Extraction non supervisée (séparation Image/fond) ● Objectifs : 1. temps réel 2. détection des «objets» en mouvement ● Compression temporelle de l'aspect.

Slides:



Advertisements
Présentations similaires
Manipulation d’un objet virtuel à l’aide d’une cible et d’une caméra
Advertisements

Centre Optique F F ’ O Les rayons qui passent par le centre optique O ne sont pas déviés !
Journée VEGA FIZEAU 6 mars 2008 Passage au 3 4 télescopes 1 JOURNEE VEGA FIZEAU 6 mars 2008 Développements pour le 3/4 T.
Chaîne de traitement Notion de plot
Traitement d’images : concepts fondamentaux
Traitement d’images : concepts avancés
Etude et interprétation des résultats du Détecteur Interférentiel Panoramique de Pollution DIPP Matthieu Conjat Sous la direction.
FREE-VIEWPOINT VIDEO OF HUMAN ACTORS Joel Carranza, Christian Theobalt, Marcus A.Magnor, Hans-Peter Seidel MPI Informatik, Saarbrücken, Germany.
JJCAAS 03 - Modèles granulaires pour les signaux sonores 1 Modèles granulaires pour les signaux sonores Lorcan Mc Donagh Directeur de thèse: Frédéric.
Image et apprentissage
à la réalité» Séminaire du BTS « Systèmes électroniques »
Xavier Décoret* Frédo Durand° François Sillion*
3. Analyse et estimation du mouvement dans la vidéo
Piecewise Affine Registration of Biological Images
Démarche de la réflexion
Segmentation de séquences d’images au sens du mouvement
Extraction d'espèces chimiques
INF-1019 Programmation en temps réel
Simulation 3D d’un dispositif de fourchette électronique
Méthodes et pratiques scientifiques
Initiation au calcul des structures dans le domaine plastique Elasto - plasticité en petite transformation Cours.
comptables, changements d'estimations comptables et erreurs »
Construction de modèles visuels
Engin de planche à roulettes en réalité augmentée IMN 638 Université de Sherbrooke 31 novembre 2009 Stéfan Beauchamp Daniel Yannick Cadoret.
Techniques d’optimisation
Candidature pour le poste d’ingenieur
Plan de l’exposé Présentation de l’équipe Présentation du stage
PROJET SI : RUBIK’Solver
IFT3730 : Infographie 3D Systèmes et modèles graphiques Pierre Poulin, Derek Nowrouzezahrai Hiver 2013 DIRO, Université de Montréal.
IFT2740 : Outils de l'infographie 3D Systèmes et modèles graphiques
Pr. M. Talibi Alaoui Département Mathématique et Informatique
Distance de BORGEFORS Et Applications
Base de données multimédia Cordelia Schmid
Problèmes inverses en électroencéphalographie
Projet Master 2 p18 Player interactif.
Plan Introduction à la Domotique Etudes préliminaires
Comment fonctionne l’objet technique (OT)?
Compression d’images La manière simple de conserver une image en mémoire est de se donner la couleur de chaque pixel. Cela demande une quantité de mémoire.
Détection de contours automatique et application aux images réelles
Reconnaissance d’image CABRIERE Pierre – ROBERT Bastien.
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
Notre Système Laptoptech Sécurité par video surveillance Facile d’utilisation Application internet Le seul système temps réel Compression matériel Haux.
Monitoring Détection de séquences vidéo en temps réel dans une grande base de données Julien Law-to 23/07/2004.
Suivi d’individus et interprétation vidéo
Etude et test des algorithmes d'estimation de mouvement en MPEG
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
Classification : objectifs
Les réseaux de neurones à réservoir en traitement d’images
Institut de sciences et technologies Département d’informatique
1. Présentation générale du système
QUALITÉ DES DONNÉES la méthode générale
Les réseaux de neurones à réservoir en traitement d’images
Suivi rapide d’objet en mouvement
Reconnaissance de visage par vidéo
Arc Détection de présence
Suivi de trajectoires par vision Y. Goyat, T. Chateau, L. Trassoudaine 1.
Soutenance bibliographique
MPEG : normalisation La vidéo est compressé en MPEG2 Une vidéo classique : (720x576) à 50 images entrelacées par seconde. Le Mpeg-2 travaille sur 1/4 de.
Visualisation des flots optiques en 3D
1. Présentation générale du système
GENERATEUR DE DEFAUTS POUR UNE COMMANDE DE MOTEUR
Extreemly Random Trees + SubWindows HOURRI Soufiane NAIT ABDELLAH OUALI Ismail OUFQIR Anouar OUSSAFI Mohammed.
On y retrouve les éléments suivants:
Projet Baccalauréat STI2D
Définitions du foyer principal image F’ et foyers secondaires images ’ // // F O F’ ’ F’ O F // // fig 1a fig.
Conversion des luminances en températures dans le cas des images du rayonnement émis par les objets.
1 GREC INITIALES Formation de bassin Atelier Réalité Augmentée Groupe de formateurs ATELIER RÉALITÉ AUGMENTÉE.
Lentille convergente : cas particulier 1
Leçon les Forces N°0 1. La mécanique se décompose en 5 parties
Construction d’images Lentilles minces (cliquer pour avancer)
Transcription de la présentation:

Extraction non supervisée (séparation Image/fond) ● Objectifs : 1. temps réel 2. détection des «objets» en mouvement ● Compression temporelle de l'aspect des pixels et estimation de mouvements ● Classification par analyse croisée de l'historique de l'aspect des pixels et des mouvements détectés Compensation des mouvements (violet : mauvaise estimation ) Image courante Extraction par analyse temporelle

Estimation de paramètres de matériaux ● Objectif : – Extraire les paramètres des matériaux (Kd, Ks et n) ● Principe : – Initialiser les Kd et Ls à l'aide d'une normalisation des couleurs des photos – Faire un rendu et utiliser les erreurs pour initialiser les Ks et n – Phase d'optimisation visant à minimiser l'erreur entre les photos et les vues re-synthétisées ● Travail actuel – Amélioration de la qualité des rendus : (a) (b)(c)

Initialisation Kd, Ls Rendu Différence Ks Kd, Ks, n, Ls Rendu Différence Erreur Mise à jour Phase d'initialisation Phase d'optimisation

Suivi de mouvements Modélisation du corps selon la norme H_Anim et Extraction des paramètres cinématiques

Modélisation du corps selon la norme H_Anim et Extraction des paramètres cinématiques

Application de CYBERII Le passage de la réalité Virtuelle à la Réalité Augmenté dans la commerce électronique financière