MATCH MOVING

Baik Kali ini saya akan mempresentasikan tentang match moving

A.PENGERTIAN

Dalam sinematografi , pertandingan bergerak adalah teknik sinematik yang memungkinkan penyisipan grafis komputer ke live-action footage dengan posisi yang benar, skala, orientasi, dan gerak relatif terhadap objek difoto di tembakan. Istilah ini digunakan secara longgar untuk menggambarkan beberapa metode yang berbeda dari penggalian kamera gerak informasi dari film . Kadang-kadang disebut sebagai pelacakan gerak atau pemecahan kamera, pertandingan bergerak terkait dengan rotoscoping dan fotogrametri . Pertandingan bergerak kadang-kadang bingung dengan menangkap gerakan , yang mencatat gerak benda, sering aktor manusia, bukan kamera. Biasanya, motion capture membutuhkan kamera khusus dan sensor dan lingkungan yang terkendali (meskipun perkembangan terakhir seperti Kinect kamera telah mulai berubah ini). Pertandingan bergerak juga berbeda dari kontrol gerak fotografi , yang menggunakan hardware mekanik untuk menjalankan beberapa kamera bergerak identik. Pertandingan bergerak, sebaliknya, biasanya teknologi berbasis software, diterapkan setelah fakta untuk rekaman yang normal disimpan di lingkungan yang tidak terkontrol dengan kamera biasa.
Pertandingan bergerak terutama digunakan untuk melacak pergerakan kamera melalui tembakan sehingga kamera maya bergerak identik dapat direproduksi dalam animasi 3D Program. Ketika elemen animasi baru composited kembali ke asli live-action shot, mereka akan muncul dalam perspektif sangat cocok dan karena itu muncul mulus.
Karena sebagian besar perangkat lunak berbasis, pertandingan bergerak telah menjadi semakin terjangkau sebagai biaya tenaga komputer telah menurun; sekarang alat visual efek mapan dan bahkan digunakan dalam siaran langsung televisi sebagai bagian dari memberikan efek seperti maya kuning-down-line di sepak bola Amerika .

Pelacakan

Langkah pertama adalah mengidentifikasi dan melacak fitur. Sebuah fitur adalah titik tertentu pada gambar bahwa algoritma pelacakan dapat mengunci ke dan menindaklanjuti beberapa frame (SynthEyes menyebut mereka blip). Seringkali fitur yang dipilih karena mereka terang / gelap bintik-bintik, tepi atau sudut tergantung pada algoritma pelacakan tertentu. Program populer menggunakan template matching berdasarkan skor NCC dan kesalahan RMS . Yang penting adalah bahwa setiap fitur mewakili titik tertentu pada permukaan benda nyata. Sebagai fitur dilacak menjadi serangkaian koordinat dua dimensi yang mewakili posisi fitur di serangkaian frame. Seri ini disebut sebagai "lagu". Setelah lagu telah diciptakan mereka dapat digunakan langsung untuk 2D pelacakan gerak, atau kemudian digunakan untuk menghitung informasi 3D.

Kalibrasi

Langkah kedua melibatkan pemecahan untuk gerak 3D. Proses ini mencoba untuk mendapatkan gerakan kamera dengan memecahkan kebalikan-proyeksi jalur 2D untuk posisi kamera. Proses ini disebut sebagai kalibrasi .
Untuk menjelaskan lebih lanjut: ketika titik pada permukaan objek tiga dimensi difoto posisinya di frame 2D dapat dihitung oleh proyeksi 3D fungsi. Kita dapat mempertimbangkan kamera menjadi sebuah abstraksi yang memegang semua parameter yang diperlukan untuk model kamera di dunia nyata atau maya. Oleh karena itu, kamera adalah vektor yang mencakup sebagai unsur-unsurnya posisi kamera, orientasi, panjang fokus, dan parameter lain yang mungkin yang menentukan bagaimana kamera memfokuskan cahaya ke bidang film . Persis bagaimana vektor ini dibangun tidak penting asalkan ada kompatibel fungsi proyeksi P.
Fungsi proyeksi P mengambil sebagai input vektor kamera (kamera dilambangkan) dan vektor lain posisi titik 3D dalam ruang (dilambangkan xyz) dan mengembalikan titik 2D yang telah diproyeksikan ke pesawat di depan kamera (dilambangkan XY ). Kita bisa mengungkapkan hal ini:

Pelacakan

Langkah pertama adalah mengidentifikasi dan melacak fitur. Sebuah fitur adalah titik tertentu pada gambar bahwa algoritma pelacakan dapat mengunci ke dan menindaklanjuti beberapa frame (SynthEyes menyebut mereka blip). Seringkali fitur yang dipilih karena mereka terang / gelap bintik-bintik, tepi atau sudut tergantung pada algoritma pelacakan tertentu. Program populer menggunakan template matching berdasarkan skor NCC dan kesalahan RMS . Yang penting adalah bahwa setiap fitur mewakili titik tertentu pada permukaan benda nyata. Sebagai fitur dilacak menjadi serangkaian koordinat dua dimensi yang mewakili posisi fitur di serangkaian frame. Seri ini disebut sebagai "lagu". Setelah lagu telah diciptakan mereka dapat digunakan langsung untuk 2D pelacakan gerak, atau kemudian digunakan untuk menghitung informasi 3D.

Kalibrasi

Langkah kedua melibatkan pemecahan untuk gerak 3D. Proses ini mencoba untuk mendapatkan gerakan kamera dengan memecahkan kebalikan-proyeksi jalur 2D untuk posisi kamera. Proses ini disebut sebagai kalibrasi .
Untuk menjelaskan lebih lanjut: ketika titik pada permukaan objek tiga dimensi difoto posisinya di frame 2D dapat dihitung oleh proyeksi 3D fungsi. Kita dapat mempertimbangkan kamera menjadi sebuah abstraksi yang memegang semua parameter yang diperlukan untuk model kamera di dunia nyata atau maya. Oleh karena itu, kamera adalah vektor yang mencakup sebagai unsur-unsurnya posisi kamera, orientasi, panjang fokus, dan parameter lain yang mungkin yang menentukan bagaimana kamera memfokuskan cahaya ke bidang film . Persis bagaimana vektor ini dibangun tidak penting asalkan ada kompatibel fungsi proyeksi P.
Fungsi proyeksi P mengambil sebagai input vektor kamera (kamera dilambangkan) dan vektor lain posisi titik 3D dalam ruang (dilambangkan xyz) dan mengembalikan titik 2D yang telah diproyeksikan ke pesawat di depan kamera (dilambangkan XY ). Kita bisa mengungkapkan hal ini:

XY = P (kamera, xyz)
Fungsi proyeksi mengubah titik 3D dan strip pergi komponen kedalaman. Tanpa mengetahui kedalaman komponen fungsi proyeksi terbalik hanya bisa kembali satu set poin mungkin 3D, yang membentuk garis yang berasal dari titik nodal dari lensa kamera dan melewati titik 2D diproyeksikan. Kita dapat mengungkapkan proyeksi terbalik sebagai:

xyz ∈ P '(kamera, XY)

atau

{Xyz: P (kamera, xyz) = XY}

Katakanlah kita berada dalam situasi di mana fitur yang kita pelacakan pada permukaan benda kaku seperti sebuah bangunan. Karena kita tahu bahwa titik xyz nyata akan tetap di tempat yang sama di ruang nyata dari satu frame gambar ke yang berikutnya kita dapat membuat titik konstan meskipun kita tidak tahu di mana itu. Begitu:

xyz _i = xyz _j

dimana subskrip i dan j mengacu pada frame sewenang-wenang dalam tembakan kita analisa. Karena ini adalah selalu benar maka kita tahu bahwa:

P '(kamera _saya, XY _i) ∩ P' (kamera _j, XY _j) ≠ {}

Karena nilai XY _i telah ditentukan untuk semua frame bahwa fitur tersebut dilacak melalui oleh program pelacakan, kita bisa memecahkan fungsi proyeksi terbalik antara dua frame selama P '(kamera _saya, XY _i) ∩ P' ( kamera _j, XY _j) adalah seperangkat kecil. Kumpulan kemungkinan vektor kamera yang memecahkan persamaan di i dan j (dinotasikan C _ij).

C _ij = {(kamera _saya, kamera _j): P '(kamera _saya, XY _i) ∩ P' (kamera _j, XY _j) ≠ {})

Jadi ada satu set kamera pasangan vektor C _ij dimana persimpangan proyeksi terbalik dari dua titik XY _saya dan XY _j adalah non-kosong, mudah-mudahan kecil, mengatur berpusat pada titik xyz stasioner teoritis.
Dengan kata lain, bayangkan sebuah titik hitam yang mengambang di kekosongan putih dan kamera. Untuk setiap posisi dalam ruang yang kita menempatkan kamera, ada satu set parameter yang sesuai (orientasi, focal length, dll) yang akan memotret titik hitam dengan cara yang sama. Sejak C memiliki jumlah tak terbatas anggota, satu titik tidak pernah cukup untuk menentukan posisi kamera yang sebenarnya.
Seperti yang kita mulai menambahkan poin pelacakan, kita dapat mempersempit posisi kamera mungkin. Sebagai contoh, jika kita memiliki satu set poin {xyz _{i, 0,} ..., xyz _{i, n}} dan {xyz _{j, 0,} ..., xyz _{j, n}} dimana i dan j masih mengacu pada frame dan n adalah indeks ke salah satu dari banyak titik pelacakan kita mengikuti. Kita dapat memperoleh satu set kamera pasangan vektor set {C _{i, j, 0,} ..., C _{i, j, n}.}
Dengan cara ini beberapa track memungkinkan kita untuk mempersempit parameter kamera mungkin. Set parameter kamera mungkin yang pas, F, adalah persimpangan semua set:

F = C _{i, j, 0} ∩ ... ∩ C _{i, j, n}

Unsur-unsur yang lebih sedikit berada di ini mengatur dekat kita bisa datang ke penggalian parameter yang sebenarnya kamera. Kesalahan kenyataannya diperkenalkan ke proses pelacakan membutuhkan pendekatan yang lebih statistik untuk menentukan vektor kamera yang bagus untuk setiap frame, optimasi algoritma dan bundel blok penyesuaian sering dimanfaatkan. Sayangnya ada begitu banyak elemen untuk vektor kamera yang ketika setiap parameter bebas kita masih tidak mungkin bisa mempersempit F ke kemungkinan tunggal tidak peduli berapa banyak fitur yang kita melacak. Semakin kita bisa membatasi berbagai parameter, terutama panjang fokus, semakin mudah untuk menentukan solusi.
Dalam semua, proses pemecahan 3D adalah proses mempersempit kemungkinan solusi untuk gerakan kamera sampai kita mencapai satu yang sesuai dengan kebutuhan komposit kita mencoba untuk membuat.

Point-awan proyeksi

Setelah posisi kamera telah ditentukan untuk setiap frame itu kemudian memungkinkan untuk memperkirakan posisi setiap fitur dalam ruang nyata dengan proyeksi terbalik. Set yang dihasilkan dari titik sering disebut sebagai awan titik karena penampilannya baku seperti nebula . Sejak titik awan sering mengungkapkan beberapa bentuk adegan 3D mereka dapat digunakan sebagai acuan untuk menempatkan objek sintetik atau oleh program rekonstruksi untuk membuat versi 3D dari adegan yang sebenarnya.

Tanah-pesawat penentuan

Kamera dan awan titik harus berorientasi pada beberapa jenis ruang. Oleh karena itu, setelah kalibrasi selesai, maka perlu untuk menentukan bidang tanah. Biasanya, ini adalah unit pesawat yang menentukan skala, orientasi dan asal dari ruang proyeksi. Beberapa program mencoba untuk melakukan hal ini secara otomatis, meskipun lebih sering pengguna mendefinisikan pesawat ini. Sejak pergeseran tanah pesawat melakukan transformasi sederhana dari semua poin, posisi yang sebenarnya dari pesawat benar-benar masalah kenyamanan.

Rekonstruksi

Rekonstruksi adalah proses interaktif dari menciptakan objek difoto menggunakan data pelacakan. Teknik ini terkait dengan fotogrametri . Dalam kasus ini kita mengacu kepada menggunakan software bergerak pertandingan untuk merekonstruksi adegan dari rekaman insidental.
Sebuah program rekonstruksi dapat membuat objek tiga dimensi yang meniru benda nyata dari adegan difoto. Menggunakan data dari awan titik dan estimasi pengguna, program ini dapat membuat objek virtual dan kemudian ekstrak tekstur dari rekaman yang dapat diproyeksikan ke objek virtual sebagai tekstur permukaan.


B.MAKSUD DAN TUJUAN
   Agar memahami teknik pengambilan gambar dengan baik


C.KESIMPULAN
   Teknik sinematik yang memungkinkan penyisipan grafis komputer ke live-action footage dengan posisi yang benar, skala, orientasi, dan gerak relatif terhadap objek difoto di tembakan.

D.REFERENSI
    1.https://en.wikipedia.org/wiki/Match_moving