11
AUTOMATYKA 2011 Tom 15 Zeszyt 3 * AGH Akademia Górniczo-Hutnicza, Wydzia³ Elektrotechniki, Automatyki, Informatyki i Elektro- niki, Katedra Automatyki, al. A. Mickiewicza 30, 30-059 Kraków ** Projekt z Ministerstwa Nauki i Szkolnictwa Wy¿szego nr 0128/R/t00/2010/12 283 Piotr Szymczyk*, Magdalena Szymczyk* Analiza sceny przy u¿yciu deskryptorów punktów charakterystycznych** 1. Wprowadzenie Analiza sceny polega na wyodrêbnieniu z obrazu obiektów oraz ich rozpoznaniu po- przez porównanie z obiektami znajduj¹cymi siê w bazie danych. Wyodrêbnienie obiektów polega na odszukaniu charakterystycznych cech fragmentów obrazu, takimi kluczowymi elementami mog¹ byæ krawêdzie, wierzcho³ki lub punkty charakterystyczne. W artykule zostan¹ zaprezentowane ró¿ne algorytmy stosowane w analizowaniu sceny wraz z przy- adami ich dzia³ania. Na podstawie eksperymentów zosta³y sformu³owane wnioski doty- cz¹ce dalszych badañ nad ulepszeniem poszczególnych metod. 2. Przegl¹d algorytmów 2.1. Algorytmy detekcji krawêdzi Istnieje wiele algorytmów detekcji krawêdzi. S¹ to algorytmy m.in. [15]: Sobel, Laplace, Canny [3], SUSAN, Prewitt, Roberts, Sharr, Marr-Hildreth.

Analiza sceny przy u¿yciu deskryptorów punktów charakterystycznych

  • Upload
    leque

  • View
    223

  • Download
    0

Embed Size (px)

Citation preview

������������ ��� ��������

� ������������� !�"��#�$�!�"��%&�����'()��� ���"*!���%�$��������%+!,� �������()��� �#!���%����� ��$��������%�)-�-��"���.�"����%��#��/� ���.

�� 0 �1������!���� ��.�2�$���3���)!�"�.�&�4���5�! � �6787���7�� �7 �

�6�

0��� 3���"����%��5��)�!�3���"����

�����������

��������������� �����

������� �����������������

���� ����������

�!�)����"�!�9�)�5�!�.��� :;!��!�$��; ��$�;�����.� �� �"* ��9��!�!�$9o-przez porównanie z obiektami znajduj<"�����:.;������!�"*-&��� :;!��!���;�����.9�)�5� !� ����$��!�$ "*� ���� ��tycznych cech fragmentów obrazu, takimi kluczowymi�)���!���� ��5< ;�= � �.:����% .�� �"*�'�� )$; 9$!��� "*� ���� ����"�!�- & � ���$)������!< ��9 ���!��.�!� �4!� �)5� ���� stosowane w analiz�.�!�$ �"�!� . �� � 9 ��#�'a���� �"*����'ania. 2�9�����.�����9� ���!��.�����'� �,� �$'�.�!�.!���������#"�<"���)���"*;���>!��$)�9���!���9���"��5�)!�"*�����-

������������������� ��

������������ �������!������"���

Istnieje wiele algorytmów detekcji� �.:���-3<���)5� �����-�!- [15]:

? 3�;�)%? @�9)�"�%? A�!!�B�C%? 3�3�2%? 0 �.���%? 8�;� ��%? 3*� %? �� #��)� ��*-

�6D 0��� 3���"���%��5��)�!�3���"���

�)5� ���A�!!� 1���!�1"�:E"��1$4�.�!<�����<�����"1�� �.:���9�!��.�44���!�!!��)5� ���!��.�����'�!�"�<"�j przewagi nad tym algorytmem [8]. Algorytm ten prze-biega w czterech fazach:

F 8��$�"1� ��$��.-�F 3�$��!��!��:4�!��5 ����!�$�; ��$-�F ��$.�!��!���������)!�"*9����)�-DF 0 �5�.�!���*���� ��<-

�)5� ���A�!!�����'�!��; ����G ��'�.��%H ��- F%��� �1�������.�!�.��"��#!��"*��a �E"�-&�; ����.�1E"��.��H ��-�F �.!��4����.�!��.��"��!��"*��� �E"���9���!��<.y� ���� �.:����-I���9� ���� �!�)�4��� �E)�=�.�9 �5�H9 �5górny Pg,próg dolny Pd) oraz rozmiar macierzy splotu Rms.

