| Resumo : |
O presente trabalho aborda a tarefa de investigar a aplicação da Transformada Wavelet em combinação com algoritmos de detecção de movimento em vídeo. Nele, foram consideradas as hipóteses de câmeras estáticas e imagens em 256 tons de cinza. Através da capacidade de decomposição em multi-resolução da Transformada Wavelet, a mesma pode ser utilizada para filtrar o sinal original em sinais de aproximação em diferentes níveis de resolução. Pela aplicação de sub-amostragem diádica nas sub-bandas do banco de filtros, foi possível verificar uma melhoria no desempenho de algoritmos pixel-a-pixel, que requerem um considerável esforço computacional. Os métodos e algoritmos foram implementados em ambiente de simulação e uma vasta coleção de resultados de segmentação foi gerada a partir de cenários de casos de teste disponíveis publicamente pelo projeto CAVIAR, o que facilita a comparação dos métodos propostos pela comunidade acadêmica. Os métodos implementados e testados foram: combinação de Transformada Wavelet (TW) com método de subtração de fundo simples; aplicação de TW com método de segmentação apresentada pelo trabalho W4 (W4: Who? When? Where? What? a Real-time System for Detecting and Tracking People); utilização da TW com um método de mistura de modelos gaussianos (Gaussian Mixture Models - GMM) com capacidade de ajuste dinâmico de componentes gaussianos; e, finalmente, um método para segmentação em múltiplos níveis de processamento e decomposição, aliando as vantagens do método GMM com a robustez à variações de iluminação da segmentação realizada por métodos de detecção de bordas. Os resultados de todas as alternativas são apresentados e identificando-se os pontos fortes e fracos de cada abordagem. O método de detecção apresentado, em múltiplos níveis, endereça as dificuldades de variações de iluminação rápidas, gradativas e localizadas, a inicialização com objetos em movimento, a realocação de objetos de fundo, e ainda possui capacidade de adaptação a alterações do fundo, de aprendizado de movimentação repetitiva (como a de folhas de uma árvore) e de poder ser executado sem necessidade de treinamento.
|