algunas herramientas matemáticas utilizadas en visión por...

27
Matemáticas en Visión por Computador Zuniga, MD Introducción Nuestros desarrollos Entrenamiento para Deportes Colectivos Curso de Proce- samiento de Imágenes 2016 Expansión de Modelos Genéricos 3D Consideraciones Generales References Algunas Herramientas Matemáticas utilizadas en Visión por Computador Marcos D. Zuniga 1 1 Departmento de Electrónica Universidad Técnica Federico Santa María Septiembre 2016

Upload: others

Post on 23-Sep-2020

9 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Algunas Herramientas Matemáticasutilizadas en Visión por Computador

Marcos D. Zuniga1

1Departmento de ElectrónicaUniversidad Técnica Federico Santa María

Septiembre 2016

Page 2: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Sinopsis

1 Introducción

2 Nuestros desarrollos

3 Entrenamiento para Deportes Colectivos

4 Curso de Procesamiento de Imágenes 2016

5 Expansión de Modelos Genéricos 3D

6 Consideraciones Generales

Page 3: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Matemáticas en Visión en todos los gustos y sabores:

• Convolución: Filtros 2D, Bancos de Filtros.

• Conjuntos: Operadores morfológicos.

• Frecuencia: Fourier, DCT; dominio de frecuecia,descriptores de frecuencia.

• Álgebra Lineal: Matrices↔ Imágenes.

• Análisis de datos: PCA.

• 2D↔ 3D: geometría proyectiva, stereo vision.

• Descripción de Objetos: aproximaciones poligonales,descriptores locales, momentos estadísticos, histogramas.

• Modelado determinístico: Modelos 3D, articulados, 2D,contornos activos.

• Modelado estadístico: Modelos de forma estadística,GMM.

• Modelado dinámico: Kalman, Particle filtering.

• Machine learning: CNN, SVM, random forests...

Page 4: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Análisis de Comportamientos - Proyecto

• Objetivo: Aprender el comportamiento de objetos de interés.

• Se utiliza para diversos objetivos: seguimiento ycaracterización de objetos, interacciones, entenderprobabilidad de ocurrencia de acciones, entendercomportamientos inusuales.

• Financiado por proyecto FONDECYT: Methodology andApplications for Incremental Behaviour Learning in Videoguided by Information Reliability

Page 5: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Introducción

• Objetivo ambicioso.• Comenzar por la estructura y bloques básicos.

• Estructuración dinámica.• Visualización flexible.• Definición de modelos y características de interés.• Reusabilidad para generación de aplicaciones.• Orientado a ser un framework para evaluar distintos

algoritmos.

Page 6: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Introducción

• Framework en desarrollo: VAT.• Permite combinar diversos algoritmos de adquisición y

procesamiento de forma simple.

Page 7: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Análisis de Comportamiento - EquiposDeportivos

• Objetivo: Analizar el comportamiento de Equipos Deportivospara obtener análisis automatizado del rendimientoindividual y colectivo.

• Busca mejorar la evaluación, el control y metodologías deentrenamiento.

• Trabajo con profesor Enrique Arriaza (UPLA) especialista enmetodologías para el entrenamiento deportivo.

Page 8: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Análisis de Comportamiento - EquiposDeportivos

Temas:

• Mejoramiento del modelado de jugadores (tiempo real):modelos articulados, contornos activos: Funciones deminimización de energía.

• Modelado de fondo para football: Para sustracción defondo, mantener modelo considerando iluminación dispar,cambiante.

Page 9: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Entrenamiento para Deportes Colectivos

• Entrenamiento multi-objeto (distractores y atractores).• Velocidad de reacción ante múltiples estímulos.• Contextualizado a fútbol.

Page 10: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Entrenamiento para Deportes Colectivos

• Entrenamiento multi-objeto (distractores y atractores).• Velocidad de reacción ante múltiples estímulos.• Supreme anotación e interacción manual.• Contextualizado a fútbol.

Page 11: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Entrenamiento para Deportes Colectivos

• Tema de proyecto: Modelamiento dinámico paraseguimiento de pies del deportista.

• Kalman (y derivados), particle filtering.• Modelamiento robusto de pies.

