智能商场之多摄影机电脑视觉技术概论（IoT系列课程）（2018 春季班）的概要

智能商场之多摄影机电脑视觉技术概论（IoT系列课程）（2018 春季班）

教师: 莊仁輝

国立交通大学

2018/04/09

概要

本课程将对于可结合物联网应用于智能商场之先进多人定位系统之电脑视觉技术进行介绍与探讨。相关技术可以定位之方式分成：（1）以重建三维人体（水平截面/垂直线段采样）进行定位，（2）以人体模型（矩形立牌数组）的占有机率（面积）来定位，（3）集成前两种方法的混合方法。本课程将介绍以上各类技术之发展趋势，包括人物相互屏蔽条件下之定位正确性、不同影像处理方法之稳定性与运行速度各方面提升系统性能之选项。此外，本课程亦将介绍至少两种可结合物联网应用之多摄影机系统之校正方法，以及不同校正方法于正确性与实施方便性之比较。学习本课程之学员，可以获得多人定位系统所需之电脑视觉与影像处理相关背景知识以及最新的技术发展趋势，而对后续于相关领域之学习或产品研发（如商场人流与热点分析、人群行为安全监控、购物动线优化等）亦将有莫大的帮助。

课程目标

獲得多人定位系統所需之電腦視覺與影像處理相關背景知識以及最新的技術發展趨勢。對後續於相關領域之學習或產品研發（如商場人流與熱點分析、人群行為安全監控、購物動線最佳化等）亦將有莫大的幫助。

授课教师

莊仁輝老師 國立交通大學資訊工程學系教授

莊仁輝老師，目前為國立交通大學資訊工程學系教授兼電腦視覺研發中心主任，研究專長為訊號與影像處理、電腦視覺 VLSI設計，莊教授帶領的團隊持續研發先進的電腦視覺技術，已獲得數十件國內外專利與業界與研發單位共同建構出產學研體系，提升台灣在智慧型環境(尤其是視覺安全監控方面)之研發技術。該團隊於2013年獲得第三屆經濟部國家產業創新獎之年度科專楷模獎。

课程进度表

第1周:人物定位的基本构思和介绍基于垂直消失点的人物定位方法

第2周:使用足迹分析加速基于垂直消失点的人物定位方法

第3周:介绍基于人物模型人物定位方法并一般化此方法

第4周:期中考

第5周:加速基于人物模型人物定位方法

第6周:摄影机校正

第7周:人物定位和摄影机校正实作流程

第8周:期末考

课程内容

每周课程进度

周次	周次名称	影音时数
第一周	人物定位的基本构思和介绍基于垂直消失点的人物定位方法 (作业一)	1小时
第二周	加速基于垂直消失点的人物定位方法 (作业二)	1小时
第三周	介绍基于人物模型人物定位方法并一般化此方法 (作业三)	1小时
第四周	期中考	1小时
第五周	加速基于人物模型人物定位方法 (作业四)	1小时
第六周	摄影机校正 (作业五)	1小时
第七周	人物定位和摄影机校正实作流程 (作业六)	1小时
第八周	期末考	1小时

上课形式

課程影片：本課程分為10個主要單元每週會有數個課程影片，每個單元將由數個小單元所組成，每個小單元提供一段10~30分鐘的視頻影片。請同學自行安排時間學習。

測驗：作業、期中考、期末考

討論區：鼓勵同學多多利用討論區發問與交流

评分标准

作業：占總成績30%
1. 6次作業，分別安排在第1週、第2週、第3週、第5週、第6週、第7週
2. 需繳交之形式為：選擇題
3. 各次作業占總成績30%

期中考：占總成績35%
1. 有 1次期中考，安排於第8週
2. 選擇題
期中考：占總成績35%

通过标准

Course grade pass:60Grade Memo:max grade 100 point

先修科目或先备能力

具備基礎計算機網路概論之相關知識

建议参考书目

參考書目：

[1] L M. Fuentes and S. A. Velastin, “People tracking in surveillance applications,” in Proc. the 2nd IEEE Int. workshop on PETS, 2001.

[2] http://online.wsj.com/news/articles/SB10001424052702303332904579230401030827722

[3] S. M. Khan and M. Shah, “Tracking multiple occluding people by localizing on multiple scene planes,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 31, no. 3, pp. 505–519, 2009.

[4] K.-H. Lo and J.-H. Chuang, “Vanishing point-based line sampling for efficient axis-based people localization,” in Proc. IEEE Int. Conf. on Image Processing, 2011.

[5] K.-H. Lo and J.-H. Chuang, "Vanishing point-based line sampling for real-time people localization," IEEE Transactions on Circuits and Systems for Video Technology, vol.23, no.7, pp.1209–1223, 2013.

[6] K.-H. Lo and J.-H. Chuang, “View-invariant measure of line correspondence and its application in people localization,” in Proc. IEEE Int. Conf. on Image Processing, 2012.

[7] K.-H. Lo C.-J. Wang, J.-H. Chuang, and H.-T. Chen, “Acceleration of vanishing point-based line sampling scheme for people localization and height estimation via 3D line sampling,” in Proc. IEEE Int. Conf. on Pattern Recognition, 2012.

[8] F. Fleuret, J. Berclaz, R. Lengagne, and P. Fua, “Multicamera people tracking with a probabilistic occupancy map,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 30, no. 2, pp. 267–282, 2008.

[9] Y.-S. Lin, K.-H. Lo, H.-T. Chen, and J.-H. Chuang, “VP-transform: a novel vanishing point-based image transform for enhancement of people localization,” in Proc. IEEE Int. Conf. on Multimedia and Expo, 2013.

[10] Y.-S. Lin, K.-H. Lo, H.-T. Chen, and J.-H. Chuang, “Vanishing point-based image transforms for enhancement of probabilistic occupancy map-based people localization,” IEEE Transactions on Image Processing, vol. 23, no. 12, pp. 5586–5598, 2014.

[11] Y.-S. Lin, H.-T. Chen, J.-N. Hwang, C.-J. Hsiao, and J.-H. Chuang, “1-D integral image for enhancing efficiency and effectiveness of probabilistic occupancy map-based people localization approach,” in Proc. Int. Conf. on Digital Image Processing, 2016.

[12] Y.-S. Lin, H.-T. Chen, and J.-H. Chuang, "An efficient probabilistic occupancy map-based people localization approach," in Proc. IEEE Int. Conf. on Visual Communications and Image Processing, 2015.

[13] Yen-Chou Tai, Yong-Sheng Chen, and Jen-Hui Chuang, “Efficient calibration of multi-plane homography using laser levels,” in Proc. IEEE Int. Conf. on Image Processing, 2015.