Search

In this paper, we present an extension to optical flow for estimating dense 2D motion fields with occlusion information. While optical flow computa- tion is based on two consecutive short-exposure images, we make also use of an additional intermediate long-exposure image. This motion-blurred in- termediate image captures scene motion directly. We introduce an image formation model that relates the long-exposure image to both short-exposure images in terms of dense 2D motion and local occlusion/disocclusion. Based on this image formation model, we describe a practical algorithm that en- ables estimating the 2D motion field of occluding and occluded regions as well as determining the instant of occlusion. Results for synthetic and real scenes demonstrate the validity of the proposed approach., In diesem Bericht präsentieren wir eine Erweiterung des Optischen Flusses, die die Berechnung des dichten 2d Bewegundsfeldes und der Verdeckungsinformationen zuläßt. Während die Berechnung des Optischen Flusses auf einem Paar gestochen scharfer Kurzzeitbelichtungen beruht, beziehen wir in unserem Ansatz eine zusätzliche, dazwischenliegende, bewegunsunscharfe Langzeitaufnahme mit ein. In der Bewegungsunschärfe der Langzeitbelichtung ist die Szenenbewegung verschlüsselt. Zunächst wird darum ein Bildentstehungsmodell vorgestellt, das die Lang- und Kurzzeitbelichtungen über die 2d Bewegung zueinander in Relation setzt. Beruhend auf diesem Modell wird ein Algorithmus entwickelt, der sowohl das 2d Bewegungsfeld für alle Pixel berechnet, als auch verdeckte bzw. aufgedeckte Pixel findet und für diese den Verdeckungszeitpunkt approximiert. Die Ergebnisse zu synthetischen und realen Aufnahmen validieren den Ansatz., Technical Report - Computer Graphics Lab, TU Braunschweig, vol. 2008-5-6

An algorithm for the detection of moving objects in a natural environment is described. It is based on the extraction of features in consecutive frames. Tracking feature positions in several frames yields a motion vector field that is analyzed for discontinuities indicating a moving object. Four feature detectors are investigated. Two ot them mark points of high variance and high gray value curvature. One detects points of high contrast and merges them to straight lines. The last one, developed especially for low contrast regions, depends only on the monotonicity of gray values but not on the value itself. The performance of each feature extractor is evaluated based on the detection results. Experiments with a sequence of 120 pictures of a moving car scene show that the combination of the straight line detector with the monotonicity operator performs better than each single operator. (IITB)