Page 12: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Curso de Procesamiento de Imágenes 2016

• Equipos de 3-4 estudiantes.• 7 proyectos aplicados de visión:

• Mapa estelar VR ó Virtualización e Impresión 3D:Geometría proyectiva, mapeo 3D, potencial integracióncon OSVR.

• Sonido/Música a partir de Video (movimiento):Dominio frecuencia (Fourier/DCT, momentosestadísticos).

• Drones para mapeo de terrenos: Bancos de Filtros,momentos estadísticos.

• Análisis de Muestras Microscopía: Filtros, momentosestadísticos, Fourier, análisis de contornos.

• Modelamiento 3D de rostro (Snapchat): geometríaproyectiva, formas estadísticas, descriptores locales.

• Verificador de Implementos Seguridad ó Traductorlenguaje de señas: Clasificación de estructuras 3D,reconocimiento de gestos (modelamiento 2D y 3D).

• Digitalización 3D de habitaciones: SLAM, geometríaproyectiva, descriptores locales.

Page 13: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetos

Modelo Genérico 3D: Paralelepípedos [Zúñiga et al., 2006].

• Asociar el paralelepípedo de la clase de objeto másprobable a una caja englobante, a partir de un conjunto demodelos de paralelepípedo pre-definidos.

Page 14: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetosModelos de forma 3D: Problemas encontrados con caja 2D:

• Cambia con la posición relativa del objeto a la camara.

Page 15: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetosModelos de forma 3D: Problemas encontrados con caja 2D:

• Cambia con la orientación del objeto.

Page 16: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetos

Modelos de forma 3D: Paralelepípedo

• Entrada:

• cajas englobantes 2D, resultantes de la segmentación.• Matriz de proyección perspectiva.• Modelos pre-definidos de paralelepípedo de los objetos

esperados en la escena (e.g. vehículos, personas).

• Salida:

• Instancia de paralelepípedo más probable, segúnmodelos pre-definidos.

• Clase de objeto más probable (e.g. vehículo, personade pie).

Page 17: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetos

Modelos de forma 3D: Paralelepípedo - Formulación

• Modelo 3D de paralelepíped genérico (restricciones: sinshear 3D, base siempre paralela al suelo de la escena).

• Instancia del modelo descrita por sus dimensiones 3D(ancho w , largo l , y alto h), y la orientación α con respecto alsuelo de la escena.

Page 18: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetosParalelepípedo - Formulación - Modelo pre-definido

• Modelos de los objetos esperados en la escena(representan una clase de objeto).

• Se modelan a partir de sus 3 dimensiones w , l , y h. Cadadimensión descrita por una Gaussiana (representaprobabilidad de valor de dimensión 3D dado el objeto) y porun valor mínimo y máximo:

• Modelo pre-definido QC para clase C:

QC = {(N (µq , σq),qmin,qmax)|q ∈ {w , l ,h}}

Page 19: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetosParalelepípedo - Formulación - Instancia de objeto

• Obtener clase C para objeto O detectado en la escena,según instancia que mejor se ajuste a un modelopre-definido QC.

• Una instancia de paralelepípedo SO para un objeto O:

SO = (α,w , l ,h)

• α: orientación del objeto: ángulo entre la dimensión l delparalelepípedo y el eje x del referencial 3D de la escena.

• l paralela a dirección de orientación y w perpendicular. hparalela al eje z del referencial 3D de la escena.

Page 20: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetosParalelepípedo - Resolución• Dimensiones de la instancia calculadas según posición 3D

de los vértices del paralelepípedo.

• Vértices: 8 puntos Pzi (xi , yi) = (xi , yi , z), con i ∈ {0,1,2,3} y

z ∈ {0,h}, P(0)i es i-ésimo vértice de la base y P(h)

i es i-thvértice en altura h.

• Pi , con i ∈ {0,1,2,3}, son puntos (xi , yi) que forman laproyección del paralelepípedo en el plano xy del referencial3D.

Page 21: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetosParalelepípedo - Resolución• El proceso consiste en encontrar un paralelepípedo

contenido por la caja englobante b con límites(Xleft ,Ybottom,Xright ,Ytop). O sea, para determinar instanciaSO calcular: α, w , l , h y Pi = (xi , yi), con i ∈ {0,1,2,3}.Entonces, problema de 12 variables.

