Visión - dccia

Comentarios

Transcripción

Visión - dccia
Visión
Sesión 1: Introducción a la
visión artificial
Departamento CCIA
http://www.rvg.ua.es/master/vision/2011/
Hoy
• Introducción a la asignatura
• Introducción a la Visión Artificial
• Prácticas: Python, Scipy, Numpy, OpenCV
2
Introducción a la
asignatura
Temario
Teoría
1. Introducción a la Visión Artificial y a sus
aplicaciones
2. Clasificación de imágenes mediante histogramas y
características
3. Extracción y emparejamiento de contornos
4. Tracking de objetos
5. Visión 3D: modelo y calibración de cámara,
cámaras estéreo
6. Matching y reconstrucción 3D a partir de nubes de
puntos
Prácticas
1. Desarrollo de software para visión artificial con
OpenCV, Scipy y Python
2. Visión 3D con Point Cloud Library (PCL)
4
Bibliografía
• Computer Vision: Algorithms and Applications de
Szelinsky
• Learning OpenCV
• Python Scientific Lecture Notes
5
Software
• Python + Numpy/Scipy + Matplotlib
• OpenCV (interfaz Python)
• PCL (Point Cloud Library)
6
Transparencias del curso
• Las transparencias del curso están basadas en los
materiales disponibles en las webs de los
siguientes cursos
• Svetlana Lazebnik, University of North Carolina at
Chapel Hill, Computer Vision
• William T. Freeman y Antonio Torralba, MIT, Advances
in Computer Vision
• Steven Seitz, y Rick Szelinski, University of
Washington: Computer Vision, Winter 2006 y Spring
2008
• Derek Hoiem, University of Illinois, Computer Vision
• Michael J. Black, Brown University, Introduction to
Computer Vision
• James Hays, Brown University, Introduction to
Computer Vision
7
Evaluación
• 50% Práctica 1
• 20% Práctica 2
• 30% Presentación de un trabajo
• Presentación de un artículo sobre alguna aplicación
práctica que use alguna de las técnicas de la
asignatura, entrando en detalles técnicos de
implementación
• Se realizará en las horas de prácticas del último día
de la asignatura (miércoles 21 de diciembre)
8
Introducción a la Visión
Artificial
¿Qué es la vision artificial?
• El objetivo de la visión artificial es desarrollar
programas que sean capaces de interpretar
imágenes y vídeo, obteniendo información sobre
ellas
Vision
as measurement device
Visión como un instrumento de medidad
Real-time stereo
Structure from motion
Reconstruction from
Internet photo collections
NASA Mars Rover
Goesele et al.
Pollefeys et al.
Fei-Fei Li
Vision
Lecture 1 -
amusement park
sky
The Wicked
Twister
Cedar Point
Ferris
wheel
ride
Slide credit: Kristen Grauman
24
23-Sep-11
como fuente
de información information
semántica
asVisión
a source
of semantic
Lake Erie
ride
12 E
water
Objects
Activities
Scenes
Locations
Text / writing
Faces
Gestures
Motions
Emotions…
ride
tree
tree
people waiting in line
people sitting on ride
umbrellas
tree
deck
Fei-Fei Li
bench
carousel
tree
pedestrians
25
Lecture 1 -
maxair
23-Sep-11
10
Relaciones con otros campos
•
•
•
•
•
•
Biología
Psicología
Informática
Matemáticas
Física
Ingeniería
What is it related to?
Biology
Psychology
Neuroscience
Engineering
Robotics
Cognitive
sciences
graphics,algorithms,
system,theory,…
Speech
Computer
Science
Computer Vision
Information retrieval
Image
processing
Machine learning
Physics
Fei-Fei Li
Maths
Lecture 1 -
7
23-Sep-11
11
¿Por qué investigar en visión artificial?