#������; ��� �5�!�)!�

#����&�!������'�!���)5� ���$A�!!�H���J �6%���J K�%���J�F�)��; ��$� ��$!�$

����������� ���������� ���� ����������� ��� �������� ���

������������� ������� �����$���

���������������� ������ ������� �������� �������L

!� �M" #� ��$%�����"

%��$&����� '(����$&�����)"

*�+"

N�+"

N�#"

,���$O ���" %-%��"

& ����M�$#���" �%&"P�%&" �%�N '& ������$.����)/

Algorytm Harris i Stephens jest udoskonalonym algorytmem algorytmu Moravec [7]. Na-tomiast algorytm Shi-Tomasi jest udoskonalonym algorytmem Harris i Stephens [9] (rys. 3).

���%�,����������������� ����%��$&�����'����)� ��#� ���%�����'�� ���)����� ���� ������0/,� ����������������������� ������� ���� ���������

,���� ����#� ���%����������1�������������������������������a-cierz kowariancji gradientu, a����2���������������� ��34�� �����L

21 2 1 2( )R k= λ λ − λ + λ (1)

gdzie:λ1"λ2 – �� ��3��������� ������ ������ ������"

k – �������������� ��3����� �����3����������� ���������5"56�� 0,15.

,� ���������������1���������� ����������������/,� ��������� �$������ ��1cych zbyt blisko siebie algorytm pozostawia ten,��� �����2����� ��3������/

��7 8��� %������"!�������%������

,���� ����%��$&����������� ��2 ����� ����� ��3������������� �����,które ma na��2���11�����4L

1 2min( , )R = λ λ (2)

!���� ���������4 ���� ��� ������� ������� %��$&����� �����3��� � �$��� �o����� ���������1���� ���������� ��2���9����"����������������:���" ���������� �������4����� ������ �� ��� �� ���� ����9���� �� licz�2������������ �������/,������������������okazano na rysunku 4.

���&�,��������������� ����������� ��������� ��2���'����)� ��������������� ������������������ ����� ����������� ����������������������������� ����

9����'�� ���)

���'�,�������������������� �����9����"%��$&������ ��#� ���%�����

����������� ���������� ���� ����������� ��� �������� ��Q

R �������� ���� ������� ���� �������������� ����9����������0��"

#� ���%��������"%��$&��������"����%��$&������� obrazie wc�3���� ����$ ��������� ���� Canny 7 ms. %1��"�������4"��rdzo krótkie czasy.

N������������������� �2������2���1���� ��� ��L

��� �-%O���� ���� ��������3�;��S���" ������ 89�� ��� �<���9� N��&=655�"�;+#�"6+O>�!�,������Q"

.��9T�/�?�"00"0;@"9��LO����05/5�/

Liczba�� ���������� ���� na tym obrazie wynosi odpowiednio, dla algorytmuHarris i Stephens 17, Shi-Tomasi 87, a dla Shi-Tomasi na �� �����3���� ���� �onymalgorytmem Canny 103. Z tego eksperymentu������" � ��������� ����1����� ������������������ �������%��$&��������� �����3���� ���� ��������� �tmemCanny"������� ����1����������������2��� �ch�����.

��%���������(�)

���� ���#�+(Histogram of Oriented Gradients)����� ����2���������������$����eniem do detekcji osób [4] (rys. 6).

���*�N����������� ����#�+

��� 8��� %������"!�������%������

9���� ���� ������������2���7=��;0���/

Algorytm HoG bazuje na ��� �������� ����������� ����������� ��������$��������������� �/

��&���������(���

���+�N����������� ����#��

9���� ���� ������������2�� ��������=0��05;��/

Algorytm ten oparty jest na wykorzystaniu falek Haara do wykrywania twarzy [16](rys. 7).

��'���������,-./

SIFT (Scale Invariant Feature Transform) zo�������proponowana przez Davida Lowe’aw 1999 r. [10]. Wyznacza dla analizowanego obrazu zbiór punktów charakterystycznych

����������� ���������� ���� ����������� ��� �������� ��=

i opi��� � ������1��� ���� ���������0��$������������ ��/!���� ��������� �����������2��������2 i obrót. Jest sto����������������������� �������24���� �������" ����������������������� ���" ����� ������;N"�����i-zacji w przestrzeni itp. [12].

���0�,����������������� ����%<P&���������������������� ��� ���������

Na rysunku 8 pokazano wyznaczanie punktów charakterystycznych SIFT. Czas prze-twa ������� ���������������=���"� liczba��������� ��� �������������0��/>ysunek 9 z kolei pokazuje proces rozpoznawania obiektów. Linie w oknie „Rozpoznawa-nie” �������1����� ����������� ��� ��������� ������ ���� ��� ������$� �"� o����1�w oknie „Kamera” pokazuje obrys rozpoznanego obiektu.

9��� ������������ ������� ����� 7� ��" � liczba punktów charakterysty���������������2����� ������ ��������������������������o��60/

�=5 8��� %������"!�������%������

���1�,���� ������������������� ����������� ����%<P&

��*���������,2�.

