Analyse de la vid ´eo
Chapitre 2.1 - Estimation du mouvement
23 d ´ecembre 2010
D ´efinition g ´en ´erale du flux optique
Plan de chapitre
1 D ´efinition g ´en ´erale du flux optique Estimation du mouvement Equation du flux optique´ Probl `eme d’ouverture
Cat ´egorisation des algorithmes d’estimation du mouvement
2 Estimation du flux optique - Intensit ´e Lucas et Kanade
Variante de Lucas et Kanade - Raffinement it ´eratif Horn et Schunck
Variante de Horn et Schunck - Raffinement du lissage
D ´efinition g ´en ´erale du flux optique Estimation du mouvement
Estimation du mouvement
Mouvement apparent
En ´etudiant le mouvement observ ´e 2D, on tente d’interpr ´eterle mouvement 3D r ´eel ou l’action associ ´ee `a ce mouvement 3D de la sc `ene :
Comment la cam ´era a-t-elle boug ´e ? Combien y a-t-il d’objets ?
A quelle vitesse allaient-ils ?`
Reconnait-on une action dans le mouvement (marcher, courir, saluer, ...) ?
...
D ´efinition g ´en ´erale du flux optique Estimation du mouvement
Estimation du mouvement
D ´efinition du flux optique
Champs de mouvement 3D (Motion field) :Ensemble des mouvements 3D r ´eels.
Flux optique :Projection de l’ensemble des mouvements 3D dans un plan 2D.
Mouvement apparent VS Mouvement 3D
D ´efinition g ´en ´erale du flux optique Estimation du mouvement
Estimation du mouvement
Exemple d’application : Segmentation de mouvement
1. Image tir ´ee de ”Zelniket al, Multi-body Segmentation : Revisiting Motion Consis-
D ´efinition g ´en ´erale du flux optique Estimation du mouvement
Estimation du mouvement
Le flux optique peut ˆetre le r ´esultat :
d’un mouvement d’objets et/ou de la cam ´era ;
d’un changement d’illumination ou d’apparence des objets ; d’un changement de param `etres intrins `eques de la cam ´era (e.g.
distance focale, ouverture, etc.).
Exemple de flux optique
D ´efinition g ´en ´erale du flux optique Estimation du mouvement
Flux optique
Mouvements de cam ´era
Diff ´erents flux optiques d ˆu aux mouvements de cam ´era :
D ´efinition g ´en ´erale du flux optique Estimation du mouvement
Flux optique
Texture
La texture a aussi un effet sur le flux optique par rapport aux mouvements 2D projet ´es :
D ´efinition g ´en ´erale du flux optique Estimation du mouvement
Flux optique
Illumination
On a vu aussi que l’illumination influence le mouvement estim ´e :
Le mouvement perc¸u d ´epend donc aussi du type de surface des objets et de l’illumination de la sc `ene.
D ´efinition g ´en ´erale du flux optique Equation du flux optique´
Flux optique
But
Estimer, pour chaque pixel, un vecteur de d ´eplacementV~ = (vx,vy) exprimant :
La vitesse de d ´eplacement d’un pixel dans le rep `ere de l’image ; La direction vers laquelle le pixel se d ´eplace.
D ´efinition g ´en ´erale du flux optique Equation du flux optique´
Flux optique
Supposons uneillumination constantepour un point dans le temps :
En supposant queles propri ´et ´es d’illumination de l’objet sont conserv ´ees entretett+dt, on aura alors :
I(x+dx,y+dy,t+dt) =I(x,y,t) (1)
D ´efinition g ´en ´erale du flux optique Equation du flux optique´
Flux optique
D ´emonstration :Equation du flux optique´
D ´efinition g ´en ´erale du flux optique Equation du flux optique´
Flux optique
On retrouve l’ ´equation suivante, comprenant l’expression de la vitesse du mouvementV~ = (vx,vy)et∇I(x~ ,y)le gradient de l’image au point (x,y):
∇I(x~ ,y)·V~ = −It Ixvx+Iyvy
= −It (2)
L’ ´equation ci-dessus (Eq.2) est appel ´ee ´equation du flux optique.
