Application of regression methods for tracking of unknown objects
Public support
Provider
Czech Science Foundation
Programme
Post-graduate (doctorate) grants
Call for proposals
Postdoktorandské granty 11 (SGA02011GA1PD)
Main participants
—
Contest type
VS - Public tender
Contract ID
P103-11-P700
Alternative language
Project name in Czech
Využití regresních metod pro sledování předem neznámých objektů
Annotation in Czech
Bylo ukázáno že linearní prediktory (tj. regresní funkce mapující lokálně pozorované intezity na pohyb) se chovají lépe než metody nejstrmějšího sestupu jako je např. Lucas Kanade tracker, avšak jejich dlouhé učení zabranuje jejich praktickému využití pro mnoho aplikací. Abychom obešli tuto nevýhodu, navrhujeme předtrénovat celou databázi Lineárních Prediktorů (LP), jejíž prvky by šlo okamžitě použít bez jakéhokoliv učení.LP Databáze sama o sobě neumožnuje žádnou praktickou aplikaci, protože není jasné, které body v obraze mohou být sledovány kterým LP, proto každý LP musí být vybaven detektorem bodů, které jím mohou být sledovány. Pozorovali jsem, že LP může sledovat i mnoho bodů na které nebyl natrénován a jejichž vzhled je úplně odlišný od trénovací množiny. Proto není možné použít standardní (na vzhledu založené) detektory, jako jsou např. množina templatů, Adaboost, SVM či randomizované stromy, které by nevynechali tyto lineárním prediktorem sledovatelné body, které nejsou obsaženy v trénovacímnožině. Vzhledem k tomu, že naivní řešení, které by ověřilo konvergenci lineárního prediktoru v každém obrazovém bodě, by znemožnilo použití LP z důvodu velké časové náročnosti detekce, navrhujeme studovat rychlé detekční metody založené přímo na struktuře LP, které by detekovali všechny sledovatelné body, odmítli co nejvíce ostatních bodů a zachovali vypočetní složitost srovnatelnou se standartním detektorem.
Scientific branches
R&D category
ZV - Basic research
CEP classification - main branch
JD - Use of computers, robotics and its application
CEP - secondary branch
—
CEP - another secondary branch
—
OECD FORD - equivalent branches <br>(according to the <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">converter</a>)
20204 - Robotics and automatic control<br>20205 - Automation and control systems
Completed project evaluation
Provider evaluation
U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)
Project results evaluation
The project investigated advances and possibilities of the use of regression methods for monitoring of unknown objects. It can be stated that during the project, this idea has been met, if we evaluate the domain and quality of publications. In the last year of the project there were 4 conference papers (in total 5) published and one in SCOPUS journal. Proposed methods were experimentally tested.
Solution timeline
Realization period - beginning
Jan 1, 2011
Realization period - end
Dec 31, 2013
Project status
U - Finished project
Latest support payment
Jun 7, 2013
Data delivery to CEP
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data delivery code
CEP15-GA0-GP-U/02:2
Data delivery date
May 6, 2016
Finance
Total approved costs
2,490 thou. CZK
Public financial support
2,490 thou. CZK
Other public sources
0 thou. CZK
Non public and foreign sources
0 thou. CZK