• La visión es útil
• Aplicaciones en muchos campos de interés
• No hace falta resolver el “problema completo” para
hacer algo útil
• La visión es interesante
• Permite distintos enfoques y técnicas
• Resultados visuales y atractivos
• La visión es difícil
• La mitad del cortex cerebral de los primates se utiliza
para el procesamiento visual
• La comunidad investigadora es bastante exigente
para la publicación de papers en congresos y revistas
12
El cerebro interpreta las escenas
Triángulo de Kaniza
Kaniza en 3D
13
El cerebro interpreta las escenas
14
El cerebro interpreta las escenas
14
El cerebro interpreta las escenas
14
La percepción es ambigua
Bottom
line
• Muchas escenas 3D
diferentes
pueden dar lugar a
line
la mismaisescena
2DBottom
• Perception
an inherently
ambiguous problem
• Perception is an inherently ambiguous problem
– Many different 3D scenes could have given rise to a particular 2D picture
– Many different 3D scenes could have given rise to a particular 2D picture
Fei-Fei Li
Fei-Fei Li
Lecture 1 -
47
Lecture 1 -
47
23-Sep-11
23-Sep-11
Sinha & Adelson 93
15
Orígenes de la visión artificial
• Lawrence G. Roberts (Premio Príncipe de Asturias
2002), Machine Perception of Three Dimensional
Solids, Ph.D. thesis, MIT Department of Electrical
Engineering, 1963 (PDF original)
• Hecho realidad en las notas de clase del curso 6.869:
Advances in Computer Vision del MIT (A Simple
Vision System)
16
Una historia rápida de la visión artificial
• 1966: Minsky assigns computer vision as an
undergrad summer project
• 1960’s: interpretation of synthetic worlds
• 1970’s: some progress on interpreting selected
images
• 1980’s: ANNs come and go; shift toward geometry
and increased mathematical rigor
• 1990’s: face recognition; statistical analysis in
vogue
• 2000’s: broader recognition; large annotated
datasets available; video processing starts
Guzman ‘68
Ohta Kanade ‘78
Turk and Pentland ‘91
17
Definición más formal
• Necesitamos una definición más formal, que tenga
en cuenta los aspectos físicos, computacionales y
matemáticos
Image plane
Light energy
• ¿Qué propiedades (pistas) del mundo visual podemos
extraer o medir?
• ¿Cómo podemos usar nuestro conocimiento (a priori)
sobre el mundoYour
para interpretarlo?
answer
Prediction
process
Inference
process
Internal
model
of world
Object
recognition
Update over time
(Michael J. Black)
•
Formación de la imagen
Digital Images
CS143 Intro to Computer Vision
World
Camera
Digitizer
©Michael J. Black
Digital
Image
2.3 in Szeliski
18
CS143 Intro to Computer Vision
©Michael J. Black
Técnicas y niveles
• Imágenes
Grayscale Image
xx ==
58 59
59
58
41
yy == 41
42
42
43
43
44
44
45
45
46
46
47
47
48
48
49
49
50
50
51
51
52
52
53
53
54
54
55
55
210
210
206
206
201
201
216
216
221
221
209
209
204
204
214
214
209
209
208
208
207
207
208
208
204
204
200
200
205
205
209
209
196
196
207
207
206
206
206
206
214
214
212
212
215
215
205
205
209
209
210
210
205
205
206
206
203
203
210
210
60
60
61
61
62
62
63
63
204
204
203
203
192
192
211
211
211
211
224
224
213
213
215
215
214
214
205
205
211
211
209
209
203
203
199
199
202
202
202
202
197
197
201
201
193
193
194
194
199
199
208
208
207
207
205
205
203
203
199
199
209
209
209
209
236
236
203
203
197
197
195
195
198
198
202
202
196
196
194
194
191
191
208
208
204
204
202
202
217
217
197
197
195
195
188
188
199
199
247
247
210
210
213
213
207
207
197
197
193
193
190
190
180
180
196
196
186
186
194
194
194
194
203
203