Cette ´equation a deux variables (vx etvy) et admet donc une infinit ´e de solution.
D ´efinition g ´en ´erale du flux optique Probl `eme d’ouverture
Rappel math ´ematique
Rappel math ´ematique :Equations VS nombre d’inconnus´
D ´efinition g ´en ´erale du flux optique Probl `eme d’ouverture
Flux optique
Probl `eme d’ouverture
Exprimons g ´eographiquement le probl `eme des deux inconnus (vx,vy) de l’ ´equation du flux optique (Eq.2) pour un pixelI(x,y):
Soit la base orthonorm ´ee(~en, ~et), o `u~enest parall `ele au gradient de l’image∇I(x,~ y).
En exprimant le vecteur de vitesseV~ dans cette base, on aura alors~V=vn~en+vt~et.
D ´efinition g ´en ´erale du flux optique Probl `eme d’ouverture
Flux optique
Probl `eme d’ouverture
D ´emonstration :Probl `eme d’ouverture
D ´efinition g ´en ´erale du flux optique Probl `eme d’ouverture
Flux optique
Probl `eme d’ouverture
Pour un point(x,y), on connait la composantevn, parall `ele au gradient de l’image. Cependant, la composantevt peut avoir une infinit ´e de valeurs qui satisfont Eq. (2).
C’est ce qu’on appelle leprobl `eme d’ouverture:
D ´efinition g ´en ´erale du flux optique Probl `eme d’ouverture
Flux optique
Probl `eme d’ouverture
On connait toujours la valeur de la composante dans le sens du gradient∇I(x~ ,y), mais sans une vue globale de la sc `ene, on ne peut
D ´efinition g ´en ´erale du flux optique Probl `eme d’ouverture
Flux optique
R ´esum ´e du probl `eme de la d ´etermination du flux optique
Ce qui peut fausser la d ´etermination du flux optique `a un point(x,y):
1 Un mouvement non-l ´eger (Le d ´eveloppement de Taylor n’est pas valide) ;
2 Le mouvement du point n’est pas comparable aux points au voisinage ;
3 Une illumination non-constante ;
4 Aliasing.
Les algorithmes de calcul du flux optique chercheront donc `a r ´esoudre le probl `eme d’ouverture en ces diff ´erentes probl ´ematiques.
D ´efinition g ´en ´erale du flux optique Probl `eme d’ouverture
Flux optique
Exemple de flux optique
D ´efinition g ´en ´erale du flux optique Cat ´egorisation des algorithmes d’estimation du mouvement
Estimation du flux optique
R ´esum ´e des diff ´erentes approches
Diff ´erentes approches pour la r ´esolution du flux optique :
1 Approche par intensit ´e :
M ´ethodes bas ´ees sur un terme de r ´egularisation ;
M ´ethodes bas ´ees sur les ´equations `a r ´egression lin ´eaire (ERL).
2 Approche par primitive d’intensit ´e :
M ´ethodes bas ´ees sur l’association de blocs, patches, ... ; M ´ethodes hi ´erarchiques ;
M ´ethodes bas ´ees sur le maillage.
Estimation du flux optique - Intensit ´e
Plan de chapitre
1 D ´efinition g ´en ´erale du flux optique Estimation du mouvement Equation du flux optique´ Probl `eme d’ouverture
Cat ´egorisation des algorithmes d’estimation du mouvement
2 Estimation du flux optique - Intensit ´e Lucas et Kanade
Variante de Lucas et Kanade - Raffinement it ´eratif Horn et Schunck
Variante de Horn et Schunck - Raffinement du lissage
Estimation du flux optique - Intensit ´e Lucas et Kanade
Lucas et Kanade
Approche par intensit ´e - ´Equation `a r ´egression lin ´eaire
La m ´ethode deLucas-Kanade 1984est une m ´ethode d ´eterministe d’intensit ´e bas ´ee sur une ´equation `a r ´egression lin ´eaire.
