Estimativa do fluxo óptico através do algoritmo de Horn-Shunck Leonardo de Oliveira Martins Fluxo óptico Pode ser compreendido como um campo de velocidade que descreve o movimento aparente dos padrões de intensidade em uma imagem Dada uma sequência de imagens variando no tempo, é possível obter, para cada pixel, um vetor de velocidade Aplicações Correspondência de pontos, navegação exploratória, acompanhamento e segmentação de objetos, avaliação de tempo para colisão Fluxo óptico Os métodos para estimativa do fluxo óptico podem ser divididos em 3 grupos Técnicas diferenciais Técnicas de correlação Técnicas de frequência e energia Equação de restrição Técnicas diferenciais assumem por hipótese que a intensidade entre uma imagem e outra em um intervalo pequeno é aproximadamente constante, ou seja I ( x, y, t ) I ( x dx, y dy, t dt ) Equação de restrição I I I I ( x dx, y dy, t dt ) I ( x, y, t ) x y t O 2 x y t I I I I ( x, y, t ) I ( x, y, t ) x y t x y t 0 I I I x y t x y t I x I y I 0 x t y t t I .v I t 0 I I x y v , , I , t t x y Equação de restrição Somente a equação anterior não é suficiente para determinar as componentes de velocidade A solução é utilizar alguma técnica de estimativa, como o método de Lucas-Kanade ou Horn-Shunck O método de Lucas-Kanade apresenta robustez contra ruídos, porém a malha gerada não é densa Método de Horn-Shunck A velocidade é computada a partir das derivadas espaço-temporais na imagem Método de Horn-Shunck Restrições Restrição de iluminação A iluminação é constante nas duas imagens Restrição de suavização Pontos vizinhos apresentam velocidades semelhantes Método de Horn-Shunck Restrição de iluminação constante Iluminação em (x,y) é descrita por E(x,y,t) dE 0 dt E dx E dy E 0 x dt y dt t dx u dt E x u E y v Et 0 e dy v dt Método de Horn-Shunck Restrição de suavização Se cada ponto se movesse de forma independente, seria quase impossível recuperar o campo de movimento Pontos vizinhos têm velocidades semelhantes e a velocidade varia suavemente na maior parte do campo Método de Horn-Shunck Uma maneira de expressar esta restrição é minimizar o quadrado da magnitude do gradiente da velocidade do fluxo nas duas direções u u x y 2 2 y y x y 2 e 2 Método de Horn-Shunck Estimativa das derivadas parciais A estimação é feita pela média das quatro primeiras regiões adjacentes da imagem Ex (img 1[i + 1][j] + img 2 [i + 1][j] + img 1[i + 1][j + 1] + img 2 [i + 1][j + 1] img 1[i][j] - img 2 [i][j] - img 1[i]][j + 1] - img 2 [i][j + 1]) /4.0 E y (img 1[i][j 1] + img 2 [i][j 1] + img 1[i + 1][j + 1] + img 2 [i + 1][j + 1] img 1[i][j] - img 2 [i][j] - img 1[i 1][j] - img 2 [i 1][j]) /4.0 Et (img 2 [i][j] + img 2 [i][j 1] + img 2 [i + 1][j] + img 2 [i + 1][j + 1] img 1[i][j] - img 1[i][j 1] - img 1[i 1][j] - img 1[i 1][j 1]) /4.0 Método de Horn-Shunck O problema passa a ser então um problema de minimização, ou seja, achar o valor eb que minimize a expressão b E xu E y v Et com a restrição 2 u u y y x y x y 2 2 2 2 c Uma solução direta é computacionalmente cara, portanto é necessária uma abordagem interativa Método de Horn-Shunck Solução interativa Método de Gauss-Seidel u n 1 v n 1 Com base nas derivadas estimadas e na média dos valores obtidos anteriormente, é possível obter novos valores de u e v a partir das equações abaixo E x u E y v Et u Ex 2 E2 E2 x y n E x u E y v Et v Ey 2 E2 E2 x y n Sendo : u n : média dos 4 vizinhos de u na iteração n v n : média dos 4 vizinhos de v na iteração n : fator de peso proporcion al ao erro de quantização Resultados (Simples rotação) Resultados (Horn-Schunck) Resultados (vision.middlebury.edu) Resultados (vision.middlebury.edu) Resultados (Hale) Resultados (Hale) Próximos passos Testar outros métodos de estimação Técnicas variacionais Combinação de Lucas-Kanade com Horn-Schunck Implementar a extensão do método de HornSchunk para dados tridimensionais (dados sísmicos) Referências Faria, Alexandre. Fluxo óptico. Visão computacional, UFMG. http://www.verlab.dcc.ufmg.br/_media/cursos/visao/20071/alunos/alexandrewagner/optical_flow_article.pdf?id=cursos%3Avisao%3A 2007-1%3Aalunos%3Aalexandrewagner%3Aindex&cache=cache Horn and Schunck. Determining Optical Flow.Artificial Intelligence, 1981 Tutorial: Computing 2D and 3D Optical flow. http://www.tina-vision.net/docs/memos/2004-012.pdf