SURF (Speeded Up Robust Features) jest algorytmem detekcji i opisu obrazu przezpunkty charakterystyczne [5, 6]. Pierwszy raz zaprezentowany przez Herberta Bayaw 2006 [1]/A����������� �������������������� ����� ������;N/ A���23��$����orowany na SIFT. Standardowa wersja SURF jest kilka razy szybsza od SIFT [14].SURF jest inwariant�������2��������2 i obrót

���� ��� ������ � ���� :����/ , �� ���� �������� �1 ������ �� ��� �$

�����"��� ���������������������������������� 76$��������2�1����

��� ���orem.%�����34������������� ��������������2��� ��������� ������������������$

���ego obrazu oraz aproksymacji filtrami blokowymi wyznaczania wyznacznika Hessianu.�� �������05 �00��������1�������� ��� ��������������������1

���o ����%->P/(��� � ������ 2������������������ ���������"��������

����������� ���������� ���� ����������� ��� �������� �=0

������������"�����34�����������������������34������"����� ���� ���

wyznaczony przez algorytm jako kierunek zmian������3������ �/Na rysunku 10 widzimy wyznaczanie punktów charakterystycznych SURF, czas

przetwo ���� �� ��� �� ����� �6��" � liczba wyznaczonych punktów charakterystycz-nych to oko����/>�����00����������� ����������� ����%->P�� ������������

�������/,���������0�5�������� �������������������������0���������

������� �arakterystycznych.

����3�,����������������� ����%->P������������

�������� �� ��� ���������

�=� 8��� %������"!�������%������

�������,���� ������������������� ����������� ����%->P

%���������

W pracy przedstawiono �������������2���1������ �����L

9����"

#� ��$%�����"

%��$&����� '(����$&�����)"

#�+"

#�� "

%<P&" %->P/

����������� ���������� ���� ����������� ��� �������� �=;

8 �� ����� ���� ���� obraz z kamery.8 ���������������� ������������1��u����34��������� ����������������������������������� ���/N��2��pracyonline ����� ����� ����4 ���� � ���� ����� �� ��� ��� ������ � ��� � �� :������������/9����� ���� ������1�� ���� �������������������������:� ���� �2$towej i programowej. Daje ��������2"��� ���������������������2����� �z����$��3���������� �2���2���������������������� �������� nawet przy roz�����$����������������� �����3��/B�������� �����"����������������������o ��$�������1����������������������������� ��� ��� ��/,������2��2�������������� ��� ���� ����� ��������� ������������ ���� � ��� �ara�� ��"

�� ��������� �� �� ��� � ��� ������� �� 2��� � ��/ 8����� ��2 �w��� � ���$������������ ����1���� �� ����������������������� �� ��� �amegoobiektu wi�������� ������� ��/

4� �����

?0@ O��#/"C���/"&������ �&/"*�T��+���"������ � ����������� ���� �"9����� /

T��������<���-�� ��������'9T<-)"M��/005"��/;"�55�";67 ;�=/?�@ O �����+/"(��� �/"� ��������� ���/.U>����!���"<�/"%��������"�55�/?;@ 9����A/"���������������������������� �� �! � �����/<CCC& ���/8��� ������������!�$

���<�������"�"0=�7"7Q= Q06/?6@ N�����/"�������� ��� ����"��� ��������� ��/8�/N/&�����557/?�@ CM���9�/"#�� ������� ��� ����������$%��55=/?7@ #��>/"����� �&����� ��"��������$/!!U05.��� �� �="P� ��<����"�505/?Q@ ����LDD�/��������/� �D����D9� � V������/?�@ ����LDD ��/��������/� �D����D,�� �����V� ��2���/?=@ ����LDD���/������/��D�505D5�D��$���$������$� � $���� D/

?05@ *��N/+/"�!��������' �"��� � ���� ��(�������� &"�'�������) $������%<�� ��������A�� ����:9����� T�����"�556/

?00@ �� ����� ( � �� �*������'%+%+%

?0�@ 8�����8/"!�� ��%/",$�-�.�/��� ����.�0/������.� �$��$�-�$����������- �$�12�- ����-�345����&���-$��/%*.("�557/

?0;@ >�:�������C/ '�/)"�����$��$���- �/��-���������-0/� ��/��4���������$�-�������� .2��� ���/.:����,��������8���������, ��������", ����"�55=/

?06@ %���� P/"B���O/"+� ��8/"%� ���+/"%������C/"��M���/L*�6�����! � ������ &����� �*��. ���(����"��������/T!T"�55=/

?0�@ %������>/"������ �������������������������������������/%� ��� "�505/?07@ &������ �&/"!���������(/"������ "�'������� ���� � ! � ������� �� ���' $/ P���������� ���

& �����9����� + ��������T�����"M��/;"��/;'�55Q)"�55�0QQ ��5/