On suppose :
1 Petits mouvements ;
2 Illumination constante ;
3 Mouvements constants dans un voisinage pr `es (avec un facteur de lissage).
Estimation du flux optique - Intensit ´e Lucas et Kanade
Lucas et Kanade
Approche par intensit ´e - ´Equation `a r ´egression lin ´eaire
Supposons queW(x,y)est la fen ˆetre (un carr ´e par exemple de taille N =n×n) qui encadre le pixel(x,y)
Estimation du flux optique - Intensit ´e Lucas et Kanade
Lucas et Kanade
Approche par intensit ´e - ´Equation `a r ´egression lin ´eaire
D ´emonstration :Lucas et Kanade
Estimation du flux optique - Intensit ´e Lucas et Kanade
Approche ERL d’intensit ´e
Lucas et Kanade
V~ = ATG2A−1
· ATGTb vx
vy
=
P
G2Ix2 P G2IxIy
PG2IyIx P G2Iy
−1
·
−P GIxIt
−P GIyIt
(3)
Il faut queATG2Asoit inversible (i.e. aucune valeurs propres nulles) ! Cas probl ´ematiques o `u le probl `eme d’ouverture est toujours pr ´esent :
1 Ix et/ouIy sont nulles→Surface homog `ene
2 Les gradients non-nuls sont parall `eles→Bord
Estimation du flux optique - Intensit ´e Lucas et Kanade
Lucas et Kanade
Valeurs propres
Une d ´ecomposition deATG2Aen valeurs propres (λ1≥λ2≥0) et leurs vecteurs propres unitaires (e~1ete~2) nous permettent d’ ´evaluer le r ´esultat obtenu :
1 Siλ1etλ2≤seuil Zone homog `ene ;
R ´esultat inacceptable, on consid `ere queV~ =0.
2 Siλ1etλ2>seuil Zone textur ´ee ; R ´esultat acceptable !
3 Siλ2>seuil, maisλ1≤seuil
Contour (bord), o `u les gradients avoisinants vont tous dans la m ˆeme direction ;
On peut projeterV~ sure~2pour garder une direction moyenn ´ee.
Estimation du flux optique - Intensit ´e Lucas et Kanade
Lucas et Kanade
Valeurs propres
Estimation du flux optique - Intensit ´e Lucas et Kanade
Lucas et Kanade
Algorithme de Lucas-Kanade
Entr ´ees: n,T,I(t),I(t+1) : Grandeur de la fen ˆeten, seuilTet images aux tempstett+1 Sorties: Mv : Matrice des vecteurs de vitesse
Ix←D ´eriv ´ee enxdeI(t);
Iy←D ´eriv ´ee enydeI(t);
It←D ´eriv ´ee entutilisantI(t)etI(t+1);
G←Noyau gaussien de grandeurn;
pourTous les pixel(x,y)de Itfaire
A←Matricenx2 des pixels(x0,y0)deIx(x0,y0)etIy(x0,y0)faisant parti de la fen ˆetreWde taillenentourant(x,y); b←Matricenx1 desI(x0,y0,t)deW;
e1,2, λ1,2←D ´ecomposition en vecteurs et valeurs propres deATG2A(tri ´ees) ; siλ1etλ2≤Talors
Mv(x,y)←(ATG2A)−1ATb; fin
sinon siλ1≤T etλ2>Talors
Mv(x,y)←(((ATG2A)−1ATb)·e2)e2; fin
sinon
Mv(x,y)←0 ; fin
fin
Estimation du flux optique - Intensit ´e Variante de Lucas et Kanade - Raffinement it ´eratif
Variante de Lucas et Kanade
Raffinement it ´eratif de L-K
La m ´ethode de Lukas et Kanade suppose :
1 Petits mouvements ;
2 Illumination constante dans le temps ;
3 Mouvements constants dans un voisinage pr `es (avec un facteur de lissage).
Le raffinement it ´eratif permet d’ ´eliminer la contrainte du voisinage !