197
197
197
197
64 65
65
64
143
143
207
207
156
156
208
208
220
220
204
204
191
191
172
172
187
187
174
174
183
183
183
183
188
188
183
183
196
196
71
71
56
56
69
69
57
57
56
56
173
173
214
214
188
188
196
196
185
185
177
177
187
187
185
185
190
190
181
181
66
66
67
67
68
68
64
64
63
63
65
65
69
69
63
63
64
64
60
60
69
69
86
86
149
149
209
209
187
187
183
183
183
183
173
173
80
80
58
58
57
57
60
60
60
60
60
60
62
62
72
72
62
62
71
71
90
90
239
239
221
221
196
196
186
186
84
84
53
53
55
55
55
55
55
55
59
59
66
66
55
55
66
66
63
63
62
62
58
58
75
75
122
122
105
105
69 70
70 71
71 72
72
69
54
54
53
53
52
52
77
77
46
46
51
51
76
76
49
49
87
87
55
55
64
64
68
68
61
61
63
63
62
62
54
54
61
61
53
53
49
49
97
97
62
62
51
51
56
56
57
57
55
55
52
52
61
61
58
58
58
58
57
57
57
57
62
62
60
60
62
62
58
58
56
56
49
49
52
52
60
60
45
45
93
93
51
51
60
60
64
64
64
64
58
58
51
51
50
50
61
61
106
106
48
48
55
55
56
56
48
48
56
56
52
52
56
56
60
60
66
66
63
63
How do we go from an array of numbers recognizing fruit?
• Bajo nivel: imágenes a imágenes
CS143 Intro
Intro to
to Computer
Computer Vision
Vision
CS143
©Michael J. Black
sharpening
blurring
original image
Canny
(Linda Shapiro,
Computer vision,
Washington Univ)
19
Técnicas y niveles
• Nivel medio: imágenes a características
edge image
circular arcs and line segments
data
structure
My Research original color image
K-means
clustering
regions of homogeneous color
Recovering 3D layout and context
• Alto nivel: procesamiento de características
BED
(Hoeim)
20
La visión artificial en funcionamiento
• Modelado 3D
Image from Microsoft’s Virtual Earth
(see also: Google Earth)
• Photosynth.net
3D urban modeling: Microsoft Photosynth
http://labs.live.com/photosynth/
Source: S. Seitz
Based on Photo Tourism
23-Sep-11
Lecture 1 - 52
Fei-Fei Li
by Noah Snavely, Steve Seitz,
and Rick Szeliski
http://photosynth.net/
21
La visión artificial en funcionamiento
• 3D a partir de miles de imágenes
Building Rome in a Day: Agarwal et al. 2009
• Reconocimiento de caracteres
Digit recognition, AT&T labs
http://www.research.att.com/~yann/
License plate readers
http://en.wikipedia.org/wiki/Automatic_number_plate_recognition
22
La visión artificial en funcionamiento
• Detección y reconocimiento de caras
Face recognition: Apple iPhoto software
Cámaras digitales
http://www.apple.com/ilife/iphoto/
iPhoto de Apple
Fei-Fei Li
Lecture 1 -
55
23-Sep-11
• Efectos especiales
Pirates of the Carribean,
Industrial Light and Magic
Lord of the Rings,
WETA Digital
23
La visión artificial en funcionamiento
• Datos biométricos a partir de imágenes (John
Daugman, 2001 -paper sobre reconocimiento
basado en el iris-)
• Sistemas de seguridad
Face recognition systems now
beginning to appear more widely
Fingerprint scanners on many
new laptops, other devices
http://www.sensiblevision.com/
24
La visión artificial en funcionamiento
• Retransmisiones deportivas
Tracking de objetos
Sportvision first down line
Nice explanation on www.howstuffworks.com
http://www.sportvision.com/video.html
• Juegos interactivos: Kinect
• Object Recognition
• 3D
• Robot
25
La visión artificial en funcionamiento
• Reconocimiento de lugares en dispositivos móviles
Point & Find, Nokia, Google Goggles
• Conducción autónoma (artículo del New York
Times)
26
La visión artificial en funcionamiento
NASA'S Mars Exploration Rover Spirit captured this westward view from atop
a low plateau where Spirit spent the closing months of 2007.
