Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso Unidad 1
Curso Unidad 1
Caractersticas locales
Maria Vanrell
DEPARTAMENTO DE CIENCIAS DE LA COMPUTACIN
Descriptores de objetos
Imagen
+
Objeto
(cara, mano, persona, ...)
Ventana/-s
cara
mano
persona
Esquema general:
Extraccin de
caractersticas
Generacin de
candidatos
Generacin de
candidatos
Extraccin de
caractersticas
Descriptores basados en
caracterticas locales
Clasificacin de
candidatos
Refinacin de
la decisin
Clasificacin de descriptores
Caracterstica local (local feature) : Una caracterstica local es una propiedad que describe las
propiedades de un pxel con relacin a su vecindad. Estas caractersticas pueden presentar
formas especificas con una estructura propia, tales como puntos (blobs) o contornos (edges),
o cualquier otra estructura que se adapte a formas habituales.
contornos
R +G +B
Una manera genrica de detectar caractersticas locales es usando la operacin de la convolucin con
una forma local definida por un filtro o kernel
-1 0 1
1
-1 0 1
0
-1
-1
La convolucin: es una operacin matemtica entre dos funciones, f y g, que se representa como
una nueva funcin que nos da el grado de solapamiento de la funcin g sobre la funcin f.
( f g )( x , y ) =
f : Seal de entrada
g : Funciones bsicas
( f g )( x , y ) =
r ( x , y ) = I( x , y ) * k ( x , y ) =
x' ,y'
k : kernel/filtro
I : Imagen
k ( x' , y' )
r ( x , y ) = I( x , y ) * k ( x , y ) =
=
x' ,y'
(-1,0)
(0,0) (1,0)
(-1,1)
(0,1) (1,1)
r ( x , y ) = k ( 1,1 ) I ( x + 1, y + 1 ) + k ( 0 ,1 ) I ( x , y + 1 ) + k (1,1 ) I ( x 1, y + 1 ) +
+
k ( 1,0 ) I ( x + 1, y ) +
k ( 0 ,0 ) I ( x , y ) +
k (1,0 ) I ( x 1, y )
+ k ( 1,1 ) I ( x + 1, y 1 ) +
k ( 0 ,1 ) I ( x , y 1 ) +
k (1,1 ) I ( x 1, y 1 )
r ( x , y ) = k ( 1,1 ) I ( x + 1, y + 1 ) + k ( 0 ,1 ) I ( x , y + 1 ) + k (1,1 ) I ( x 1, y + 1 ) +
+
k ( 1,0 ) I ( x + 1, y ) +
k ( 0 ,0 ) I ( x , y ) +
k (1,0 ) I ( x 1, y )
+
k ( 1,1 ) I ( x + 1, y 1 ) +
k ( 0 ,1 ) I ( x , y 1 ) +
I( x , y )
h( x' , y' )
(-1,-1) (0,-1) (1,-1)
(-1,0)
(0,0) (1,0)
(-1,1)
(0,1) (1,1)
k (1,1 ) I ( x 1, y 1 )
(x,y)
(x+1,y)
Correlacin con k
k( x , y )
k' ( x , y )
Filtro simtrico
k( x , y )
A B
A B
D C
D E
A B
G H
C B
A
Convolucin = Correlacin
contornos
R +G +B
0 -1
-1
-1
-1
-1
0 -1
-1
0 -1
0
-1
-1
-1
Descriptores de objetos
Imagen
+
Objeto
(cara, mano, persona, ...)
Ventana/-s
cara
mano
persona
Imagen: I ( x , y )
Kernels: k ( x , y )
Negro: 0
Blanco: 255
90
Escala
Escala
135
0
Escala
Escala
45
Imagen: I ( x , y )
p : pxel
Descriptor ( p ) = (x1
= x 90
s =1
x 90
s =2
xn ) =
x 90 x 0
x 0
s =3
s =1
s =2
x2
x 0
s =3
x135
s =1
x 45
s =3
Extraccin de
caratersticas
Para cada pxel, p(x,y), le
asociamos un descriptor basado
en un conjunto de caractersticas
locales
x filtro
1
1
Descriptor ( p ) = =
x n filtro n
Filtros:
Clasificacin de
candidatos
Generacin de
ventanas
xn
x n 1
x2
x1
Textura mano
Filtros seleccionados: para la deteccin de las manos con textura se ha trabajado con un conjunto
de 8 filtros bsicos.
90
Escala
90
+
Kernels: k ( x , y )
Nota:
Escala
Resultados de la convolucin:
Cada filtro ha detectado unas
caractersticas diferentes en
funcin de la orientacin o la
escala.
Resultado final:
Imagen
original
Descriptor
de c. locales
Resultado
clasificacin
Descriptor ( p ) = (x1
= x 90
s =1
x2
x8 ) =
x 45
s =1
x 90
s =2
x 45
s =2
x iso
s =1
x iso +
s =1
x iso
s =2
x iso +
s =2
En resumen:
Se ha definido el concepto de caracterstica local a partir del concepto de contorno.
Se ha definido la operacin de convolucin con un filtro.
Se han visto algunas cuestiones de implementacin de la convolucin y se ha relacin
con la correlacin .
Se ha definido un descriptor basado en la concatenacin de las respuestas de la
convolucin con una familia de filtros.
Resumen de la semana:
Introduccin a una serie de conceptos muy bsicos de la visin por computador, y que creen
relevantes para la deteccin de objetos.
Tres maneras de construir descriptores de objetos ad-hoc:
basados en caractersticas del pxel
basados en toda la imagen
basados en caractersticas locales
Dos algoritmos bsicos de la deteccin de objetos: el template matching y el etiquetaje de regiones conexas.
Anlisis del comportamiento de los algoritmos frente a variaciones de iluminacin, de tamao, o de forma.