Return to search

Objektų vaizde sekimo technologijų tyrimas vaizdo transliavimo sistemoms / Investigation of image object tracking technologies for video streaming systems

Šiame darbe buvo ištirtas keleto pasirinktų objekto vaizde sekimo metodų pritaikomumas relaus laiko vaizdo transliavimo sistemose. Išsiaiškinta, kad standartinis blokelių sutapdinimo algoritmas, nors yra pats paprasčiausias iš tirtųjų, yra netinkamas naudoti tokiose sistemose dėl ilgai užtrunkančių skaičiavimų, kurie sukuria papildomą vaizdo vėlinimą. Fazinės koreliacijos metodo taikymo taip pat buvo atsisakyta, nes jo randami vaizdo poslinkio vektoriai yra pernelyg atsitiktiniai. Tiriant būdingųjų taškų paieška ir sutapdinimu grįstus algoritmus buvo išsiaiškinta, kad HARRIS randa daugiausiai taškų iš visų, FAST algoritmas veikia greičiausiai, nors randamų taškų skaičius ir tikslumas yra žymiai mažesnis, o SURF ir MSER algoritmai puikiai balansuoja tarp randamų taškų skaičiaus, jų tikslumo ir skaičiavimų vykdymo greičio. Padarėme išvadas, kad visi tirti būdingųjų taškų sutapdinimu ir paieška pagrįsti metodai, priklausomai nuo uždavinio pobūdžio, gali būti taikomi realaus laiko vaizdo transliacijos sistemos objektams vaizde sekti. / In this thesis we've investigated methods used in object tracking in video sequences, that could be applied in systems of real-time video streaming. We've found out that a standard block matching method, despite being the most simplistic one out of all methods investigated, is also the most time consuming and cannot be applied in real-time systems. Phase correlation method is much faster than block matching, but motion vectors calculated with this algorithm are too random and it would be impractical to use it in real-time object tracking. While investigating feature detection and matching methods we've concluded that HARRIS algorithm finds more feature points than others, FAST algorithm is the fastest, but not very accurate, SURF and MSER algorithms retains the balance between the calculation speed and accuracy of finding feature points. Hence all these algorithms could be applied in real-time video streaming systems to track objects, depending on the contents of the video sequence and the complexity of the task.

Identiferoai:union.ndltd.org:LABT_ETD/oai:elaba.lt:LT-eLABa-0001:E.02~2014~D_20140616_164448-12072
Date16 June 2014
CreatorsGudiškis, Andrius
ContributorsSerackis, Artūras, Navakauskas, Dalius, Martavičius, Romanas, Tamulevičius, Gintautas, Leonavičius, Romas, Vilnius Gediminas Technical University
PublisherLithuanian Academic Libraries Network (LABT), Vilnius Gediminas Technical University
Source SetsLithuanian ETD submission system
LanguageLithuanian
Detected LanguageUnknown
TypeMaster thesis
Formatapplication/pdf
Sourcehttp://vddb.library.lt/obj/LT-eLABa-0001:E.02~2014~D_20140616_164448-12072
RightsUnrestricted

Page generated in 0.2059 seconds