X hits on this document

83 views

0 shares

0 downloads

0 comments

24 / 35

20

Ing. Danis Lo´pez Naranjo, Dr. C. Jose´ Herna´ndez Palancar

w(GtG)(d) =

w ( G t

4 I)

Un poco ma´s tarde Tomasi propuso una variacio´n de la ecuacio´n del KLT que utiliza ambas ima´genes de forma sime´trica. Para un mayor ana´lisis de este algoritmo se muestran dos fragmentos del pseudo-co´digo del mismo.

1. KLT Tracking

K L T T r a c k i n g ( f t l i s t F 0 F 1 ) { ( 1 ) B u i l d - P y r a m i d : b u i l d s m u l t i - r e s o l u t i o n i n t e s i t y a n d g r a d i e n t p y r a m i d f r o m i m a g e F 0 F 1

(2) Track: For all pyramid levels from coarse to fine

For wach feature f in ft list{ compute coefficients of A and b solve Ad = b evaluate d and update Track of feature }

}

2. Re-select-Feature Re-select-Feature (ft list){

mask = mask out region(ft list) c map = evaluate cornes-ness measure c over whoile image //Perform non-maximal suppression pts = find feature(#max feats mask sort(c map)) add new feature(ft list, pts) }

La implementacio´n de algoritmo KLT implementado para GPU mapea varias etapas del algoritmo de seguimiento a diferentes fragmentos de programas. Donde cada fragmento de video es cargado en una pira´mide de multiresolucio´n de la intensidad de la imagen y del gradiente. La construccio´n de esta pira´mide es calculada por una serie de dos puntos separables por una convolucio´n Gaussina ejecutadas en un fragmento del programa. El segundo conjunto de texturas se utilizan para almacenar los resultados de la convolucio´n de la fila y pasar posteriormente a leer la convolucio´n de la columna pasada.

El algoritmo SIFT-GPU de extraccio´n de caracterı´sticas es muy usado para la ex- traccio´n de los puntos invariables a la translacio´n, rotacio´n, escalado y los cambios de iluminacio´n de la imagen. Para lograr su implementacio´n se construye una pira´mide Gau- ssiana escalado-espacio de la imagen de entrada mientras se calculan los gradientes y la diferencia gaussiana o DOG (di erence-of-gaussian) de las ima´genes en estas escalas. Los puntos de intere´s se detectan en los extremos locales en el espacio de la escala DOG. Una vez que varios puntos claves se hayan detectado en diferentes escalas, los gradientes de i- magen en la regio´n local alrededor de cada punto de la funcio´n esta´n codificados utilizando los histogramas de orientacio´n y representacio´n en forma de un descriptor de elementos invariante rotacional.

Document info
Document views83
Page views83
Page last viewedThu Dec 08 08:04:23 UTC 2016
Pages35
Paragraphs855
Words14967

Comments