lọc Particle … Mỗi phương pháp có điểm mạnh điểm yếu riêng, nhiên phương pháp lọc Particle khắc phục nhược điểm phương pháp khác như: theo vết đối tượng theo thời gian thực, theo vết tốt đối tượng trường hợp phi tuyến nhiễu Gauss … Với mong muốn tiếp cận hướng nghiên cứu giới có nhiều ứng dụng thực tế Việt Nam, đầu tư thực đề tài “ỨNG DỤNG LỌC PARTICLE TRONG BÀI TOÁN THEO VẾT ĐỐI TƯỢNG” với hai mục đích: • Tìm hiểu phương pháp theo vết “lọc Particle” • Ứng dụng phương pháp tốn theo vết đối tượng Luận trình bày gồm bốn chương: • Chương 1: Tổng quan toán theo dõi đối tượng, giới thiệu chung toán theo dõi đối tượng bao gồm: giới thiệu, ứng dụng, thách thức với hướng tiếp cận Đồng thời đưa vấn đề mà đề tài tập trung: phương pháp theo vết thông dụng v LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com • Chương 2: Lọc Particle, giới thiệu phương pháp mà đề tài hướng đến: lọc Particle Trong chương này, trình bày từ tổng quan sở lý thuyết phương pháp lọc Particle • Chương 3: Ứng dụng lọc Particle toán theo vết đối tượng, giới thiệu áp dụng phương pháp lọc Particle toán theo vết đối tượng thực tế, với hai phuơng pháp mở rộng lọc Particle mà đề tài hướng đến: áp dụng phương pháp lọc Particle kết hợp với Mean shift toán theo vết đối tượng; áp dụng phương pháp lọc Particle toán theo vết nhiều đối tượng (thuật tốn ODAPF) • Chương 4: Kết luận, tổng kết lại phần nghiên cứu, tóm tắt lại kết đạt được, đồng thời đưa số hướng phát triển cho việc giải toán vi LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com MỤC LỤC LỜI CẢM ƠN .i Nhận xét giáo viên hướng dẫn ii Nhận xét giáo viên phản biện iii TÓM TẮT LUẬN VĂN iv MỞ ĐẦU v MỤC LỤC .vii Danh mục hình vẽ x Danh mục bảng biểu xii Tổng quan bái toán theo dõi đối tượng .1 1.1 Giới thiệu 1.2 Hệ thống theo dõi đối tượng 1.2.1 Phát đối tượng 1.2.2 Phân đoạn .5 1.2.3 Theo vết đối tượng 1.3 Các phương pháp theo vết thông thường 1.3.1 So khớp mẫu (Template matching) 1.3.2 Theo vết Meanshift 1.3.3 Tiếp cận Bayesian 1.4 Kết luận 14 Lọc Particle 15 2.1 Giới thiệu 15 2.2 Nền tảng toán học 17 2.2.1 Phương pháp Monte Carlo 19 2.2.2 Phương pháp hàm tích lũy xác suất nghịch đảo 22 vii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 2.2.3 Phương pháp lấy mẫu loại trừ 23 2.2.4 Phương pháp Metropolis-Hasting 24 2.2.5 Phương pháp lấy mẫu quan trọng 27 2.3 Phương pháp lấy mẫu quan trọng .31 2.4 Giả lập thuật toán SIS 34 2.5 Các vấn đề thuật toán SIS 37 2.5.1 Sự thối hóa thuật toán SIS .37 2.5.2 Vấn đề chọn hàm mật độ đề xuất 40 2.5.3 Tái chọn mẫu 43 2.6 Thuật toán lọc Particle 50 2.7 Giả lập thuật toán lọc Particle .52 2.8 Nhận xét 56 Mở rộng lọc Particle ứng dụng theo vết đối tượng dựa vào video 58 3.1 Mở rộng lọc Particle .58 3.1.1 Multi-modal Particle Filter 60 3.1.2 Thuật toán ODAPF 66 3.1.3 Thuật toán MeanShift Particle .70 3.2 Ứng dụng 75 3.2.1 Phát đối tượng 76 3.2.2 Theo vết đối tượng .81 3.3 Kết 84 3.3.1 Kết định tính 84 3.3.2 Kết định lượng 90 3.4 Kết luận 92 Kết luận hướng phát triển 93 4.1 Kết luận 93 viii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp xt = f x ( xt −1 ) = xt −1 + N ( 0, δ x2 ) yt = f y ( yt −1 ) = yt −1 + N ( 0, δ y2 ) wt = f