• Vision systems (JPL) used for several tasks
•
•
•
•
Panorama stitching
3D terrain modeling
Obstacle detection, position tracking
For more, read “Computer Vision on Mars” by
Matthies et al.
• Robots móviles
http://www.robocup.org/
Kurt Konolige
27
Dos ejemplos de investigación
• Profunidad a partir de una única imagen. Ashutosh
Saxena, Sung H. Chung, Andrew Y. Ng, Make 3D (IJCV
Paper, 2007)
http://make3d.cs.cornell.edu/
• Bringing pictorial space to life. Antonio Criminisi, Martin
Kemp, Andrew Zisserman (2002 paper, vídeo)
f
e
a
b
Image plane
(wall, canvas)
c
Reconstructed 3D structure
Vantage point (observer)
Reprojection image
b
c
d
Figure 25: The reprojection image is defined as the image created by projecting the computed three-dimensional reconstruction
Figure 22: Three-dimensional
onto the plane of the painting.
e
5.2 Accuracy of three-dimensional reconstruction
f
reconstruction of The Music Lesson. (a) A lady at the virginals with a gentleman (the music lesson
cm, by Johannes Vermeer (1632-1675). (b-f) Snapshots of a virtual fly-through inside the reconstructe
(1662-65),
painting to show different views of the room.
The above
section suggests
the use
of our three-dimensional
as a way
accuracy
of
28
virtual
museum
and the
reconstructed
3D visualization
paintings.tool (a),
(b)of assessing
and (c)theThe
fading
the reconstructed scene geometry and the correctness of the retrieved vantage position. In fact, the perfect transition
something
“by
eye”,
as
Steenwick
was
done
with
the
window,
there
is
a
tendency
to
make
the
forms
“look right”
the of
museum
room to the painted scene
is achievedfrom
only when
the reconstructed
painting and(c).
its vantage
o afrom
view
its reconstructed
3D model
the both
correct
vantage3Dlocation
Image
according to perspectual rather than geometrical criteria [39].
Estado del arte actual
• Hemos visto ejemplos de sistemas de los últimos
años
• Vamos a ver cada vez más aplicaciones en
dispositivos cada vez más variados
• Explosión de aplicaciones en dispositivos móviles
• El área de investigación es muy dinámica
• Para saber más acerca de aplicaciones y
compañías de visión:
• David Lowe mantiene una excelente página con
compañías y aplicaciones de visión: http://
www.cs.ubc.ca/spider/lowe/vision.html
29
Python, Scipy/Numpy,
OpenCV
Software científico
• Problemas de Matlab
• Python: lenguaje de programación muy extendido
en áreas científicas
•
•
•
•
Lenguaje de script
Intrepretado
Débilmente tipeado
Prototipado rápido, no es muy eficiente
• Módulos de computación científicos en Python:
•
•
•
•
•
Numpy: arrays y operaciones con matrices
Scipy: librerías de alto nivel
Matplotlib: visualización, gráficas
Open Source y multi-plataforma
Librerías bastante extendidas y probadas en la
comunidad científica
• Referencias
• Documentación de Numpy/Scipy
• Blog
31
OpenCV
• Historia
• Librería desarrollada inicialmente por Intel
• Mantenido en la actualidad por la empresa de
robótica Willow Garage
• Características principales
• Proporciona una librería open source bien testeada y
optimizada para procesamiento de imagen, visión y
operaciones geométricas
• Escrita en C, asegurándose que la implementación es
rápida y portable
• Compilado para múltiples plataformas, incluyendo
plataformas embebidas y GPUs
• Wrappers para distintos lenguajes, incluyendo python
• Referencias
• Wiki de OpenCV: Wiki de OpenCV
• OpenCV 2.1 Python Reference: Manual de referencia
de la interfaz Python en WillowGarage
32
Referencias
• Computer Vision: Algorithms and Applications de
Szelinsky: cap. 1
• Learning OpenCV: cap. 1 y 2
• Python Scientific Lecture Notes: cap. 1
33

Documentos relacionados