Schattenerkennung in Farbbild Folgen
Seminararbeit von Ralf Mesel
Aufarbeitung einer Veröffentlichung der CVPR 2001
Überblick
• Verschiedene Schattenarten• Wozu Schattenerkennung • Klassifizierung der Erkennungsmethoden • Methoden zur Schattenerkennung• Ergebnisse • Leistungsvergleich• Schlussfolgerung
Schattenarten
Ha lb sc ha tten
Ke rnsc ha tten
Eig ensc ha tten
Sc hla gsc ha ttenKernschatten
Halbschatten
Eigenschatten
Schlagschatten
Wozu Schattenerkennung
•Objekte mischen sich
•Objekte werden verzerrt
•Objekte gehen verloren
Erkennen von sich bewegenden Objekten
Physikalische Grundlagen
),(),(),( yxpyxEyxs kkk
Reflektierende Energiedichte
Beleuchtungsdichte
)),,((cos),(
)),,((cos),(
LyxNcyxkc
LyxNcc
c
yxE
pA
pA
A
k
Erdschatten
Beleuchtung
Halbschatten
Annahmen :
•Die Lichtquelle ist stark
•Der Hintergrund ist statisch und strukturiert
•Der Hintergrund ist planar
•Die Ausbreitung der Lichtquelle ist ausreichend groß, sodass sich Halbschatten bilden kann.
Hintergrundmodel
),(),(),( 0 yxpyxpyxpk Hintergrund ändert sich nicht, daher gilt :
Unterschied der reflektierenden Energiedichte zwischen dem aktuellen Bildpunkt und dem Referenzpunkt im Rahmen k
)),(),()(,(),( 0 yxEyxEyxpyxD kk
Erkennung eines Schlagschattens
)),,((cos),(),( LyxNcyxpyxD pk
K lass ifi zierung der S c hattenerkennungs
Verfahren
P arametris c h nic ht
P arametris c h
S tatis t is c h
M odel
bas iert
nic ht
M odel bas iert
Determinis tis c h
S c hatten E rk ennungs
V erfahren
Statistische nicht parametrisiertes Verfahren ( SNP)
ii sE ,
iCD,iα
ii sE ,
iCD,iα
210,,, CD
)(iC
Initialisierung mitN Eingangsrahmen
Helligkeit undFarbverzerrungs-berechnungund Normalisierung
HintergrundModellierung
Helligkeit undFarbverzerrungs-berechnungund Normalisierung
Autom atischeGrenzwertselektion
Andere Eingangsrahm en
PixelKlassifikation
Klassifiziertes Resultat
222
222
)()(
)()(
)()(
)()()(
)()()(
)()()(
ii
ii
ii
iiiI
iiiI
iiiI
B
B
G
G
R
R
B
BB
G
GG
R
RR
i
Helligkeitsvektor
222
)(
)()(
)(
)()(
)(
)()(
i
iiI
i
iiI
i
iiICD
B
BiB
G
GiG
R
RiRi
Farbänderung
Statistische nicht parametrisiertes Verfahren ( SNP)
ii sE ,
iCD,iα
ii sE ,
iCD,iα
210,,, CD
)(iC
Initialisierung mitN Eingangsrahmen
Helligkeit undFarbverzerrungs-berechnungund Normalisierung
HintergrundModellierung
Helligkeit undFarbverzerrungs-berechnungund Normalisierung
Autom atischeGrenzwertselektion
Andere Eingangsrahm en
PixelKlassifikation
Klassifiziertes Resultat
Statistisches parametrisiertes Verfahren (SP)
TBGRv ,, TBGRv ,,
'' , ILIL
'' , ILIL
'' , SHSH
H in te rg ru n dM o d ellie rn u g
L in e arTran sfo rm atio n
W arsc h e in lich k e its-b e rech n u n g
In itia lis ie ru n g m it N R ah m en A n d e re
E in g an g sra h m e n
Klassifikation
Deterministische nicht modelbasierte Annährung 1 (DNM1)
HintergrundUnterdrückung
Schattenerkennung(HSV)
HintergrundUpdate
Bild
Vordergrund BildBew.Obj.
Hindergrund
Mögliches Bew. Obj. Verstandene Szene
Geister Schatten
Deterministisches nicht modelbasiertes Verfahren 2 (DNM2)
Beste Erkennung von Halbschatten
Sequenz Typ
Natur Natur Natur Raum Raum
Schatten Stärke
Mittel Hoch Nieder Sehr nieder Nieder
Schatten Größe
Groß Klein Sehr groß Mittel Groß
Objekt Klasse
Auto Auto Auto/Mensch Mensch Mensch
Objekt Größe
Groß Klein Mittel Mittel Mittel
Objekt Geschw.
30-35 8-15 5-10 0-15 2-5
Rauschen Mittel Mittel Hoch Nieder Mittel
Autobahn 1 Autobahn 2Hochschulgelände Labor
Intelligenter Raum
Ergebnisse
Schatten Unterscheidungsgenauigkeit
0
1
2
3
4
SNP SP DNM1 DNM2
Pu
nk
te
Autobahn 1
Autobahn 2
Hochschulg.
Labor
Intellig. Raum
Schatten Erkennungsgenauigkeit
0
1
2
3
4
SNP SP DNM1 DNM2
Pu
nk
te
Autobahn 1
Autobahn 2
Hochschulg.
Labor
Intellig. Raum
SNP : Statistisch nicht parametrische Methode
SP : Statistisch parametrische Methode
DNM : Deterministisch nicht modellbasierte Methode
Original
SP Ergebnis
Autobahn 2
SNP Ergebnis
Schatten Unterscheidungsgenauigkeit
0
1
2
3
4
SNP SP DNM1 DNM2
Pu
nk
te
Autobahn 1
Autobahn 2
Hochschulg.
Labor
Intellig. Raum
Schatten Erkennungsgenauigkeit
0
1
2
3
4
SNP SP DNM1 DNM2
Pu
nk
te
Autobahn 1
Autobahn 2
Hochschulg.
Labor
Intellig. Raum
DNM1 Ergebnis SNP Ergebnis