w ( wt −1 ) = wt −1 + N ( 0, δ w2 ) (3.21) ht = f h ( ht −1 ) = ht −1 + N ( 0, δ h2 ) Trong N ( µ , δ ) hàm phân phối Gauss có tâm µ phương sai δ Như vậy, trạng thái đối tượng thời điểm t cho xt = f ( xt −1 ) = ( f x ( xt −1 ) , f y ( yt −1 ) , f w ( wt −1 ) , f h ( ht−1 ) ) (3.22) 3.3 Kết 3.3.1 Kết định tính Phần trình bày số kết thực thuật toán theo dõi đa đối tượng ODAPF liệu thực tế Thực nghiệm tiến hành máy Pentium IV 1.6GHz, 512MB RAM Các liệu video thu cầu vượt Văn Thánh, vào thời điểm 12h trưa Hình 27 cho thấy đối tượng vào khung cảnh theo dõi trọn vẹn Một đặc điểm đáng ý bất chấp số lượng đối tượng vào khỏi khung nhìn, biểu diễn mật độ xác suất kếp hợp khơng bị ảnh hưởng thuật tốn nhanh chóng thích nghi với thay đổi Nhờ có hỗ trợ thuật tốn phát đối tượng, ODAPF tự động phân phối mẫu đến đối tượng bắt đầu thuật tốn theo vết Hình 25, Hình 26 cho thấy hai trường hợp thuật tốn ODAPF thành cơng Tất đối tượng phương tiện giao thơng vào vùng nhìn camera hệ thống phát theo dõi thành cơng Một đặc điểm quan trọng thuật tốn ODAPF khắc phục lỗi thuật tốn phát đối tượng tạo Trong Hình 28, Hình 29, Hình 30 cột bên trái 84 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp kết phát đối tượng, cột bên phải kết theo dõi khung hình tương ứng Ta dễ dàng nhận thấy kết phát đối tượng bị lỗi, đối tương không phát đầy đủ bị chồng lên (Hình 30) Nhờ có thuật tốn theo dõi, tượng khắc phục dễ dàng nhờ thuật toán biết thông tin trạng thái đối tượng thời điểm trước sử dụng để tìm kiếm đối tượng thời điểm sau Ở trên, ta giả định kết thuật toán phát đối tượng đáng tin cậy tuyệt đối Nhưng thực tế, hệ thống phát đối tượng cịn tốn mở Trong chương trình thực nghiệm, chúng tơi sử dụng thuật tốn phát đối tượng dựa luật tương đối đơn giản, độ tin cậy khơng cao nên cịn số giới hạn Hình 31 cho thấy trường hợp thuật tốn ODAPF bị “lừa” kết phát đối tượng Ở góc trên, bên trái hình, hình chữ nhật xanh cho thấy vị trí phát sai Nhưng ODAPF tin vào kết Do dẫn đến sai lầm Tương tự, Hình 32, Hình 33 cho ta thấy trường hợp sai lầm khác ODAPF Khi đối tượng xe di chuyển xa, kết phát đối tượng trừ ảnh hoạt động hiệu dần Kết nhiều đối tượng bị hiểu thành gây nhiễu hình 85 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp Hình 25 Một kết thành cơng ODAPF 86 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp Hình 26 Một kết thành công ODAPF 87 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp Hình 27 Một kết theo dõi đa đối tượng Hình 28 Thuật toán ODAPF bù lỗi cho thuật toán phát đối tượng 88 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp Hình 29 Thuật tốn ODAPF bù lỗi cho thuật tốn phát đối tượng Hình 30 Thuật toán ODAPF bù lỗi cho thuật toán phát đối tượng Hình 31 Trường hợp lỗi ODAPF 89 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp Hình 32 Trường hợp lỗi ODAPF Hình 33 Trường hợp lỗi ODAPF 3.3.2 Kết định lượng Để đánh giá thuật toán cách định lượng, thử nghiệm kết đoạn video quay sẵn, đoạn dài 4s (giây) Kết tính tỉ số số đối tượng (xe gắn máy bánh) phát theo dõi q trình thực thuật tốn số đối tượng thực xuất đoạn video Các đoạn video 90 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp chia