Штучний інтелект

Анотація: Одним із способів опису об’єктів на зображеннях є виявлення деяких їх характерних точок або точок уваги. Околи точок уваги описуються дескрипторами (множиною ознак) таким чином, щоб їх можна було ідентифікувати та порівняти. За цими ознаками здійснюється пошук тотожних точок на інших зображеннях. Процес виділення ознак повинен враховувати не тільки положення точки уваги, а й розмір та можливу форму локального сусідства. Відомі різні методи пошуку тотожних характерних точок, які для їх опису використовують прямокутні або кругові околи. Прямокутні вікна, які використовуються для аналізу околів, не дозволяють виділяти однакові області на еталонному зображенні і зображенні, що повернуто і аналізується. Кругові ж вікна це дозволяють. У статті запропоновано та досліджено алгоритми визначення орієнтації кругових областей у відеозображеннях, що дозволяє обчислювати додатково до інваріантних характеристик характеристики, які враховують розташування окремих ділянок таких областей. Це алгоритми: • визначення орієнтації кругової області за моментами першого та другого порядку; • обчислення взаємної орієнтації досліджуваної кругової області і еталону за моментами першого та другого порядку. У результаті досліджень та експериментів встановлено, що в залежності від алгоритму і вмісту кругових областей можливі відхилення у визначенні їх напрямків орієнтації. Чинники, які на це впливають: точність пошуку характерних точок; застосування тих чи інших алгоритмів визначення орієнтації; відмінності в ракурсі відеозйомки еталонного зображення і зображення, що досліджується; розташування характерних точок всередині об'єкта або на його границі, особливо при зміні фону; розмір околів (вікон аналізу) характерних точок. Видається доцільним продовжити дослідження точності визначення орієнтації кругових областей різними алгоритмами. Для зменшення впливу різних побічних факторів потрібно досліджувати штучні, а не реальні зображення.

Ключові слова: комп’ютерний зір, відеозображення, характерні точки, кругові області, інваріантні моменти

Посилання:

1. Lowe, D. (2004). Distinctive image features from scaleinvariant keypoints. Intern. Journal of Computer Vision, 60, 91–110.
2. Bay, H., Ess, A., Tuytelaars, T., Gool, L.V. (2008). SURF: speed up robust features. Computer Vision and Image Understanding (CVIU). (V. 110, 3, 346–359).
3. Mikolajczyk, K., Schmid, C. (2004). Scale and affine invariant interest point detectors. Intern. Journal of Computer Vision. (60(1), 63–86).
4. Tola, E., Lepetit, V., Fua, P. (2008). A Fast Local Descriptor for Dense Matching. Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition (CVPR’08), 1–8.
5. Calonder, M., Lepetit, V., Strecha, C., Fua, P. (2010). BRIEF: Binary Robust Independent Elementary Features. Proc. of the 11th European Conference on Computer Vision (ECCV’10).
6. Rublee, E., Rabaud, V., Konolige, K., Bradski, G. (2011). ORB: an efficient alternative to SIFT or SURF. Proc. of the Intern. Conf. on Computer Vision (CVPR’11), 2564–2571.
7. Сабельніков, П.Ю., Сабельніков, Ю.А. (2021). Пошук тотожних областей у зображеннях із використанням інваріантних моментів. Штучний інтелект, 2, 55 – 62.
8. Anisimov, B.V., Kurganov, V.D., Zlobin, V.K. (1983). Raspoznavanie i cifrovaya obrabotka izobrazhenij: ucheb. posobie. M.: Vysshaya shkola, 295 s.
9. Glumov, N.I., Myasnikov, V.V., Sergeev, V.V. (2010). Obnaruzhenie i raspoznavanie obektov na izobrazheniyah: elektron. ucheb. posobie. Samara: Samarskij gos. aerokosmich. un-t imeni S. P. Koroleva, 141 c.
10. Оборона України https://www.youtube.com/watch?v=IB8IuWvWj5c
11. Ablamejko, S.V., Lagunovskij, D.M. (2000). Obrabotka izobrazhenij: tehnologiya, metody, primenenie: ucheb. posobie. M.: Amalfej, 304 s.