Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/305623
Type: TESE DIGITAL
Title: Multiple tracklet matching under severe occlusions = Emparelhamento de múltiplas trajetórias em casos severos de oclusão
Title Alternative: Emparelhamento de múltiplas trajetórias em casos severos de oclusão
Author: Maizman Bogdan, Karina Olga, 1990-
Advisor: Goldenstein, Siome Klein, 1972-
Abstract: Resumo: O rastreamento de objetos é uma área importante da Visão Computacional, e apesar do progresso de diversos métodos propostos recentemente, muitos desafios inerentes ao problema permanecem sem solução. Um deles é a oclusão, que afeta a corretude e continuidade da trajetória do objeto, tanto em ambientes que consideram um único objeto a ser rastreado quanto em ambientes de múltiplos objetos. Neste último cenário, o nível de dificuldade do rastreamento aumenta, já que o método também deve ser capaz de manter as identidades corretas dos objetos. Como a grande maioria dos métodos atuais são baseados nas detecções dos objetos de interesse, um evento de oclusão tem um grande impacto no rastreamento. A oclusão acaba obstruindo a aparência original do objeto, que é o principal tipo de dado usado na associação. A principal consequência disso é a introdução de lacunas de informação no rastreamento no período em que o objeto foi ocluído, dado que o objeto nesse caso pode não ser detectado ou detecções incorretas são obtidas. Essa falta de informação fragmenta as trajetórias em tracklets no rastreamento de métodos baseados em associação de dados, ou seja, que realizam associações consecutivas sobre o conjunto de detecções dos objetos. Algumas classes desse evento, como as oclusões totais e de longa duração envolvendo vários objetos, tornam o problema ainda mais desafiador. Além disso, em cenários complexos como esportes, rastrear múltiplos objetos implica lidar com aparências e movimentos similares dos objetos, além da alta dinâmica entre os mesmos que é uma característica natural do ambiente esportivo. Para abordar este problema, propomos um método de associação de trajetórias (tracklets) modelado como um problema de emparelhamento em grafos. Diferentes representações e abordagens para os três principais componentes do modelo proposto são avaliadas, que incluem: a representação das trajetórias no grafo utilizando os modelos de aparência dos objetos correspondentes; o custo de associação, que determina a compatibilidade entre dois conjuntos de trajetórias referentes a dois objetos distintos; e o algoritmo de emparelhamento, que realiza uma associação global das trajetórias. Ao contrário do estado-da-arte, o modelo proposto é avaliado em um novo conjunto de dados com informações de múltiplas câmeras, que incluem ocorrências de oclusão de alta complexidade em um cenário esportivo. Resultados encorajadores foram obtidos considerando que o nosso ambiente de rastreamento tem ambiguidade nos dados. Além disso, diferentes níveis de contribuição foram obtidos para a associação quando considerados os diferentes modelos para cada componente do nosso método, no qual alguns modelos provaram ser fatores importantes para o método final de associação das trajetórias

Abstract: Tracking is an important area of computer vision and, despite the progress by several trackers recently proposed, many challenges remain unsolved. One of them is occlusion which affects the correctness and continuity of the object's trajectory, from single to multiple object tracking environments. In the latter, the difficulty level of tracking is increased since the method must also be capable of maintaining the object identities. Since most of the current methods rely on detection responses, an event of occlusion has a large impact in tracking. This event turns out to obstruct the original appearance of the target which is the principal data used for association. The major consequence of this is the introduction of information gaps in tracking at the corresponding period when the object was occluded, since either the object cannot be detected or incorrect detection responses are obtained. This lack of information fragments the trajectories into tracklets in methods based on data association, that perform subsequent association over the detection responses of the targets. Particular classes of the event such as full and long-term occlusions involving several targets make the problem even more challenging. Furthermore, in complex scenarios such as the sport-based context tracking multiple objects involves dealing with similar appearances and motion, besides the high-dynamic natural trait of the environment. To address this problem, we propose a tracklet matching method formulated as a graph-based model. We evaluate different representations for the three main components of our model: the tracklet representation in our graph that uses the appearance models of the corresponding targets, the association cost that defines the affinity over two sets of tracklets corresponding to two different targets, and the matching algorithm that performs a global association of the trajectories. Different from current literature, we evaluate our proposed model in a new tracking dataset with a multi-camera setup that includes severe occlusion cases in a sport-based context. Encouraging results were obtained considering that our tracking environment incorporates ambiguous data. Beyond that, different levels of contribution in the association were achieved when considering the different models for each component of our method, in which some of them proved to be important factors for the final data association model
Subject: Rastreamento automático
Visão por computador
Processamento de imagens
Language: Inglês
Editor: [s.n.]
Date Issue: 2016
Appears in Collections:IC - Tese e Dissertação

Files in This Item:
File SizeFormat 
MaizmanBogdan_KarinaOlga_M.pdf3.85 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.