làm nhóm, tương ứng với góc quay khác (góc so với mặt đường) vị trí Bảng Kết phát theo dõi đối tượng dùng thuật tốn ODAPF đoạn video góc quay Clip góc quay Số đối tượng thực Số đối tượng phát Tỉ lệ test01.avi 7 100% test02.avi 5 100% test03.avi 5 100% test04.avi 4 100% test05.avi 4 100% test06.avi 3 100% test07.avi 88.8% test08.avi 88.8% test09.avi 15 12 80% Bảng Kết phát theo dõi đối tượng dùng thuật toán ODAPF đoạn video góc quay Clip góc quay Số đối tượng thực Số đối tượng phát Tỉ lệ test01.avi 11 10 90.9% test02.avi 6 100% test03.avi 10 90% test04.avi 5 100% test05.avi 5 100% test06.avi 6 100% test07.avi 6 100% 91 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp Các kết cho thấy thuật toán hoạt động tốt số lượng đối tượng có khung cảnh tương đối vừa phải Kết ta dự đốn trường hợp nhiều đối tượng, chúng đè lên kết gây nhiều nhầm lẫn thuật toán 3.4 Kết luận Cách tiếp cận ODAPF qua thực nghiệm chứng tỏ cách tiếp cận hiệu toán theo dõi đa đối tượng video Nó có khả thích nghi tốt với trường hợp số lượng đối tượng khung cảnh biến đổi bất thường theo thời gian Đồng thời, thuật toán có khả thực nhanh, có khả đáp ứng cho toán xử lý thời gian thực Bên cạnh đó, thuật tốn ODAPF, dựa MPF, thuật tốn có khả mở rộng cao, có khả thích ứng với nhiều tốn thực tế Tuy nhiên, vấn đề ODAPF đặt “niềm tin” vào thuật tốn phát đối tượng Sự thành công hay thất bại thuật toán ODAPF định nhiều thuật tốn Nó chịu trách nhiệm phát đối tượng khung cảnh đối tượng cũ, khỏi khung cảnh Vì tri thức đem lại phải tuyệt đối xác Do đó, làm ảnh hưởng đến trình hoạt động áp dụng thuật tốn ODAPF Ở đây, chúng tơi đưa đánh giá định lượng mang tính chủ quan hiệu thuật tốn hệ thống mở Nó có khả thích ứng với nhiều ứng dụng khác cách điều chỉnh thông số thủ tục cụ thể bước hoạt động thuật tốn Nhưng thơng qua đánh giá trực quan, thấy tiềm ODAPF cải tiến khác lọc Particle ứng dụng thực tế 92 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp Kết luận hướng phát triển 4.1 Kết luận Trong luận văn này, chúng tơi trình bày sở lý thuyết phương pháp lọc Bayes nói chung lọc Partilce nói riêng Qua chứng minh chương 2, lọc Particle cho thấy tiềm phương pháp quan trọng hiệu nhiều lĩnh vực khoa học vật lý, điện tử, kinh tế, quân sự, máy tính,… đặc biệt tốn ước lượng xấp xỉ tín hiệu Chúng tơi thử nghiệm lý thuyết trình bày thơng qua hai chương trình giả lập hai chương trình thực nghiệm liệu video: • Thuật tốn SIS: mơ lý thuyết xấp xỉ tích phân Monte Carlo chứng minh đắn sở tốn học cho thuật tốn Particle • Thuật tốn lọc Particle: mô chứng minh nhằm giải vấn đề thối hóa mẫu lọc Particle • Áp dụng thuật toán ODAPF cho toán theo dõi đa đối tượng, cụ thể toán theo dõi giao thông: thử nghiệm khả ứng dụng lọc Particle toán theo vết đối tượng dựa vào video • Áp dụng MeanShift cho lọc Particle: thử nghiệm nghiên cứu nhằm tăng cường hiệu suất lọc Các kết giả lập cho thấy lý thuyết chứng minh đáng tin cậy phù hợp với nhiều tốn thực tế: • Thuật tốn ODAPF chứng tỏ thuật tốn lọc Particle hồn tồn áp dụng vào toán theo vết dùng thị giác máy tính, đặc biệt vấn đề theo dõi đa đối tượng thời gian thực mà nhiều cách tiếp cận dựa vào phương pháp so khớp mẫu