Estimation du flux optique - Intensit ´e Variante de Lucas et Kanade - Raffinement it ´eratif
Variante de Lucas et Kanade
Algorithme du raffinement it ´eratif de L-K
Entr ´ees: n,T,I(t),I(t+1) : Grandeur de la fen ˆetren, seuilT et images aux tempst ett+1
Sorties: Mv : Matrice des vecteurs de vitesse Mv(apr),Mv(avant)←0 ;
I(w)←I(t); r ´ep ´eter
Mv(avant)←Mv(avant) +Mv(apr);
Mv(apr)←L−K(n,T,I(w),I(t+1)): On trouve le flux optique en utilisant L-K ;
I(w)←Warping deI(t)utilisantMv(apr); jusqu’ `aMv(avant) ==Mv(apr);
Mv ←Mv(apr);
Estimation du flux optique - Intensit ´e Horn et Schunck
Horn et Schunck
Approche par intensit ´e avec terme de r ´egularisation
La m ´ethode deHorn et Schunck 1981propose de r ´egler le probl `eme d’ouverture par une contrainte de lissage. Nous ´emettons donc les hypoth `eses suivantes :
Petits d ´eplacements ; Illumination constante ;
Les d ´eplacements dans un m ˆeme voisinage sont similaires (contrainte de lissage).
Estimation du flux optique - Intensit ´e Horn et Schunck
Horn et Schunck
Approche par intensit ´e avec terme de r ´egularisation
Introduction d’unterme de r ´egularit ´e de lissage global des vecteurs de v ´elocit ´e, contr ˆol ´e parλ.
La probl ´ematique s’exprime par une fonction d’ ´energie `a minimiser :
E(V)~ = Z
~V
∇I(x,~ y)·V~+It
2
+ λ2 δvx
δx
+ δvx
δy
+ δvy
δx
+ δvy
δy
dxdy
= Z
~V
∇I(x,~ y)·V~+It
2
+ λ2h
|∇V~ x|2+|∇V~ y|2+i
dxdy
= Z
~V
Cst. illumination + Terme de lissage dxdy
(4)
Estimation du flux optique - Intensit ´e Horn et Schunck
Horn et Schunck
Approche par intensit ´e avec terme de r ´egularisation
D ´emonstration : Minimisation de Horn-Shunck
Estimation du flux optique - Intensit ´e Horn et Schunck
Horn et Schunck
Approche par intensit ´e avec terme de r ´egularisation
Une m ´ethode it ´erative comme Gauss-Seidel nous permet d’obtenir une solution :
vx(k+1) = v¯x(k)−Ix
Ix¯vx(k)+Iy¯vy(k)+It
λ2+(Ix)2+(Iy)2
vy(k+1) = v¯y(k)−Iy
Ix¯vx(k)+Iy¯vy(k)+It
λ2+(Ix)2+(Iy)2
(5)
Estimation du flux optique - Intensit ´e Horn et Schunck
Horn et Schunck
Calcul des vitesses moyennes
Comment calcule-t-on lesv¯x etv¯y?
Horn et Schunck utlisent un voisinage d’un pixel, calcul ´e avec la pond ´eration suivante :
Estimation du flux optique - Intensit ´e Horn et Schunck
Horn et Schunck
Approximation des d ´eriv ´ees
Comment approxime-t-on les d ´eriv ´eesIx etIy?
Horn et Schunck les approximent `a l’aide une d ´eriv ´ee num ´erique vers la droite d’un pixel :
Estimation du flux optique - Intensit ´e Horn et Schunck
Horn et Schunck
Approximation des d ´eriv ´ees
Comment approxime-t-on les d ´eriv ´eesIx etIy?
Ix =14( I(i+1,j,k)−I(i,j,k) + I(i+1,j+1,k)−I(i,j+1,k) + I(i+1,j,k+1)−I(i,j,k+1) + I(i+1,j+1,k+1)−I(i,j+1,k+1) )
Iy =14( I(i,j+1,k)−I(i,j,k) + I(i+1,j+1,k)−I(i+1,j,k) + I(i,j+1,k+1)−I(i,j,k+1) + I(i+1,j+1,k+1)−I(i+1,j,k+1) )
It =14( I(i+1,j,k+1)−I(i+1,j,k) + I(i+1,j+1,k+1)−I(i+1,j+1,k) + I(i,j,k+1)−I(i,j,k) + I(i,j+1,k+1)−I(i,j+1,k) )
Estimation du flux optique - Intensit ´e Horn et Schunck
Horn et Schunck
Terme de r ´egularisation
Comment d ´etermine-t-onλ?
