Temario

Sesión	Tarea
1. Procesamiento de Imágenes     * Leer Imagen usando MatLab: LeerImagen.m     * Instalar OpenCV     * Leer Imagen usando OpenCV: LeerImagen.cpp	tarea1.pdf
2. Procesamiento de Video
3. Detección de cambios en un video     * Aplicando un umbral a una secuencia de video: SimpleUmbral.cpp	tarea2.pdf
4. Algoritmos de estimación de movimiento     * Implementando POC para calcular un desplazamiento global: PhaseOnlyCorrelation.m, POC.m     * Probando función "cv::calcOpticalFlowPyrLK" de OpenCV: FlujoOptico_LK.cpp	tarea3.pdf
5. Substracción de fondo      * Implementando la substracción de fondo usando el promedio de N frames para la actualización del modelo del BG:         SubstraccionFondo_BG_promedio.m, Calcular_BG_promedio.m , normalizar.m      * Videos de prueba: highway_460to869.avi, highway_GT_460to869.avi      * Evaluando de forma cuantitativa la subtracción de fondo usando Ground Truth: SubstraccionFondo_BG_promedio_ROC.m	tarea4.pdf tarea5.pdf
6. Substracción de fondo para cámaras en movimiento
7. Segmentación de video (parte 1)
8. Segmentación de video (parte 2)	tarea6.pdf
9. Seguimiento de objetos en un video	tarea7.pdf

Comentarios:

• T1_1: Tener cuidado con el tipo de dato en el que se esten procesando los frames, ya sea en OpenCV (CV_8UC(1), CV_32FC(1), etc.) o en MatLab (uint8, double, etc.).
• T1_2:
  

            %Como necesitamos saber cuanto es el total de la sumatoria de los
            %elementos de la matriz, hacemos:
             suma_matriz = matriz(:);
            Esto en MatLab solo te convierte la matriz en un vector, para sumar los elementos te faltó la función sum:
            suma_matriz = sum(matriz(:))

• T1_3: Retardo en la entrega de la tarea.

• T3_1: La estrategia de emparejamiento de bloques está mal implementada:

           El error debe calcularse entre dos ventanas, una centrada en el pixel que estas observando (axisx,axisy) en tu imagen I_kr0
           y otra centrada en el pixel ya con el desplazamiento candidato (kernelx,kernely) en tu imagen I_kr1.

• T3_2: El resultado que muestras no es coherente con el desplazamiento observado entre las dos imagénes de prueba.
• T3_3: No entregó la tarea.
• T3_4: Hay todavía algo mal en la implementación, si metemos un ejemplo donde solo hay una simple traslación, ya sea en x o en y, tu programa arroja movimiento en los dos ejes.
• T3_5: El desplazamiento que tienes en el reporte no concuerda con el desplazamiento calculado por tu programa.
  

• T4_1: Detalle en el código en la linea 63: imagesc(b_mediana); no existe la variable b_mediana
  
• T4_2: La mediana está mal estimada, lo que estas haciendo en tu código es:

                     Calcular primero la suma de los valores de intensidad de N imágenes en un arreglo,
                     después calculas la mediana con: median(BG_mediana, 3), pero como tu arreglo es bidimensional, entonces BG_mediana va a tener la misma información,
                     de esta forma lo que finalmente comparas, es el modelo del fondo calculando el promedio y calculando solo la suma de los N frames.

• T4_3: No es correcta la comparación que realizas en tu reporte, al final habia que comparar el resultado de la substracción (b_prom y b_med) usando los dos modelos de fondo (promedio y la mediana) .
  

• T6_1: Faltó entregar el reporte.

• T7_1: Ya que metiste un cierto margen en la imagen original para procesar, entonces no debiste haber tomado ese margen para calcular tus residuales "res"
• T7_2: Los indices que calculas no son corresponden a la posición del rectangulo que dibujas por que los tienes intercambiados, debería de ser: [x,y] = find(res==match1);
  
• T7_3: Los experimentos en tu reporte no son confiables y entonces la conclusión no está bien sustentada.
• T7_4: Tu programa no encuentra el "template" y faltó programar dos medidas.
• T7_5: Faltó probar las 4 medidas: SAD, SSD, Correlación cruzada normalizada y la Entropía conjunta.
  

Proyectos:
    Posibles proyectos: ProcesamientoVideo_Proyectos.pdf
   

Bibliografía:

• Alan C. Bovik. 2009. The Essential Guide to Video Processing (2nd ed.). Academic Press.
• Richard Szeliski. 2010. Computer Vision: Algorithms and Applications (1st ed.). Springer-Verlag New York, Inc., New York, NY, USA.
• Corke, Peter. Robotics, vision and control: fundamental algorithms in MATLAB. Vol. 73. Springer Science & Business Media, 2011.

• Sonka, Milan, Vaclav Hlavac, and Roger Boyle. Image processing, analysis, and machine vision. Cengage Learning, 2014.

• Bouwmans, T., Porikli, F., Höferlin, B., & Vacavant, A. Background modeling and foreground detection for video surveillance. 2015.