cổ điển thường không giải 93 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp • Thuật toán Mean Shift kết hợp lọc Particle lại cho thấy khía cạnh khác lọc Particle: kết cho thấy Mean Shift Particle có khả thích ứng tốt với tốn theo dõi đối tượng di chuyển nhanh Nó chứng tỏ thuật tốn Particle mềm dẻo sử dụng nhiều mơ hình khác Nếu xét riêng toán theo dõi đối tượng, thuật toán Particle cho ta lựa chọn tốt so với thuật toán dạng so khớp mẫu Template Matching theo nghĩa áp dụng cho nhiều trường hợp, mơ hình khác cách thay đổi hàm mật độ đo, phương pháp đo tham số nhiễu Bên cạnh đó, kết thực nghiệm cho thấy ODAPF giải toán theo dõi đa đối tượng mà thuật tốn so khớp mẫu khơng giải gặp phải môi trường hỗn loạn Bên cạnh đó, lọc Particle cịn áp dụng cho nhiều toán khác nhau nhiều ứng dụng khác xử lý tín hiệu số, máy học, mạng neuron, quân sự, robot kinh tế lượng Hơn nữa, điểm mạnh lọc Particle cịn chỗ có khả mở rộng cao cho ứng dụng đòi hỏi xử lý song song 4.2 Hướng phát triển Trong trình thực đề tài, điều kiện khách quan môi trường, điều kiện giao thông Việt Nam, hạn chế trình độ thời gian thực đề tài có hạn, hệ thống chúng tơi xây dựng gói gọn ngữ cảnh hẹp toán theo dõi đối tượng dựa vào video Hy vọng tương lai, phát triển giúp đề tài hoàn thiện • Tập trung cải tiến thuật toán phát đối tượng: hệ thống ODAPF cho thấy hoạt động tốt kết phát đối tượng tốt Như vậy, ta áp dụng nhiều phương pháp khác để cải tiến thuật toán dùng thuật toán AdaBoost, sử dụng mơ hình xác suất khác để mô tả đối tượng,… 94 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp • Kết hợp nhiều đặc trưng từ nhiều nguồn thu khác nhau: hệ thống họat động tốt có nhiều tri thức độ đo Có nhiều hướng phát triển để kết hợp độ đo kết hợp màu sắc, đường viền, kết hợp âm thanh,… • Sử dụng hệ thống 3-D: kết hợp nhiều camera, ta có thơng tin xác tính chất lý đối tượng vận tốc, độ sâu, khoảng cách,… • Xử lý tốn che lấp đối tượng: nhằm tạo kết theo dõi tốt mơi trường clutter • Triển khai thêm khả ước lượng vận tốc, phát xe chạy ngược chiều, vi phạm giao thông,… • Triển khai khả định dựa vào ước lượng có 95 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp DANH MỤC TÀI LIỆU THAM KHẢO [Blake1998] Andrew Blake, Michael Isard: The CONDENSATION Algorithm - Conditional Density Propagation and Applications to Visual Tracking NIPS 1996: 361-367 [Chen2004] Yunquiang Chen, Yong Rui, Speaker tracking using Particle filter sensor fusion, Asian Conference on Computer Vision (ACCV), 2004 [Comaniciu2003] Dorin Comaniciu, Visvanathan Ramesh, Peter Meer, Kernel- Based Object Tracking, Real-Time Vision and modeling Department, Siemens Corporate Research, Princeton, NJ, USA, 2003 [Doucet2000] A Doucet, S J Godsill, and C Andrieu On sequentialMonte Carlo samplingmethods for Bayesian filtering Statistics and Computing, 10(3):197–208, 2000 [Doucet2001] Arnaud Doucet, Nando de Freitas, Neil Gordon, Sequential Monte Carlo in Practice, Springer-Verlag, January 2001 - ISBN: 0-38795146-6 [Elgammal2001] Ahmed Elgammal, David Harwood, Larry Davis, Non- parametric Model for Background Subtraction, Computer Vision Lab, 2001 [Gordon2004] Neil Gordon, Branko Ristic, Sanjeev Arulampalam, Beyond the Kalman Filter, Artech House, 2004 [Guo2001] Zhong Guo, Object Detection and Tracking in Video, Department of Computer Science, Kent State University, Nov 2001 96 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp [Hue2002] C Hue, J.