Συντάχθηκε 15-05-2018 07:44
από Sofia Malandraki
Email συντάκτη: sofiamalandraki<στο>tuc.gr
Ενημερώθηκε:
-
Ιδιότητα: υπάλληλος ΗΜΜΥ.
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΦΙΛΙΠΠΟΥ ΜΑΡΚΟΛΕΦΑ
με θέμα
Εικονική Μορφοποίηση Βίντεο για Εξατομικευμένη Εκγύμναση
Virtual Video Synthesis for Personalized Training
Πέμπτη 17 Μαΐου 2018, 11 – 12 π.μ.
Αίθουσα 2042, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Ζερβάκης (Επιβλέπων)
Αναπληρώτρια Καθηγήτρια Αικατερίνη Μανιά
Καθηγητής Ευριπίδης Πετράκης
Περίληψη
Η εξατομικευμένη εκγύμναση μέσω υπολογιστή δίνει τη δυνατότητα σε χρηστές διαφόρων διαδικτυακών εφαρμογών να χρησιμοποιούν την κάμερα τους και ειδικά διαμορφωμένα βίντεο από επαγγελματίες γυμναστές, έτσι ώστε να γυμναστούν από την άνεση του σπιτιού τους. Προς αυτή την κατεύθυνση και με κύριο σκοπό ο χρήστης να μπορεί εύκολα να αναπαράγει τις ασκήσεις αυτές καλό είναι να υπάρχει έξτρα λειτουργικότητα στην εξατομικευμένη εκγύμναση μέσω υπολογιστή πέραν της απλής θέασης των βίντεο των ασκήσεων. Ένας τρόπος που θα μπορούσε να βοηθήσει προς αυτή την κατεύθυνση είναι η εξαγωγή της σιλουέτας του ατόμου που γυμνάζεται έτσι ώστε το άτομο να μπορεί εύκολα καταρχάς να παρακολουθεί τις κινήσεις του και, στη συνέχεια, να τις συγχρονίζει σύμφωνα με αυτές του επαγγελματία γυμναστή. Στην παρούσα διπλωματική, που στόχο έχει την εξαγωγή της σιλουέτας του κινούμενου αντικειμένου (ανθρώπου) από βίντεο, αρχικά ασχοληθήκαμε με παραδοσιακές μεθόδους που αφορούν στην αφαίρεση του παρασκήνιου (background subtraction) σε ένα βίντεο. Δυστυχώς, οι παραδοσιακές τεχνικές δεν μπορούν να αντιμετωπίσουν όλες τις προκλήσεις που μπορεί να υφίστανται σε ένα βίντεο και που εντοπίζονται και αναλύονται στην παρούσα εργασία. Γι’ αυτό το λόγο, προτείνεται ένας συνδυασμός τεχνικών για την επιτυχή αφαίρεση της σιλουέτας ενός ατόμου σε ένα βίντεο με ασκήσεις γυμναστικής (επιλέχθηκε η άσκηση yoga). Η προτεινόμενη μέθοδος περιλαμβάνει, εκτός των άλλων, την αρχική ανακατασκευή του background και, στη συνέχεια, την επιλεκτική ανανέωση περιοχών για την προσαρμοστικότητα του background στα πραγματικά δεδομένα. Για τον προσδιορισμό των περιοχών απαιτείται γνώση που αφορά στις περιοχές κινήσεις σε ένα βίντεο καθώς και στις ομοιογενείς περιοχές σε ένα frame, γεγονός που χρησιμοποιήθηκε με κατάλληλο τρόπο για τον επιτυχή σχεδιασμό της μεθοδολογίας. Τέλος, εφαρμόστηκε η προτεινόμενη μέθοδος και σε βίντεο από διαφορετικά περιβάλλοντα, πέραν αυτών της εξατομικευμένης εκγύμνασης, με σκοπό να μετρηθεί η αποτελεσματικότητα της μεθόδου για διαφορετικές περιπτώσεις.
Abstract
Online personal training allow users to work out from the comfort of their own homes, using workout videos from fitness instructors. Moreover, users of such applications can also use their PC camera and work out with others in a group setting, which carries a plethora of intertwined benefits. Towards training efficiency enhancement and consistency, it could be helpful to extract human silhouette from a video which could be used afterwards on exposure to fitness instructor’s video and make the fitness instructions easily followed by the user. In this thesis, initially we involved with traditional background estimation approaches as well as foreground extraction techniques for videos from static cameras. Unfortunately, none of the methods was able to face efficiently all the possible challenges, including slow moving foreground object and presence of foreground object during background initialization, which are dominant problems in our main video (yoga). Thus, we propose a series of techniques that consist of an initial background reconstruction method followed by a selective update scheme. The background image adaptively converges to ground truth data using the above scheme which combines information of detected moving regions (temporal) and color-based regions (spatial) of a video frame. Finally, we apply the proposed method in different environmental conditions such as video from surveillance cameras and we measure the efficiency of the proposed method.
