Computer vision
Download as PPTX, PDF0 likes328 views
Brief introduction to computer vision
More Related Content
Similar to Computer vision (8)
More from Marco Buttolo (20)
Computer vision
- 1. Riconoscere oggetti dellambiente Computer Vision A cura dellIng Marco Buttolo.
- 2. OBJECT RECOGNITION Molto importante per un robot poter riconoscere oggetti in un ambiente. La computer vision 竪 quel ramo dellinformatica/intelligenza artificiale che studia gli algoritmi per il riconoscimento di oggetti (possono anche essere volti umani ed in questo caso si parla di face recognition). Il face detection 竪 lindividuazione dei volti (smartphone, videocamere,..)
- 3. OBJECT RECOGNITION Lobject recognition consiste nel trovare un oggetto allinterno di una imagine pi湛 o meno complessa. David Lowe ha sviluppato un algoritmo efficiente per riconoscimento degli oggetti che 竪 invariante alla scala ed alla rotazione: SIFT Esiste una variante pi湛 performante del SIFT che si chiama SURF. Per ogni oggetto in un'immagine, ci sono molte 'features', che sono caratteristiche interessanti dell'oggetto, le quali possono essere estratte in modo da fornire una descrizione "caratteristica" dell'oggetto. Questa descrizione estratta da una immagine campione pu嘆 poi essere utilizzata per identificare l'oggetto durante il tentativo di individuarlo in una immagine di test contenente pi湛 oggetti. importante che l'insieme di caratteristiche estratte dall'immagine campione sia insensibile a variazioni di scala delle immagini, ai disturbi, all'illuminazione e distorsioni geometriche, in modo da rendere affidabile il riconoscimento.
- 4. Il SURF, come gi accennato, 竪 una evoluzione del SIFT. SURF sta per Speeded Up Robust Features. Anche tale algoritmo, come il SIFT, 竪 invariante per differenti scale e rotazioni. Nel SURF, ad ogni punto estratto viene associato un certo tipo di dato chiamato descrittore. Il SURF associa ai punti di interesse individuati un descrittore, ossia un vettore caratteristico dellintorno di tali pixel. Il SURF permette di riconoscere determinate features indipendentemente dalle deformazioni che avvengono nellimmagine. In poche parole, tale algoritmo sfrutta una rappresentazione intermedia dellimmagine chiamata integral image. OBJECT RECOGNITION
- 7. Analisi punti di interesse imagine modello Analisi punti di interesse (ciclo di scansione) di ogni imagine di cui si vule effettuare la comparazione Verifica dei descrittori modello e descrittori delle altre immagini Ordinamento per descrittore pi湛 simile RICONOSCIMENTO IMMAGINI Fase 1 Fase 2 Fase 3 Fase 4 Fase 5 END
- 8. Altra tecnica consiste nellanalisi spettrale di una imagine. La trasformata di Fourier permette di analizzare una funzione non pi湛 nel dominio del tempo ma nel dominio delle frequenze. Grazie alla trasformata di Fourier 竪 possibile individuare un criterio per compiere un campionamento in grado di digitalizzare un segnale senza ridurne il contenuto informativo. In particolare si usa la FFT (Fast Fourier Transform) Image comparison
- 10. La trasformata di Fourier 竪 uno strumento fondamentale nel campo delle elaborazioni delle immagini. Loutput fornito 竪 un immagine nel dominio delle frequenze. Es: riproduciamo un suono -> vediamo le frequenze sul mixer. Analisi immagini Filtraggio Ricostruzione delle immagini
- 12. Una libreria gratuita per lavorare con le FFT si chiama DSP (https://www.nuget.org/packages/Dsp/) Altre librerie gratuite di Intelligenza artificiale sono: AForgeNET Accord NET (evoluzione di Aforge NET) EMGUCV (porting .NET di Open CV)
- 13. Altre tecnologie Tante tecnologie ci sono per elaborare e confrontare immagini (FTCH con logica fuzzy, Harris descriptors,).