Real-time computer vision applications that run on the field and make frequent use of
wearable computers have a critical restriction on the amount of processing they can perform,
because of the fact that most (if not all) of the application runs on the wearable platform. A
balancing scheme capable of allowing the application to use more processing power is
fundamental both when input scenarios present more visual restrictions regarding, for
example, the object to be tracked, and also to reduce processing in order to save battery and
CPU time for other applications when the captured video is better controlled (more
accessible).
The fact that computer vision applications may run on a variety of platforms justifies
the need for defining a model that automatically adjusts the tracker being used in
applications with hard performance constraints. Performance degradation in wearable
platforms can be greater than expected, as desktop and mobile platforms present different
levels of hardware capabilities, and consequently, different performance restrictions.
This doctoral thesis addresses the object tracking problem using a decision model, in
such a way that prioritizes using the least computationally intensive algorithm whenever
possible. It has the following specific objectives: to investigate and implement different
tracking techniques, to choose/define a reference metric that can be used to detect image
interference (occlusion, image noise, etc.), to propose a decision model that allows automatic
switching of different trackers in order to balance the application's performance, and to
reduce the application's workload without compromising tracking quality.
The effectiveness of the system will be verified by synthetic case studies that comprise
different object classes that can be tracked, focusing on augmented reality applications that
can run on wearable platforms. Different tracking algorithms will be part of the proposed
decision model. It will be shown that by switching among these algorithms, it is possible to
reach a performance improvement of a factor of three, while keeping a minimum quality
defined by a reprojection error of 10 pixels when compared to the use of only the best
algorithm independent of its computational cost. This work results in better performance of
applications with memory and battery restrictions. / Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-12T19:02:48Z
No. of bitstreams: 2
Tese Joao Teixeira.pdf: 5813706 bytes, checksum: 85ed76e5022129077b181bca61f92678 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-12T19:02:48Z (GMT). No. of bitstreams: 2
Tese Joao Teixeira.pdf: 5813706 bytes, checksum: 85ed76e5022129077b181bca61f92678 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2013-03-01 / CAPES e CNPq / Aplicações de visão computacional em tempo real executadas em campo fazem uso
frequente de computadores vestíveis, os quais apresentam uma restrição crítica na
quantidade de processamento que podem suportar, uma vez que a maior parte da aplicação
(se não sua totalidade) deverá executar na plataforma vestível. É fundamental um esquema
de balanceamento de carga capaz de permitir que a aplicação utilize mais poder de
processamento quando os cenários de entrada apresentam mais restrições visuais, por
exemplo, referentes ao objeto a ser rastreado, e diminua tal processamento com o objetivo de
economizar bateria e tempo de CPU em aplicações quando o vídeo capturado é mais
controlado (mais acessível).
O fato de aplicações de visão computacional executarem em uma variedade de
plataformas justifica se definir um modelo que ajuste automaticamente o rastreador em uso
em aplicações com restrições de recursos computacionais. A degradação de desempenho em
plataformas vestíveis pode ser maior do que a esperada, uma vez que plataformas desktop e
móvel apresentam diferentes níveis de configurações de hardware, e consequentemente,
diferentes restrições de desempenho.
Esta tese de doutorado soluciona o problema do rastreamento de objetos usando um
modelo de decisão, objetivando utilizar o algoritmo menos custoso sempre que possível.
Como objetivos específicos têm-se: investigar e implementar diferentes técnicas de
rastreamento, para escolher/definir uma métrica de referência que possa ser usada para
detectar interferência na imagem (oclusão, ruído, etc.), propor um modelo de decisão que
permita chaveamento automático entre diferentes rastreadores visando balancear o
desempenho da aplicação baseado na métrica escolhida, e diminuir a quantidade de
processamento requerida pela aplicação sem comprometer a qualidade do rastreamento
envolvido.
A eficiência do sistema será verificada através de estudos de caso sintéticos que
compreendem diferentes classes de objetos que podem ser rastreados, focando em aplicações
de realidade aumentada que executam em plataformas vestíveis. Diferentes algoritmos de
rastreamento farão parte do modelo de decisão e através do chaveamento entre eles, será
demonstrado que é possível atingir uma melhoria no desempenho de até três vezes,
mantendo uma qualidade mínima definida como erro de reprojeção de até 10 pixels quando
comparado à utilização apenas do algoritmo que gera a melhor qualidade de rastreamento,
independente do seu custo computacional. O impacto desse trabalho implicará em uma
melhor qualidade de aplicações com restrições de quantidade de memória, carga de baterias,
entre outras.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/12268 |
Date | 01 March 2013 |
Creators | Teixeira, João Marcelo Xavier Natário |
Contributors | Kelner, Judith, Teichrieb, Veronica |
Publisher | Universidade Federal de Pernambuco |
Source Sets | IBICT Brazilian ETDs |
Language | English |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds