Fase di Ricerca F1

Modelli dei Dati per

Riconoscimento e Classificazione
Introduzione

F1. Fase di Ricerca: Modelli dei dati per riconoscimento

e classificazione

A.1.1 Indagine sullo stato dellarte per la modellazione 3D con

particolare riferimento a capi di abbigliamento. Focalizzazione
su modelli standard M! non proprietari.

A.1." Ricognizione dello stato dell#arte di algoritmi e sistemi

per riconoscimento e classificazione di oggetti$ nello specifico
capi di abbigliamento$ con particolare riferimento alle
metodologie fuzz%.

A.1.3 Ricognizione modelli per la rappresentazione di flussi

temporali di oggetti.

&roblema oggetto dellindagine' riconoscimento automatico

dei capi esposti in (etrina per permettere una rappresenta)
zione 3D della stessa e una sua modellizzazione temporale
Arc*itettura
Segmentazione
Immagine
Riconoscimento
Capi
Modellazione
3D
Database catologo
Descrittori capi
Rappresentazione
3D vetrina
Modellizzazione 3D vetrina
Fotogrammi
telecamera
+intesi della Ricerca

!indagine *a portato ad esaminare e a selezionare

!inguaggi ,RM! e 3D per la modellazione 3D

!inguaggi e modelli matematici specifici per la modellizzazione di

capi di abbigliamento sia basati sull#aspetto c*e sulla struttura.

+oft-are per editing e rendering 3D con particolare riferimento a

soft-are opensource e ottimizzati per la rappresentazione di figure
umane e accessori. +oft-are per la creazione automatica di modelli
3D da immagini o (ideo .3D+ome$ +trata &*oto 3D$ &*otoModeler/

Algoritmi di segmentazione e classificazione specifici per i capi di

abbigliamento. Algoritmi e soft-are per il riconoscimento di capi di
abbigliamento usando un database con collezioni e catalogo.

Modelli per la rappresentazione di flussi temporali di oggetti adatti

alla memorizzazione dell#e(oluzione temporale della (etrina e del
flusso pedonale degli osser(atori
0utline

F1. Fase di Ricerca' Modelli di dati per riconoscimento e

classificazione

A.1.1 Indagine sllo stato dell!arte per la

modellazione 3D con particolare riferimento a capi di
abbigliamento. Focalizzazione s modelli standard
"M# non proprietari.

A.1." Ricognizione dello stato dell#arte di algoritmi e sistemi

per riconoscimento e classificazione oggetti$ nello specifico
capi di abbigliamento$ con particolare riferimento a
metodologie fuzz%.

A.1.3 Ricognizione modelli per la rappresentazione di flussi

temporali di oggetti.
Modellizzazione 3D'
linguaggi e formati

,alutando lo stato dell#arte in termini di linguaggi e formati per la

modellazione 3D di scene e oggetti 1 emerso c*e il linguaggio 3D
possiede tutte le caratteristic*e ric*ieste per il progetto in esame

2n file 3D 1 un file M! in cui (iene descritto l#ambiente (irtuale

attra(erso 3uello c*e (iene definito grafo della scena

Formato open source.

4 incorporato nello standard M&56)7 per il multimedia.

!#uso di M! rende facile l#esposizione dei dati a 8eb +er(ices

e applicazioni distribuite.

4 compatibile con formati a(anzati di grafica

0ffre oggetti manipolabili in C$ C99 e :a(a

Modellizzazione corpo umano e
capi di abbigliamento

Modellizzazione matematica

modelli basati sull#aspetto' propriet; fotometric*e degli

oggetti < tendono a disgregare l#informazione geometrica

modelli basati sulla struttura' informazioni importanti in

merito alla posizione relati(a e assoluta delle
componenti < particolarmente adatti a riconoscimento e
classificazione

Modellizzazione M!

molti formati proprietari nati negli anni => associati ai

(ari
produttori di scanner 3D

tentati(o di standardizzazione con ?od%M!

Modellizzazione corpo umano e
capi di abbigliamento
$edro F. Felzensz%alb& Daniel $. 'ttenloc(er. Pictorial Structures for
Object Recognition. Int. )orn. *n Compter +ision& ,--.

?asato sul modello &+ di Fisc*ler @ 5lsc*lager

degli anni A> in cui oggetti strutturati sono
modellati come insiemi di componenti rigide
connesse da giunti snodati e sono rappresen)
tati tramite un grafo.

0gni componente 1 rappresentata tramite le

coordinate spaziali del centro le dimensioni
e langolo di rotazione.

Riconoscimento come problema di matc*ing

tra modelli rappresentato come problema di
minimizzazione di una funzione energia
basata su deformazioni e relazioni fra le parti.

Approccio statistico per sistema di apprendimento di modelli da set di esempi

etic*ettati ed efficiente algoritmo c*e restituisce i primi B matc*ing.

Cesting effettuato su modelli di persone e riconoscimento di pose.

Modellizzazione corpo umano e
capi di abbigliamento
'.C(en & /.) " & /.0. #i & S.C. /(. Composite Templates for Cloth Modeling
and Sketching& I111 Conf. on Compter +ision and $attern Recognition& ,--2
&ropone una grammatica conteDt sensiti(e
rappresentata con un grafo And)0r c*e permette di
produrre un ampio set di templates grafici per capi di
abbigliamento .C)s*irts$ giacc*e$E/
0gni componente modellata puF a(ere di(ersi
subtemplates .sottografi/ c*e sono usati come foglie di un
grafo And)0r.
Applicazione' sistema c*e permette di inferire il disegno
sBetc*ato corrispondente ad una immagine passata in
input.
Cecnica' algoritmo di appr. super(.
c*e permette di collezionare esempi di
sBetc* di capi e parti del corpo.
Algoritmo con approccio probabilistico
c*e permette di inferire il grafo di una
certa immagine passata in input e di
comporre limmagine output.
Modellizzazione corpo umano e
capi di abbigliamento

Agnes 3orras& Francesc 4os& )osep #lados& and Maria +anrell. High-
Leel Clothes !escription "ased on Colour-Te#ture and Structural
$eatures% In $roc. *f Ib$RIA ,--3& #5CS ,2.,
Modellizzazione
delle composizioni
di capi come grafo
etic*ettato in cui
i nodi$ etic*ettati con alcune delle usuali features grafic*e$ rappresentano le regioni
segmentate e gli arc*i rappresentano le relazioni fra esse.
Applicazione' sistema di identificazione di persone allinterno del (ideo di
sor(eglianza di un grande magazzino basato sul riconoscimento di abiti
5strazione del +egmentation
6rap*. Algoritmo di matc*ing per
grafi. 2so di alberi di decisione e
di una funzione di costo c*e (aluta
la somiglianza dei nodi attra(erso
caratteristic*e come area$ teDture
e colore.
+oft-are per grafica 3D

Editing e rendering: oltre all'analisi dei software pi famosi e usati

ci siamo concentrati sulla ricerca di software specificatamente
connessi con gli scopi del progetto Digital Window.

Poser: software ottimizzato per modelli di figure umane

Creazione automatica modelli 3D: la tecnica pi comune quella

di creare modelli 3D a partire da foto

Potomodeler! "trata Poto 3D!

3D"#$ %in foto&
0utline
F1. Fase di Ricerca' Modelli dei dati per riconoscimento e
classificazione

A.1.1 Indagine sullo stato dellarte per la modellazione 3D con

particolare riferimento a capi di abbigliamento. Focalizzazione
su modelli standard M! non proprietari.

A.1., Ricognizione dello stato dell6arte di algoritmi e

sistemi per riconoscimento e classificazione di oggetti&
nello specifico capi di abbigliamento& con particolare
riferimento alle metodologie fzz7.

A.1.3 Ricognizione modelli per la rappresentazione di flussi

temporali di oggetti.
Classificazione automatica
Dati k attributi a
1
,...,a
k
con cui definire oggetti$ date N classi predefinite C
1
,

,
C
N
in cui raggruppare gli oggetti e dato un oggetto x descritto tramite gli
attributi a
1
,...,a
k
$ un classificatore C 1 un modelloGprogramma c*e dati in
input l#oggetto x e le classi C
1
,...,C
N
restituisce una classe C
i
tale c*e x C
i
.

Apprendimento super(isionato

Molte tecnic*e .alberi di decisione$

reti neurali e ba%esiane$ +,M$ etc./

Molte applicazioni scientific*e e

industriali

Classificazione di proteine$ tumori$

corpi celesti$ risc*io clinico etc.

Classificazione del risc*io di

credito$ delle transazioni finanziarie$
di testi$ ne-s$ etc.
Classificazione fuzz%
Ad ogni classe C
1
$...$C
N
(iene associata una funz. di appartenenza
1
$ ...$
H

tale c*e

i
' x I v
i
J>$1K associa ad ogni record x un (alore di appartenenza v
i
alla
classe C
i
. 0gni oggetto non 1 3uindi associato ad una singola classe ma sar;
caratterizzato da un n)upla .v
1
$...v
N
/ tale c*e i L1..H$ v
i
L
i
.x)
Due scopi principali'

gestione degli attributi piM realistica attra(erso fuzz% sets

classificazione piM fine con possibilit; di associare piM classi di

appartenenza
Cecnic*e piM fre3uentemente adottate'

Classificazione basata su regole fuzz%$ Reti neurali fuzz% e fuzz% NHH.

Applicazioni'

Identificazione di perdite in una rete idrica .">>>/$ classificazione di

impronte digitali .">>"/$ classificazione di musica .">>O/
Classificazione di oggetti da
immaginiG(ideo

Data un'immagine classificare gli oggetti in essa rappresentata.

Due passi: segmentazione dell'immagine e classificazione degli oggetti

"egmentazione: di'idere l'immagine in insiemi(regioni di pi)el %segmenti&

a'enti delle caratteristice in comune. *ari approcci: selezione e
'alutazione di low le'el features! identificazione di contorni e zone di
colore! etc. +ecnice ce 'ariano sensi,ilmente rispetto al campo di
applicazione.

Classificazione: attri,uzione dei segmenti estratti alle classi. -n questa

fase de'ono essere definiti gli attri,uti con cui descri'ere gli oggetti e le
classi a cui gli oggetti saranno attri,uiti. "ono state sperimentate tutte le
tecnice conosciute per la classificazione general purpose.
+egmentazione capi di
abbigliamento

Dallo studio dello stato dell'arte sono stati selezionati alcuni recenti la'ori
particolarmente interessanti ai fini del progetto ce si distinguono per

Efficacia della tecnica rispetto allo stato dell'arte

Efficacia in particolari condizioni di occlusione e copertura

Efficacia in categorie predefinite ce per. presentano grande

'aria,ilit/ in pose! conformazioni e colori
+egmentazione capi di
abbigliamento
Basela S. Hasan, David. C. Hogg.
Segmentation using Deformable Spatial
Priors with Appliation to Clothing!.
"n pro of the British #ahine $ision
Conferene, B#$C %&'&
(hilan Hu, Hong )an, *inggang +in ,
Clothing segmentation using foreground
and ba,ground estimation based on the
onstrained Delauna- triangulation !,
Pattern .eognition, %&&/
+egmentazione capi di
abbigliamento
0an 1ang and Hai2hou Ai. 1ho Blo,s 1ho3 Simultaneous Clothing Segmentation
for 4rouping "mages!. "n pro of '5
th
"ntern. Conf. on Computer $ision, "CC$ %&''
Classificazione e riconoscimento
di capi di abbigliamento

Rare applicazioni di sistemi di classificazione specifici per i

capi di abbigliamento

!etteratura piM (asta nel caso di recommendation s%stems

applicati alla moda e al settore dell#abbigliamento

Cecnic*e di riconoscimento di abbigliamento sono usate nei

sistemi di identificazione di persone

Identificare la figura umana partendo dal riconoscimento del

(olto ed applicare relazioni di adiacenza e prossimit; con le
altri parti del corpo in modo da indentificare busto e arti.

Hel caso dei recommendation s%stems e di riconoscimento

delle persone si adottano poi tecnic*e di matc*ing basate su
features dell#immagine .istogramma dei colori$ teDture$ etc./
Classificazione capi di
abbigliamento
Classificazione in categorie predefinite .suit$ s*irt$ Peans$
etc./ dei capi indossati da persone in (ideo di
sor(eglianza

Identificazione delle partiGzone

del corpo

Caratterizzazione dei capi attra)

(erso istogramma dei colori
combinato con Q06 .*istogram
of oriented gradient/$ +IFC features
e DCC .discrete cosine tansform/.

Risultati sperimentali per F&RL>$>1.

&ortando F&RL>$1 la recall supera
l#R>S per tutte le categorie.
Classificazione capi di
abbigliamento
Applicato principalmente nei recommendation s%stem in cui
data una immagine si (ogliono proporre tutte le occorrenze di
oggetti TsimiliU all#interno di un dato database.
,arie applicazioni e algoritmi c*e si differenziano per le
caratteristic*e c*e (engono usate per descri(ere i capi e per la
funzione di matc*ing scelta
0utline
F1. Fase di Ricerca' Modelli dei dati per riconoscimento e
classificazione

A.1.1 Indagine sullo stato dellarte per la modellazione 3D con

particolare riferimento a capi di abbigliamento. Focalizzazione
su modelli standard M! non proprietari.

A.1." Ricognizione dello stato dell#arte di algoritmi e sistemi per

riconoscimento e classificazione di oggetti$ nello specifico capi
di abbigliamento$ con particolare riferimento alle metodologie
fuzz%.

A.1.3 Ricognizione modelli per la rappresentazione di

flssi temporali di oggetti.
Modelli per la rappresentazione
temporale
Modello bitemporale

4empo di validit8: si applica ai fatti e denota il periodo di

tempo in cui un fatto 1 (ero nel minimondo

4empo di transazione: denota il tempo in cui un fatto 1

presente nel database e rappresenta i cambiamenti nel tempo
degli stati del database
+ono due dimensioni temporali ortogonali' applicazioni particolari
possono introdurre dimensioni aggiunti(e
D?M+ c*e offrono un supporto
temporale

I?M D?" per zG0+ un supporto secondo il modello

bitemporale.

0racle Database' offre 8orBspace Manager sistema per

la gestione delle (ersioni dei dati presenti nel database
e del tempo di (alidit;.

&ostgre+V!' sono scaricabili due pacBage open)soure

per la gestione di dati temporali' Cemporal e pgC*ronos.

CimeD?' database relazionale bitemporale. Interfaccia

(erso database 0racle$ tramite compilazione di
istruzioni.

Ceradata' supporto per la gestione dei dati secondo il

modello bitemporale.
Modelli per la rappresentazione
del flusso pedonale

!i(ello macroscopico' densit;$ flusso e (elocit; media

!i(ello microscopico' (elocit; indi(iduale e interazioni con

altri indi(idui
Modelli per la simulazione di flussi pedonali' cellulare costi)
benefici$ automa cellulare$ forza magnetica$ forza sociale$
rete di code
Rappresentazione delle traiettorie rile(ate tramite modello
HCW
H identificati(o del pedone
C il timestamp dell#osser(azione
e W posizione del pedone
Rappresentazione di dati
temporali basata su M!

+i considerano due modelli$ supporto alla definizione di

estensioni temporali dei linguaggi di interrogazione &at*
e Vuer%

&rimo modello basato sullintroduzione di annotazioni

temporali sugli arc*i del grafo c*e definisce la struttura
astratta di un documento M!X

,engono fornite le regole per la codifica concreta.

!inguaggio di interrogazione come estensione di &at*.

Rappresentazione di dati
temporali basata su M!

+econdo modello basato su +c*ema c*e pre(ede 3

li(elli'

un documento sc*ema M! con(enzionale

annotazioni temporali c*e identificano 3uali elementi

possono (ariare nel tempo

annotazioni fisic*e c*e descri(ono come sono

rappresentati gli aspetti c*e (ariano nel tempo.

Definisce Vuer%$ estensione di Vuer% c*e offre tre tipi

di interrogazioni ' correnti$ se3uenziate e
rappresentazionali.

Interrogazioni Vuer% (engono compilate in

interrogazioni Vuer%
Conclusioni

Hell#ambito della modellazione 3D 1 stato identificato il

linguaggio 3D come linguaggio di riferimento e sono stati
identificati alcuni soft-are

Hell#ambito della classificazione e riconoscimento automatico

dei capi esposti in (etrina sono stati identificati tecnic*e e
algoritmi competiti(i allo stato attuale dell#arte c*e potranno
essere usati come base per la realizzazione del sistema di
riconoscimento pre(isto.

Hell#ambito della modellazione dei flussi temporali 1 stato

indi(iduato il modello bitemporale come modello di riferimentoX
sono state considerate le tecnic*e per la modellazione e la
rappresentazione dei flussi pedonaliX sono stati descritti due
modelli generali per la rappresentazione di dati temporali
basati su M!.