λcontr ˆole l’emphase accord ´ee au voisinage. Unλ ´elev ´e :
Augmente l’ouverture, permettant une meilleure r ´esolution de la directiondu flux optique ;
Entraˆıne une perte de pr ´ecision sur l’ampitudedu vecteur de d ´eplacement.
En pratique, on lui attribue g ´en ´eralement une valeur entre 2 et 10.
Estimation du flux optique - Intensit ´e Horn et Schunck
Horn et Schunck
Algorithme de la m ´ethode Horn et Schunck
Entr ´ees: nbIter, λ2,I(t),I(t+1) : Nb d’it ´erationsnbIter, facteur de lissageλ2et images aux tempstett+1
Sorties: Mv : Matrice des vecteurs de vitesse Ix ←D ´eriv ´ee enxdeI(t);
Iy ←D ´eriv ´ee enydeI(t);
It ←D ´eriv ´ee entutilisantI(t)etI(t+1);
Vx,Vy,V¯x,V¯y ←Images `a 0 ; k←0 ;
r ´ep ´eter
V¯x,V¯y ←Calcul des vitesses moyenn ´ees en utilisantVxetVy pour tous les pixels (x,y);
Vx,Vy ←Calcul des vitessesVxk+1etVyk+1pour tous les pixels(x,y)(Eq.5) ;
Estimation du flux optique - Intensit ´e Variante de Horn et Schunck - Raffinement du lissage
Variante de Horn et Schunck
Ajout d’un pr ´elissage globale
Pouram ´eliorer l’approximation des d ´eriv ´ees partiellesetdiminuer la sensibilit ´e au bruit, on peut appliquer un filtre gaussien aux images avant de calculer leurs d ´eriv ´ees partielles :
E(V~) = Z
~V
G·
∇I(x,~ y)·V~ +It
2
+λ2h
|∇V~ x|2+|∇V~ y|2+i
dxdy (6)
Estimation du flux optique - Intensit ´e Variante de Horn et Schunck - Raffinement du lissage
Variante de Horn et Schunck
Raffinement de la fonction de lissage
Au lieu d’une constante de lissageλ2, on utilise unefonction de pond ´erationbas ´ee sur le gradient.
Si le gradient est ´elev ´e (bord), on r ´eduit l’apport du voisinage en attibuant une faible pond ´eration afin der ´eduire l’effet de discontinuit ´e de la vitesseet ainsigagner de la pr ´ecisionen r ´eduisant la contrainte de voisinage.
E(V~) = Z
~V
∇I(x,~ y)·~V+It
2
+W(|∇I(x,˜ y)|)h
|∇V~ x|2+|∇V~ y|2+i
dxdy (7)
Estimation du flux optique - Intensit ´e Variante de Horn et Schunck - Raffinement du lissage
Approche d’intensit ´e
R ´esum ´e des m ´ethodes de base
Horn-Schunck:
Petits mouvements ; Illumination constante ;
D ´eplacements similaires dans un voisinage imm ´ediat ;
It ´eratif, bas ´e sur un terme de r ´egularisation.
Lucas-Kanade: Petits mouvements ; Illumination constante ;
D ´eplacements similaires dans un voisinage imm ´ediat ;
D ´eterministe, bas ´e sur les ´equations `a r ´egression lin ´eaire.
Variante : Raffinement du lissage Lissage avant le calcul des d ´eriv ´ees partielles :
→D ´eriv ´ees partielles plus ”fid `eles” ;
→Moins sensible au bruit.
Fonction du lissage :
→Fonction pond ´er ´ee selon la norme du gradient ;
→Moins sensible `a la contrainte de voisinage.
Variante : Raffinement it ´eratif Evolution `a un processus it ´eratif :´
→Moins sensible `a la contrainte de voisinage ;
→Moins sensible au bruit.