Intelligens ébresztő óra Számítógépes látás projekt 2011.

Slides:



Advertisements
Hasonló előadás
ÉRDEKES PONTOK KINYERÉSE DIGITÁLIS KÉPEKEN. BEVEZETÉS  ALAPPROBLÉMA  Jellemzőpontok detektálása mindkét képen  Kinyert pontok megfeleltetése  Megfeleltetések.
Advertisements

1/13 Péter Tamás, Bécsi Tamás, Aradi Szilárd INNOVÁCIÓ ÉS FENNTARTHATÓ FELSZÍNI KÖZLEKEDÉS KONFERENCIA Budapest, szeptember 3-5. Útmenti objektumok.
Project 5: Video background replacement
Match Move Juhász Endre Muhi Kornél Urbán Szabolcs Számítógépes látás projekt.
SZENT ISTVÁN EGYETEM GAZDASÁG- ÉS TÁRSADALOMTUDOMÁNYI KAR AUTO- SZŰRŐ FEJLESZTÉSE TÁBLÁZAT ALAPÚ JELENTÉSEK UTÓLAGOS, BÖNGÉSZŐN BELÜLI TOVÁBB- FELDOLGOZÁSÁRA.
SZENT ISTVÁN EGYETEM GAZDASÁG- ÉS TÁRSADALOMTUDOMÁNYI KAR KUTATÓK ÉJSZAKÁJA SZEPTEMBER 24. AUTO-SZŰRŐ FEJLESZTÉSE OLAP JELENTÉSEK UTÓLAGOS, OFFLINE.
SZENT ISTVÁN EGYETEM GAZDASÁG- ÉS TÁRSADALOMTUDOMÁNYI KAR TUDOMÁNYOS DIÁKKÖRI KONFERENCIA NOVEMBER 25. AUTO-SZŰRŐ FEJLESZTÉSE OLAP JELENTÉSEK UTÓLAGOS,
BSP-fák használata játék- engine fejlesztésében a nagy kiterjedésű zárt terek megjelenítéséhez Előadó: Boromissza Gergely Konzulens: dr. Szirmay-Kalos.
1 AIBO Robotfoci Bodor László IAR Bevezetés AIBO RoboCup AIBO RoboCup Célok Célok Rendszer elemei Rendszer elemei Megvalósítás terve Megvalósítás.
A projekt megvalósítás tapasztalatai
A mozgások leírásával foglalkozik a mozgás okának keresése nélkül
dr. Földy Ferenc Operatív Program Kft február 23.
Mozgó Objektumok Detektálása és Követése Robotkamera Segítségével
EKG kapuzott (ECG gated) szív vizsgálat
Ipari képfeldolgozás projekt I. mérföldkő
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
Változó expozíciós idejű képek fúziója
Mutatók, tömbök, függvények
Ág és korlát algoritmus
Algoritmizálás Göncziné Kapros Katalin humaninformatika.ektf.hu.
A lovas befolyása a lóra
OPERÁCIÓKUTATÁS Kalmár János, 2011 Tartalom Több lineáris célfüggvényes LP Tiszta egészértékű LP.
OPERÁCIÓKUTATÁS Kalmár János, 2012 Tartalom A nulla-egy LP megoldása Hátizsák feladat.
Bináris képek létrehozása Cél: a vizsgálni kívánt objektumok elkülönítése. Szürke kép Bináriskép + szürke kép.
A digitális számítás elmélete
Vámossy Zoltán 2004 (Mubarak Shah, Gonzales-Woods anyagai alapján)
Küszöbölés Szegmentálás I.
Matematika III. előadások MINB083, MILB083
Just in Time.
,,Én így tanítanám az informatikát”
Hierarchikus klaszteranalízis
Adatbázis rendszerek II
Készítette: Kosztyán Zsolt Tibor
Horváth Zsolt Schnádenberger Gábor Varjas Viktor
2008/2009 tavasz Klár Gergely  Gyakorlatok időpontjai: ◦ Szerda 10:05–11:35 ◦ Csütörtök 10:00+ε –11:30+ε  Gyakvez: ◦ Klár Gergely ◦
Hálózati réteg.
Projektzárással kapcsolatos teendők
Önálló laboratórium Képek szegmentálása textúra analízis segítségével
Intelligens felderítő robotok Készítette: Györke Péter Intelligens rendszerek MSC szakirány Konzulens: Kovács Dániel László Méréstechnika és Információs.
A SPECIÁLIS RELATIVITÁSELMÉLET
Hogyan mozognak a testek? X_vekt Y_vekt Z_vekt Origó: vonatkoztatási test Helyvektor: r_vekt: r_x, r_y, r_z Nagysága: A test távolsága az origótól, 1m,
A számítógép ergonómiája
Többváltozós adatelemzés 5. előadás. Hierarchikus klaszterezés Klaszterek számát nem kell előre megadni A pontok elhelyezkedését térképezi fel Nem feltétlenül.
Budapesti Műszaki Főiskola Neumann János Informatikai Kar Informatikai Automatizált Rendszerek Konzulens: Vámossy Zoltán Projekt tagok: Marton Attila Tandari.
Többszintű Tenyéralapú Biometrikus Azonosító Rendszer
Kézmozdulat felismerő rendszer
Lokalizációs platform Kardos Sándor Srágli Attila.
A Cprob általános képelemző szoftver
Valós idejű adaptív útvonalkeresés
Rendszám Felismerő Rendszer Fajt Péter Vácz István
Részecskenyom analízis és osztályozás Pálfalvi József MSc, Intelligens Rendszerek, Önálló labor 1.
Fejlett grafikai algoritmusok Megvilágítás SZTE, 2010.
Üreges mérőhely üreg kristály PMT Nincs kollimátor!
Számítógépes grafika I. AUTOCAD alapok
Hibajavító kódok.
SZÖVEGSZERKESZTÉS IV. ~ BEKEZDÉSFORMÁZÁS ~
Botyánszki Laczik Rácz
TÁMOP /1-2F Felkészítés szakmai vizsgára, informatika területre modulhoz II/14. évfolyam Az interaktív vizsga jellegzetes feladattípusainak.
1/19 Hogyan tájékozódnak a robotok? Koczka Levente Eötvös Collegium.
Eötvös Konferencia, 2008 április 26. Kovács Máté 1 Útkeresések optimalizálása számítógépes játékokban.
OpenCV CV = Computer Vision
Képszerkesztés magas fokon
2004 május 27. GÉPÉSZET Komplex rendszerek szimulációja LabVIEW-ban Lipovszki György Budapesti Műszaki Egyetem Mechatronika, Optika és Gépészeti.
Önértékelési projektterv
ELEKTROMOS SEGÉDPROGRAMOK
Skála és mutató elemek A tiszta látás távolsága: 25 cm
GPGPU – CUDA 2..
Képszerkesztés magas fokon
Változó expozíciós idejű képek fúziója
Algoritmus készítés.
Előadás másolata:

Intelligens ébresztő óra Számítógépes látás projekt 2011

Megvalósítás 1. – Algoritmus küszöbölés a zaj kiszűrésére  egy T1 küszöb felett az adott pixelpozícióban történt mozgás mozgásmennyiség számolás 8×8-as blokkokra (30×40-es blockIm mátrix)  egy T2 küszöb felett az adott blokkon történt mozgás morfológiai zárás (dilatáció + erózió)

Megvalósítás 2. – Algoritmus binárisan jelölt blokkok 8-szomszédság szerinti befoglaló téglalapját határozzuk meg  egy T3 küszöb méret feletti összefüggő komponensek a mozgó objektumok a képen optimális beállítás függ a kamera pozíciójától, blokkmérettől és a megvilágítástól –pl.: T1: 24, T2: 8, T3: 24

Megvalósítás 3. – Algoritmus mozgás követése  tárolt obj. ↔ detektált obj. közötti megfeleltetés egy távolságfüggvényen alapul: – AABB középpontjainak Euklidészi távolsága – hisztogramok közötti különbség mértéke (Kullback-Liebler) maga a távolság-függvény tapasztalatok szerint nem elegendő

Megvalósítás 4. – Algoritmus Probléma: túl sok feleslegesen hátrahagyott objektum keletkezik Minden objektumra feljegyezzük: – sorozatban történő frissítések száma – sorozatban történő módosítás nélküli állapotok száma – távolság a kijelölt alvóhelytől – legutóbbi mozgás során történő elmozdulás

Megvalósítás 5. – Algoritmus Egyszeri elmozdulás nagy  nem egy ébredező személyre vall ez a viselkedés Adott objektum nem módosul egy jó ideje  töröljük(!) A mozgás nagyon rövid idő alatt végbemegy  nem egy ébredező személyre vall ez sem

Megvalósítás 6. – Algoritmus Az “építőkockák” adottak voltak, részsikereket elértünk Természetesen vannak kétes esetek, melyekre nem ad helyes kimenetet az algoritmus  Felvételek bemutatása