-P Le Cadre, and P P´erez Tracking multiple objects with particle filtering IEEE Transactions on Aerospace and Electronic Systems, 38(3):791–812, 2002 [Isard2001] M Isard and J MacCormick BraMBLe: A Bayesian multiple- blob tracker In Proc Int Conf Computer Vision, pages II: 34–41, 2001 [Jain1996] A.K Jain, Y Zhong, and S Lakshmanan, Object Matching Using Deformable Templates IEEE Trans Pattern Analysis and Machine Intelligence, vol 18, no 3, pp 267–278, Mar 1996 [Krattenthaler1994] W Krattenthaler, K.J Mayer, and M Zeiller, Point Correlation: A Reduced-Cost Template Matching Technique Proc ICIP, pp 208–212, 1994 [Lang2004] Duncan Temple Lang, Approaches for Random Number Generation, February 26, 2004 [Liu1998] Jun S Liu, Rong Chen, Sequential Monte Carlo Methods for Dynamic Systems, 1998 [Merwe2000] Rudolph van der Merwe, Arnaud Doucet, Nando de Freitas, Eric A Wan: The Unscented Particle Filter NIPS 2000: 584-590 [Morrell2003] Darryl Morrell, EEE 581 - Lecture : Filtering of Stochastic Processes, Department of Electrical Engineering, Arizona State University, USA, 2003 [Nummiaro2002] Katja Nummiaro, Esther Koller-Meier, Luc Van Gool, Object Tracking with an Adaptive Color-based Particle Filter, Image and Vision Computing, to appear (2002) [Okuma2004] Kenji Okuma, Ali Taleghani, Nado De Freitas, James J Little, David G Lowe, A Boosted Particle Filter: Multitarget Detection and Tracking, ECCV 2004 97 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn tốt nghiệp [Perez2002] P Perez, C Hue, J Vermaak, and M Gangnet Colorbased probabilistic tracking In Proc Europ Conf Computer Vision, pages I: 661–675, 2002 [Perez2004] Patrick Perez, Jaco Vermaak, Andrew Blake, Data Fusion for Visual Tracking with Particles, February 2004 [Smith1997] Stephen M Smith, Reviews of Optic Flow, Motion Segmentation, Edge finding and Corner Finding, Department of Clinical Neurology, Oxford University, Oxford, UK, Image Segmentation and Object Tracking 1997 [Sullivan2001] J, Sullivan, A Blake, M Isard, J Maccormick, Bayesian Object Localisation in Images, April 2001 [Welch2003] Greg Welch, Gary Bishop, An introduction to the Kalman Filter, Department of Computer Science, University of North Carolina at Chapel Hill, 2003 98 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ... THEO VẾT ĐỐI TƯỢNG” với hai mục đích: • Tìm hiểu phương pháp theo vết ? ?lọc Particle? ?? • Ứng dụng phương pháp toán theo vết đối tượng Luận trình bày gồm bốn chương: • Chương 1: Tổng quan toán theo. .. toán theo vết đối tượng, giới thiệu áp dụng phương pháp lọc Particle toán theo vết đối tượng thực tế, với hai phuơng pháp mở rộng lọc Particle mà đề tài hướng đến: áp dụng phương pháp lọc Particle. .. toán lọc Particle 50 2.7 Giả lập thuật toán lọc Particle .52 2.8 Nhận xét 56 Mở rộng lọc Particle ứng dụng theo vết đối tượng dựa vào video 58 3.1 Mở rộng lọc Particle