Kursen ger kunskap om de algoritmer och skattningsproblem som används för att extrahera information från video eller bildsekvenser. Detta innefattar dels den matematik som används, dels hur den i praktiken omsätts i algoritmer genom programmering. Studenten ska efter genomgången kurs kunna: Mål 1: redogöra för, och använda algoritmer för följning av region i bildsekvenser Mål 2 : redogöra för, och använda algoritmer för skattning av optiskt flöde Mål 3: redogöra för, och integrera komponenter för objektföljning i bildsekvenser Mål 4: redogöra för, och integrera komponenter för felsökning, visualisering och prestandaanalys
Kursinnehåll
I kursen tar vi upp metodik som relaterar till målen ovan, med fokus på följande:
Lokala särdrag och strukturtensor
Rörelseskattning och optiskt flöde
Klustring och bakgrundsmodellering
Följning av regioner och objekt
Diskriminativa korrelationsfilter
Kameraövervakning och dess etiska/samhällsaspekter
Innehållet introduceras under en serie föreläsningar, och används sedan praktiskt i laborationer och projekt.
Förutsättningar
Sannolikhetslära, skattningsteori, minstakvadrat-metoden, partiella differentialekvationer, 1D & 2D linjär systemteori (deterministisk och stokastisk).Grundläggande bildbehandling: tröskelsättning, segmentering, kantdetektering. Användning av Python. Då halva kursen utgör projektarbete är även programmeringsvana att rekommendera.
Litteratur
Advanced Methods and Deep Learning in Computer Vision - Michael Felsberg
Computer Vision: Algorithms and Applications - Richard Szeliski
Utvalda forskningsartiklar som anges på kurshemsidan. - Utvalda forskningsartiklar som anges på kurshemsidan.