• Para encontrarlas, se resuelve el sistema de ecuacionescon:• 4 relaciones de los límites impuestos por el blob.• 6 relaciones de una base rectangular.

Page 22: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetosParalelepípedo - Resolución• Entonces, 10 ecuaciones (4 de proyección y 6 rectangulares)

contra 12 variables, deja dos grados de libertad.• De hecho, el sistema es no-lineal (senos y cosenos). Entonces,

una decisión acertada es considerar α como un parámetroconocido y el sistema se vuelve lineal.

• El otro grado de libertad es deseable que sea una variable convalores esperados conocidos. Las variables w , l and h poseen unmodelo pre-definido. Se escogió h arbitrariamente.

• Entonces, el sistema se vuelve un conjunto de relaciones linealesde la forma:

w = Mw (α;M, b)× h + Nw (α;M, b)l = Ml(α;M, b)× h + Nl(α;M, b)

x3 = Mx3(α;M, b)× h + Nx3(α;M, b)• Las otras variables se derivan fácilmente de las ecuaciones de

rectángulo.• Entonces, dada una matriz perspectiva M y una caja englobante

b = (Xleft ,Ybottom,Xright ,Ytop), una instancia de paralelepípedo SO

queda completamente definida por una función f :

SO = f (α, h,M, b)

Page 23: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetosParalelepípedo - Encontrando el mejor modelo• La solución previamente obtenida indica que se requiere

determinar α y h para calcular el paralelepípedo.• Entonces un procedimiento de clasificación puede encontrar el

paralelepípedo óptimo para cada modelo pre-definido, segúndistintos h y α.

• Como función de ajuste se usa la medida de probabilidad:PM(SO,C) =

∏q∈{w,l,h}

Prq(q|µq , σq)

• Luego, la clase del objeto será aquella de mayor PM.• Dado M, la clasificación de un objeto se hace mediante:

For each class C of pre-defined modelsFor all valid pairs (h, α)

SO ← F (α, h,M, b);if PM(SO ,C) improves best current fit S(C)

O for C,then update optimal S(C)

O for C;Class(b) = argmaxC(PM(S(C)

O ,C));

• Esta forma básica es sólo descriptiva y se puede optimizar demuchas formas.

Page 24: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetos

Paralelepípedo - Resolviendo ambigüedades• Soluciones ajustadas a la caja 2D no observan el valor de píxeles:

puede llevar a ambigüedades .

• Se resolvió muestrando píxeles y contando los TP(pixel demovimiento dentro de proyección 2D del paralelepípedo) y los TN(pixel de fondo fuera de la proyección del paralelepípedo.Entonces, el paralelepípedo se escoge (entre los de mayor PM)que tengan mayor valor TP + TN.

Page 25: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Representación de objetos

Paralelepípedo - Otros ajustes• Múltiples posturas: Se definieron posturas de interés como

sub-modelos de otro.

• Para tiempo real: Pre-calcular valores que se vuelven constantescuando se conoce: matriz perspectiva, blob y α.

• Por si sólo app. 70blobs/sec y app. 200blobs/sec guiado portracking.

Paralelepípedo - Temas de Extensión del Modelo• Reconstruir código de la solución: Elemento de base, utilizando

código existente.

• Optimización: Buscar solución analítica, dentro de los intervalosválidos de operación.

• Modelamiento con distorsión: incluir distorsión radial ytangencial.

Page 26: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Consideraciones Generales

• Todos los proyectos propuestos con código/equipo deapoyo.

• Extremadamente deseable programación en C++.• Apoyo con biblioteca OpenCV.

Page 27: Algunas Herramientas Matemáticas utilizadas en Visión por ...paguirre.mat.utfsm.cl/mat282-2016-2/m_zuniga.pdf · Algunas Herramientas Matemáticas utilizadas en Visión por Computador

Matemáticasen Visión porComputador

Zuniga, MD

Introducción

Nuestrosdesarrollos

Entrenamientopara DeportesColectivos

Curso deProce-samiento deImágenes2016

Expansión deModelosGenéricos 3D

ConsideracionesGenerales

References

Referencias I

M. Zúñiga, F. Brémond, and M. Thonnat. Fast and reliable object classification invideo based on a 3d generic model. In Proceedings of the InternationalConference on Visual Information Engineering (VIE2006), pages 433–440,Bangalore, India, 26-28 September 2006.