![Page 1: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/1.jpg)
Seguimiento visual por imitación
INAOE Curso: “Robótica Probabilística”
Dr. Luis Enrique Sucar Succar
Apolinar Ramírez S
Julio, 2007
![Page 2: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/2.jpg)
Introducción
El aprendizaje de tareas por imitación, facilitará la programación de los robots por usuarios finales.
Problema a Resolver:
- seguimiento de la trayectoria de una persona frente a un robot móvil dotado de una cámara.
![Page 3: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/3.jpg)
CONTENIDO
1. Algoritmo atencional2. Seguimiento3. Mapeo humano-robot4. Aprendizaje5. RESULTADOS Y CONCLUSIONES
![Page 4: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/4.jpg)
Algoritmo atencional
ADABOOST:
AdaBoost genera un conjunto secuencial de clasificadores
AdaBoost puede emplearse como un sistema ATENCIONAL
por su característica de identificar datos fuera de orden
(outliers).
![Page 5: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/5.jpg)
CONTRIBUCIONES
1) Representación de imágenes: “imagen integral”
2) Algoritmo basado en AdaBoost para la selección de características.
3) Método para combinar clasificadores en cascada para descartar el fondo del objeto a identificar.
Un algoritmo aprox. 15 veces más rápido.
![Page 6: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/6.jpg)
Suma Suma-
Características empleadas
características => reconocimiento
24
24
![Page 7: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/7.jpg)
Imagen “integral”
1 = A2= A+B3= A+C4= A+B+C+D
D= 4 + 1 -(2+3)
![Page 8: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/8.jpg)
Base de Datos
324x288 = 93312 pixs
detector: 28x28 = 576 pixs
93312 / 576 = 162 zonas
162 zonas x 280 = 45396 características
324
288
![Page 9: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/9.jpg)
Algoritmo en base AdaBoost
Freund & Schapire, 1995
Selección de T características
T=10
![Page 10: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/10.jpg)
Base de Datos
La base de datos contiene ejemplos positivos y negativos
![Page 11: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/11.jpg)
Clasificación por capas
2 ... 38
ACEPTAR
RECHAZAR
1
1 10
![Page 12: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/12.jpg)
Ejemplo
./face –cascade=”haarcascade_frontalface_alt.xml”
./mascota1
![Page 13: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/13.jpg)
Seguimiento
CamShift = Continuosly Adaptive Mean Shift, Bradsky,
1998
Imagen color => histograma => backprojection image
(distribución de probabilidad del histograma)
la moda de región de búsqueda, actualizándose
![Page 14: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/14.jpg)
Estableciendo histograma
![Page 15: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/15.jpg)
Seguimiento
Trayectoria,
w0
w1
w2
w3
w4
W(x,y,deltax, deltay)
![Page 16: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/16.jpg)
Modelo cinemático del robot
( 1) ( ) cos
( 1) ( ) sin
( 1) ( )
f
f
x k x k v t
y k y k v t
k k v t
Ecuaciones de movimiento
donde vf = velocidad forward y vθ = velocidad angular
![Page 17: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/17.jpg)
Modelo cinemático del usuario
_ *cos
_ *sinx
y
v v cte
v v cte
Ecuaciones de movimiento
donde vx = velocidad en direción frente al robot y vy = velocidad en dirección perpendicularv_cte = 3 Kms/hr
![Page 18: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/18.jpg)
Políticas
Movimientos posibles en términos de primitivas;
SetSpeed(vel_traslación, vel_rotación)
1) “gira y avanza”
2) “no moverse”
Formalmente,
(x,t,α)= u x= estadot= tiempoα= parámetrosu= acción
![Page 19: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/19.jpg)
Resultados
Se consideraron valores aproximados para el mapeo de coordenadas de la imagen a coordenadas reales (el radio del rostro con un valor fijo de 4.5” a una distancia de un metro)
Camshift no tiene un buen rendimiento en entornos de color similar a la camisa de la persona. Se pierde.
AdaBoost se comporta de manera aceptable.
![Page 20: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/20.jpg)
Conclusiones
Se requiere emplear técnicas de fusión para el seguimiento. Además del color, emplear el movimiento u otra característica que complemente la información
Las primitivas del Pioneer habilitadas en Player/Stage son muy simples para una tarea más compleja.
Las librerías de OpenCV no tienen algunas características deseables en una librería gráfica, por ejemplo, “clipping” de ventana.
![Page 21: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/21.jpg)
Referencias
Paul Viola, Michael Jones; “Rapid object detection using a Boosted Cascade of Simple Features”; 2001
Avilés A. H. “Reconocimiento visual de ademanes aplicado a robots móviles”, Tesis doctoral, 2006
Manuales de OpenCV, Player/Stage
![Page 22: Seguimiento visual por imitación INAOE Curso: “Robótica Probabilística” Dr. Luis Enrique Sucar Succar Apolinar Ramírez S Julio, 2007](https://reader034.vdocumento.com/reader034/viewer/2022051622/5665b45c1a28abb57c90d86b/html5/thumbnails/22.jpg)
Gracias por su atención