Discussion :

[Biloy]

Bonjour,

Surement certains connaissent les descripteurs de SIFT. En gros j'ai utilisé le code à cette adresse http://docs.opencv.org/2.4.2/doc/tut...ighlight=flann. Sauf que avec SURF le code ne marche pas trop (problème de correspondance). Mais avec SIFT cela marche. (SiftFeatureDetector et SiftDescriptorExtractor). Par curiosité j'ai essayé de détecter l'objet avec lui même (est-ce que vous saisissez?), afin de voir les lignes qui relis les key points, sauf que bizarrement ça ne marche pas.

Je sais que c'est à cause de la distance minimal entre les key points mais j'ai un peu du mal à saisir.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
  //-- Draw only "good" matches (i.e. whose distance is less than 2*min_dist )
  //-- PS.- radiusMatch can also be used here.
  std::vector< DMatch > good_matches;
 
  for( int i = 0; i < descriptors_1.rows; i++ )
  { if( matches[i].distance < 2*min_dist )
    { good_matches.push_back( matches[i]); }
  }

Quand on augmente la distance et bien on trouve des correspondances complément fausses. Je pensais que cela marchait du premier coup, sans regarder ce paramètre de distance.

Si je vous demande de m'éclairer, c'est parce que là je cherche à utiliser SIFT pour de la détection de mouvement. Ce que je souhaite c'est donc observer (et dessiner) le mouvement des key points d'une frame à l'autre avec des petites flèches. Sauf que entre 2 frames d'une vidéo, les images sont presque identiques, donc j'ai une distance minimal proche de zéro et le critère de la distance n'est plus du tout utile car aucune correspondance n'est considérée comme bonne. Du coup je garde FlannBasedMatcher, je ne passe plus par ce critère de distance mais j'utilise les coordonnées des key points. Pour essayer de m'en sortir, je dis que si la distance euclidienne est proche de zéro (<3 pixels) alors ce n'est pas un bon point a dessiner. J'observe bien les descripteurs sur mon objet mais j'ai beaucoup d'erreurs à côté.

La scène est sur le lien suivant:
https://docs.google.com/open?id=0B3_...ThYaHpOREY1YUU

et voila un exemple d'image résultat.
https://docs.google.com/open?id=0B3_...WtheTJ5cDcwWEE
Après les erreurs sont peut être dûes au léger fourmillement de la camera.

La question serait donc, est-ce que vous avez des idées afin d'améliorer le résultat?

J'espère avoir été claire.

Merci d'avance.

[Jérôme.L]

Bonjour,

Je ne suis pas sur que les descripteurs SIFT ou SURF soient adaptés pour de la détection de mouvement.
De mémoire je les ai utilisé pour assembler des images ( créer une image panoramique, une carte façon google map...).
Y'a d'autres utilisations bien sur mais dans ton cas est ce qu'une simple soustraction binaire ne serait pas plus efficace ?

Par exemple :

Image 1 : la zone que tu surveilles
Image 2 : l'image ou tu veux détecter des mouvements issus de ta caméra

Si tu as du bruit tu effectues un filtre median sur tes images.
Puis tu soustrais image 1 par image 2 (en valeur absolue)

Tu faits ensuite un treshold dont le seuil élimine les variations faible, tu obtiens donc une image binaire.
Les tâches qui apparaissent sont les anomalies par rapport à ton image de base.
Tu définis un rectangle par rapport à ces anomalies et tu y affecte un algo de tracking tel que le camshift dont tu prends soin de comparer image par image les résultats du camshift avec le résultat de ta soustraction binaire.

(si le camshift + la soustration binaire trouvent un résultat au même endroit alors ce résultat est bon)

C'est une réflexion qui n'est pas issus de tests ou de quoi que ce soit donc je peux me planter, c'est juste que je serais plus partis vers ce genre de méthode.

En espérant que ça t'aide.

[0fragma0]

Je ne sais pas si tu connais le principe des Optical Flow mais jette un oeil dessus.
Si je ne dis pas de bêtises ça sert à calculer les déplacements des pixels d'une images à l'autre en gros.
Jamais utilisé mais j'ai lu quelques bricoles deci delà.

En espérant t'aider

[Biloy]

Merci pour vos réponses.

Je testais également l'optical flow avec l'algorithme de LK en pyr. En fait je voulais comparer ces méthodes et voir laquelle fonctionne le mieux. C'est vrai que l'optical flow c'est plus rapide et ça marche mieux. Avec SIFT je n'arrive pas a trouver un résultat convaincant.

Mais selon le principe des descripteurs ça devrait marcher. C'est ça que je ne comprend pas. Et puis j'ai vu des travaux de personnes qui utilisent SIFT et ça a l'air de fonctionner.

Merci Jerôme L, mais l'optical flow marche déjà bien. Je vais voir ce que ça donne à l'occasion.

[Grimmjoww]

Euh les SIFT pour le suivi ?
Ce genre de discripteurs sont généralement utlisés en statique (appariement ou Matching soit en calcul de distance direct ou en Learning), j'ai pas encore utilisé le 'flot optique' mais a mon avis la fonction implémenté sur OpenCv cherche elle-même les features a tracker, non ? (BestFeaturesToTrack, un truck du genre...)

[Grimmjoww]

Oups désolé, je me rends compte que j'étais à coté de la plaque !

il faut quand même faire un codage préliminaire de l'image (d'ou les discripteurs) et le choix des meilleurs a tracker se fait justement,sur le codage et non pas l'image en question ! J'ai rien dis désolé ^^ !